x86-64 - 为什么 x86_64 CPU 上没有通用寄存器的乘加融合？

Question

在 Intel 和 AMD x86_64 处理器上，SIMD 矢量化寄存器具有特定的融合乘加功能，但通用(标量、整数)寄存器 don't - 你基本上需要先乘法，然后加法(除非你可以将东西放入lea)。

这是为什么呢？我的意思是，它是否毫无用处以至于不值得花费这些开销？

Answer 1

整数乘法很常见，但不是与整数相关的最常见操作之一。但对于 float ，乘法和加法始终被使用，并且 FMA 为大量 ALU 绑定(bind)的 FP 代码提供了主要加速。

此外，浮点实际上避免了 FMA 的精度损失(x*y 内部临时值在相加之前根本不会四舍五入)。这就是为什么the ISO C99 / C++ fma() math library function存在，以及为什么在没有硬件 FMA 支持的情况下实现起来很慢。

与单独的乘法和加法相比，整数 FMA(或乘法累加，又名 MAC)没有任何精度优势。

<小时/>

一些非 x86 ISA 确实提供整数 FMA。它并非无用，但 Intel 和 AMD 都懒得将它包含进来 until AVX512-IFMA (这仍然仅适用于 SIMD，基本上公开了 double FMA/vmulpd 所需的 52 位尾数乘法器电路，以供整数指令使用)。

非 x86 示例包括:

• MIPS32 , madd/maddu (无符号)乘法累加到 hi/lo 寄存器(使用的特殊寄存器作为常规乘法和除法指令的目的地)。

• ARM smlal和 friend (32x32=>64 位 MAC，或 16x16=>32 位)，也可用于无符号整数。操作数是常规 R0..R15 通用寄存器。

<小时/>

整数寄存器 FMA 在 x86 上很有用，但具有 3 个整数输入的微指令很少见。 CMOV 和 ADC 有 3 个输入，但其中之一是标志。即便如此，直到 Broadwell，在 Haswell 中为 FP FMA 添加了 3 输入 uop 支持之后，他们才在 Intel 上解码为单个 uop。

Haswell 及更高版本可以跟踪具有 3 个整数输入的融合域微指令，for (some) micro-fused instructions with indexed addressing modes 。 Sandybridge/Ivybridge 未层压指令，例如 add eax, [rdx+rcx]。 (但是 Nehalem 可以让它们保持微融合，就像 Haswell 一样；SnB 简化了融合域 uop 格式)。不管怎样，那是融合域，不在调度程序中。只有 Broadwell/Skylake 可以在调度程序中跟踪 3 输入整数微指令，并且这只适用于 2 个整数 + 标志，而不是 3 个整数寄存器。

英特尔确实使用了“统一”调度程序，其中 FP 和整数运算使用相同的调度程序，并且它可以跟踪正确的 3 输入 FP FMA。所以我不知道是否存在技术障碍。如果没有，我不知道为什么英特尔没有将整数 FMA 作为 BMI2 或其他内容的一部分，这增加了一些东西 like mulx (2 输入 2 输出 mul 大多采用显式操作数，与使用 rdx:rax 的旧版 mul 不同。)

<小时/>

SSE2/SSSE3 确实具有用于向量寄存器的整数乘加指令，但仅在加宽 16x16 => 32 位后进行水平加法 ( SSE2 pmaddwd ) 或 (无符号)8x(有符号)8=>16 位( SSSE3 pmaddubsw )。

但这些只是 2 输入指令，因此即使有乘法和加法，它与 FMA 也有很大不同。

<小时/>

脚注:问题标题最初表示没有“标量”的 FMA。标量 FP FMA 具有相同的 FMA3 扩展，添加了这些的打包版本:VFMADD231SD和 friend 们对标量 double 进行操作，并且相同风格的 vfmaddXXXss 可用于 XMM 寄存器中的标量浮点。