performance - 某些通用寄存器是否比其他寄存器更快？

Question

在 x86-64 中，如果某些通用寄存器比其他寄存器更受欢迎，某些指令会执行得更快吗？
例如，会 mov eax, ecx执行速度快于 mov r8d, ecx ?我可以想象后者需要一个 REX 前缀，这会使指令获取速度变慢？
使用 rax 怎么样？而不是 rcx ?怎么样add或 xor ?其他操作？较小的寄存器，如 r15b对比 al ? al对比 ah ?
AMD VS 英特尔？较新的处理器？旧处理器？指令组合？
澄清:某些通用寄存器是否应该优先于其他寄存器，它们是哪些？

Answer 1

一般来说，架构寄存器都是相同的，并重命名为大量物理寄存器。
(除了部分寄存器可能会更慢，尤其是高字节 AH/BH/CH/DH，在写入完整寄存器后读取速度很慢，在 Haswell 和更高版本上。请参阅 How exactly do partial registers on Haswell/Skylake perform? Writing AL seems to have a false dependency on RAX, and AH is inconsistent 和 Why doesn't GCC use partial registers? 以了解写入 8 位和 16 位时的问题位寄存器)。这个答案的其余部分将只考虑 32/64 位操作数大小。)
但是某些指令需要特定的寄存器，例如传统的可变计数移位(没有 BMI2 shrx 等)需要 CL 中的计数。除法要求 EDX:EAX 中的被除数(对于较慢的 64 位版本，或 RDX:RAX)。
使用像 RBX 这样的调用保留寄存器意味着你的函数必须花费额外的指令来保存/恢复它。
但是，如果您需要更多说明，当然会有性能差异。因此，让我们假设所有其他条件都相同，只需通过更改用于其操作数的寄存器来讨论单个指令的 uops、延迟和代码大小。 TL:DR:唯一的性能差异是由于指令编码限制/差异。 有时不同的寄存器将允许/要求(或让汇编程序选择)不同的编码，作为特殊情况，通常会更小/更大，有时甚至以不同的方式执行。
通常，较小的代码速度更快，并且在 uop 缓存和 I-cache 中的打包效果更好，因此除非您分析了特定情况并发现了问题，否则最好使用较小的编码。通常这意味着在 AL 中保留一个字节值，以便您可以使用这些特殊情况指令，并避免使用 RBP/R13 作为指针。

特定编码特别慢的特殊情况，而不仅仅是大小
如果寻址模式还没有 +displacement 常量，以 RBP 或 R13 作为基础的 LEA 在 Intel 上可能会更慢。
例如lea eax, [rbp + 12] 可按原样编码，并且与 lea eax, [rcx + 12] 一样快。
但是 lea eax, [rbp + rcx*4] 只能在机器代码中编码为 lea eax, [rbp + rcx*4 + 0] (因为 addressing mode escape-code stuff )，这是一个 3 组件 LEA，因此在 Intel 上较慢(Sandybridge 系列上的 3 个周期延迟而不是 1 个周期，请参阅 https://agner.org/optimize/ 指令表和 microarch PDF )。在 AMD 上，即使使用 lea eax, [rdx + rcx*4]，拥有缩放索引也会使其成为慢速 LEA
在 LEA 之外，在任何寻址模式中使用 RBP/R13 作为基础总是需要 disp8/32 字节或双字，但我认为实际 AGU 对于 3 分量寻址模式并不慢。所以这只是代码大小的影响。

其他情况包括 Which Intel microarchitecture introduced the ADC reg,0 single-uop special case?，其中 adc al, imm8 的短格式 2 字节编码为 2 uop，即使在 Skylake 等现代 uarch 上也是如此，其中 adc bl, imm8 为 1 uop。
因此，不仅 adc reg,0 特例不适用于通过 Haswell 在 Sandybridge 上的 adc al,0，Broadwell 和更新的忘记(或选择不)优化该编码解码为 uops 的方式。 (当然，您可以使用 3 字节 Mod/RM 编码对 adc al,0 进行手动编码，但汇编程序将始终选择最短的编码，因此 adc al,0 默认情况下将汇编为短格式。)只有字节寄存器有问题； adc eax,0 将使用 opcode ModRM imm8 3 字节编码，而不是 5 字节 opcode imm32 。
对于 op al,imm8 的其他情况，唯一的区别是代码大小，这只是间接影响性能。 (由于解码、uop-cache 打包和 I-cache 未命中)。
有关代码大小特殊情况的更多信息，请参阅 Tips for golfing in x86/x64 machine code，例如 xchg eax, ecx 为 1 字节，而 xchg edx, ecx 为 2 字节。

如果自上次 push/pop/call/ret 以来没有明确使用 RSP 或 ESP(当然沿着执行路径，而不是在静态代码布局中)，add rsp, 8 可能需要额外的堆栈同步 uop。 ( What is the stack engine in the Sandybridge microarchitecture? )。这就是为什么像 clang 这样的编译器使用虚拟插入或弹出来保留/释放单个堆栈槽的原因:Why does this function push RAX to the stack as the first operation?