assembly - 为什么以及在哪里使用align 16来进行指令的SSE对齐？

Question

我正在阅读 Apress 的现代 x86 汇编语言书籍。对于 64 位 SSE 示例的编程，作者将 align 16 放置到代码中的特定点。例如

    .code
ImageUint8ToFloat_ proc frame
_CreateFrame U2F_,0,64               ; helper macros to create prolog
_SaveXmmRegs xmm10,xmm11,xmm12,xmm13 ; helper macros to create prolog

_EndProlog  ; helper macros to create prolog

...

shrd r8d,
pxor xmm5,xmm5

align 16  ; Why this is here ?
@@:
movdqa xmm0,xmmword ptr [rdx]
movdqa xmm10,xmmword ptr [rdx+16]

movdqa xmm2,xmm0
punpcklbw xmm0,xmm5
punpckhbw xmm2,xmm5
movdqa xmm1,xmm0
movdqa xmm3,xmm2

...

作者解释说，由于我们使用 SSE，因此有必要放置 align 16，以便指令本身对齐。没关系。我的问题是为什么作者选择将 align 16 放置到该特定位置。作为一名程序员，我应该如何决定 align 16 的正确位置？为什么不早一点或者晚一点呢？

Answer 1

没有必要。偶尔还是有好处的。

现代处理器以 16 个字节(或者可能是 32 个字节，AMD 做了奇怪的事情)为单位获取代码。当然，对齐。如果你跳转到这样一个 block 的末尾附近，你就会浪费大部分的取指，并且在那个周期中你只解码 1 个或许多 0 指令。这是一个巨大的浪费，所以最好跳到一个 block 的开头。

这并不总是重要的，例如代码是否位于循环缓冲区或 µop 缓存(如果存在)中。通常，几乎所有循环都适合 µops 缓存，在早于 SandyBridge 的处理器上，很容易创建不适合循环缓冲区的循环，这使得获取吞吐量变得很重要。即使循环可以放入循环缓冲区，对齐仍然对 Core2 有帮助，因为未对齐实际上使循环缓冲区变小(它基于 16 字节代码块，在预解码后缓存)。还有一些更奇怪的细节，但都是关于古代微拱的，所以我会跳过它。关键是，在像 Nehalem 或更早的 µarch 上，您应该经常对齐循环。

虽然从片段来看不是很清楚，但看起来他们已经对齐了一个它将循环回的标签。所以它正在对齐循环。这对于现代 µarch 来说并不重要。