optimization - 两个相似的汇编代码。巨大的差异

Question

我有 Ivy-Bridge CPU。以下代码每次迭代需要 3 个周期:

L1:    
    movapd xmm1, [rsi+rax] ; X[i], X[i+1]
    mulpd xmm1, xmm2
    movapd xmm0, [rdi+rax] ; Y[i], Y[i+1]
    subpd xmm0, xmm1
    movapd [rdi+rax], xmm0 ; Store result
    add rax, 16
    cmp rax, rcx
    jl L1

以下每次迭代需要 9 个周期:

L1:
    movapd xmm1, [rsi+rax] ; X[i], X[i+1]
    mulpd xmm1, xmm2
    movapd xmm0, [rdi+rax] ; Y[i], Y[i+1]
    add rax, 16
    subpd xmm0, xmm1
    movapd [rdi+rax], xmm0 ; Store result
    cmp rax, rcx
    jl L1

唯一的区别是顺序(add rax, 16)。这导致程序慢了 3 倍。为什么差别如此之大？

Answer 1

主要原因是它将结果存储在不同的位置，这也恰好是循环的下一次迭代读取的位置。

这样做会干扰 CPU 的乱序执行——由于数据依赖性，循环的下一次迭代在当前迭代完成之前无法开始。

我想如果您将存储指令更改为存储回相同的位置，第二个循环会再次变得更快:

movapd [rdi+rax-16], xmm0 ; Store result