c++ - C/C++ : emulating restrict keyword by copying arguments to local variables

Question

我在使用 vector 内在函数(AVX)时遇到了以下问题，但该问题可能也适用于顺序编程。它涉及 restrict 的使用关键词。该关键字在 C99 中可用，但在 C++ 中不可用(大多数编译器提供的特殊关键字除外)。我的问题是:我可以避免使用 restrict通过从非 restrict 复制数据局部变量的指针参数？它在我的示例中有效，但是这种行为有保证吗？

这是我的代码，包含 4 个不同版本的 SIMD vector 加法。第一版vecAdd1()将参数传递为 restrict指针。所有其他版本都使用普通(非 restrict )指针作为参数。第二版vecAdd2()没有进一步的代码修改。第三版vecAdd3()复制data每个结构体的指针到局部变量中。第四版vecAdd4()对于大小 n 也执行相同的操作.

#include <stdio.h>
#include <x86intrin.h>

#define N 8 // 8 floats per AVX vector
#define SIZE 1000 // 1000 floats per data vector

typedef struct { int n; float *data; } Vec;

void vecCreate(int size, Vec *v) {
  v->n = size;
  posix_memalign((void**)&(v->data), 32, size * sizeof(float));
}


void vecAdd1(Vec * restrict a, Vec * restrict b, Vec * restrict c) {
  __m256 va, vb, vc;
  for (int i = 0; i <= (a->n - N); i += N) {
    va = _mm256_load_ps(a->data + i);
    vb = _mm256_load_ps(b->data + i);
    vc = _mm256_add_ps(va, vb);
    _mm256_store_ps(c->data + i, vc);
  }
}

void vecAdd2(Vec *a, Vec *b, Vec *c) {
  __m256 va, vb, vc;
  for (int i = 0; i <= (a->n - N); i += N) {
    va = _mm256_load_ps(a->data + i);
    vb = _mm256_load_ps(b->data + i);
    vc = _mm256_add_ps(va, vb);
    _mm256_store_ps(c->data + i, vc);
  }
}

void vecAdd3(Vec *a, Vec *b, Vec *c) {
  __m256 va, vb, vc;
  float *pa = a->data, *pb = b->data, *pc = c->data;
  for (int i = 0; i <= (a->n - N); i += N) {
    va = _mm256_load_ps(pa + i);
    vb = _mm256_load_ps(pb + i);
    vc = _mm256_add_ps(va, vb);
    _mm256_store_ps(pc + i, vc);
  }
}

void vecAdd4(Vec *a, Vec *b, Vec *c) {
  __m256 va, vb, vc;
  float *pa = a->data, *pb = b->data, *pc = c->data;
  int ae = a->n - N;
  for (int i = 0; i <= ae; i += N) {
    va = _mm256_load_ps(pa + i);
    vb = _mm256_load_ps(pb + i);
    vc = _mm256_add_ps(va, vb);
    _mm256_store_ps(pc + i, vc);
  }
}



int
main()
{
  Vec a, b, c;
  vecCreate(1000, &a);
  vecCreate(1000, &b);
  vecCreate(1000, &c);
  vecAdd1(&a, &b, &c);
  vecAdd2(&a, &b, &c);
  vecAdd3(&a, &b, &c);
  vecAdd4(&a, &b, &c);
  printf("%g\n", c.data[123]);
  return 0;
}

(仅评论: -N 和 <= 用于将处理限制为可以加载和存储整个 SIMD vector 的部分。我省略了顺序后置码。)

这是编译器调用:

gcc -O3 -mno-avx256-split-unaligned-load -mno-avx256-split-unaligned-store -march=native -masm=intel -save-temps -std=c99 -Wall -o vecadd vecadd.c

我使用的是7.5.0版本。下面我只展示vecadd.s中的汇编代码的相关部分。 .

在 vecAdd1() ，循环有一个非常高效的实现:加载一个 SIMD vector ，添加第二个 vector ，存储到结果，前进指针，检查循环结束:

.L5:
    vmovaps ymm0, YMMWORD PTR [rdi+rax]
    vaddps  ymm0, ymm0, YMMWORD PTR [rsi+rax]
    vmovaps YMMWORD PTR [rcx+rax], ymm0
    add rax, 32
    cmp rdx, rax
    jne .L5

如果我省略 restrict vecAdd2() 中参数列表中的关键字，循环变得非常低效:在循环内，三个 data指针和大小 n每次加载、处理和存储 SIMD vector 并检查循环条件之前都会重新加载:

.L10:
    mov r10, QWORD PTR 8[rdi]
    mov r9, QWORD PTR 8[rsi]
    add r8d, 8
    mov rcx, QWORD PTR 8[rdx]
    vmovaps ymm0, YMMWORD PTR [r10+rax]
    vaddps  ymm0, ymm0, YMMWORD PTR [r9+rax]
    vmovaps YMMWORD PTR [rcx+rax], ymm0
    mov ecx, DWORD PTR [rdi]
    add rax, 32
    sub ecx, 7
    cmp ecx, r8d
    jg  .L10

版本vecAdd3() ，data指针不会重新加载(它们在循环之前加载一次)，但大小 n已重新加载:

.L15:
    vmovaps ymm0, YMMWORD PTR -32[r8+rax*4]
    mov ecx, eax
    vaddps  ymm0, ymm0, YMMWORD PTR -32[rsi+rax*4]
    vmovaps YMMWORD PTR -32[r9+rax*4], ymm0
    mov edx, DWORD PTR [rdi]
    add rax, 8
    sub edx, 7
    cmp edx, ecx
    jg  .L15

仅当我复制全部data时指针和 n到 vecAdd4() 中的局部变量，代码类似于 vecAdd1() 中的代码:

.L20:
    vmovaps ymm0, YMMWORD PTR [rcx+rax]
    vaddps  ymm0, ymm0, YMMWORD PTR [rsi+rax]
    vmovaps YMMWORD PTR [r8+rax], ymm0
    add rax, 32
    cmp rdx, rax
    jne .L20

所以，重复我的问题:假设我想避免特定于编译器的 restrict C++ 中的替换。因此我使用非 restrict参数，但将它们复制到本地(也非 restrict )变量。是否保证编译器不会假设局部变量可以别名(即使函数参数可以)？

(附带问题:我复制结构组件与这个问题相关吗？)

Answer 1

一般来说，局部变量无法实现与restrict等别名指令相同的优化功能。

例如想象一下 vecAdd4 中的循环由编译器展开:

  for (int i = 0; i <= ae / 2; i += 2*N) {
    va_1 = _mm256_load_ps(pa + i);
    vb_1 = _mm256_load_ps(pb + i);
    vc_1 = _mm256_add_ps(va_1, vb_1);
    _mm256_store_ps(pc + i, vc_1);
    va_2 = _mm256_load_ps(pa + i + 1);
    vb_2 = _mm256_load_ps(pb + i + 1);
    vc_2 = _mm256_add_ps(va_2, vb_2);
    _mm256_store_ps(pc + i + 1, vc_2);
  }

在这种情况下，它无法在第一个 _mm256_store_ps 内在函数(以隐藏延迟)之前移动 va_2 和 va_3 加载，因为它们之间可能存在混叠pa + i 和 pc + i。

假设所有a、b、c、pa、pb和 pc 没有别名，我建议将它们标记为这样:

void vecAdd5(Vec * restrict a, Vec * restrict b, Vec * restrict c) {
  __m256 va, vb, vc;
  float * restrict pa = a->data, * restrict pb = b->data, * restrict pc = c->data;
  for (int i = 0; i <= a->n - N; i += N) {
    va = _mm256_load_ps(pa + i);
    vb = _mm256_load_ps(pb + i);
    vc = _mm256_add_ps(va, vb);
    _mm256_store_ps(pc + i, vc);
  }
}

这实现了与 vecAdd4 相同的组装，并且手动工作少得多:

        vmovaps ymm1, YMMWORD PTR [rcx+rax*4]
        vaddps  ymm0, ymm1, YMMWORD PTR [rsi+rax*4]
        vmovaps YMMWORD PTR [rdi+rax*4], ymm0
        add     rax, 8
        cmp     edx, eax
        jg      .L3