performance - 在循环中插入 nop 以及在 movnti 商店附近阅读时意外减速

Question

我不明白为什么第一个代码每次迭代有 ~1 个周期，而第二个代码每次迭代有 2 个周期。我用 Agner 的工具和性能进行了测量。根据 IACA，从我的理论计算来看，它也应该需要 1 个周期。

每次迭代需要 1 个周期。

; array is array defined in section data
%define n 1000000
xor rcx, rcx   

.begin:
    movnti [array], eax
    add rcx, 1 
    cmp rcx, n
    jle .begin

每次迭代需要 2 个周期。 但为什么？

; array is array defined in section data
%define n 1000000
xor rcx, rcx   

.begin:
    movnti [array], eax
    nop
    add rcx, 1 
    cmp rcx, n
    jle .begin

这个最终版本每次迭代需要大约 27 个周期。但为什么？毕竟，没有依赖链。

.begin:
    movnti [array], eax
    mov rbx, [array+16]
    add rcx, 1 
    cmp rcx, n
    jle .begin

我的 CPU 是 IvyBridge。

Answer 1

movnti根据 Agner Fog's tables，是 2 uop，并且不能微型 fuse 对于 Ivy 桥。

因此，您的第一个循环是 4 个融合域 uops，并且可以在每个时钟进行一次迭代。
nop是第 5 个融合域 uop(即使它不采用任何执行端口，因此它是 0 个未融合域 uops)。这意味着前端每 2 个时钟只能发出一个循环。

另见 x86标记 wiki 以获取有关 CPU 工作原理的更多链接。

第三个循环可能很慢，因为 mov rbx, [array+16]可能正在从 movnti 的同一缓存行加载驱逐。每次刷新它存储的填充缓冲区时都会发生这种情况。 (不是每个 movnti ，显然它可以在同一个填充缓冲区中重写一些字节。)