- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
在最近的高端 Intel CPU 上重新排序 x64 (x86-64) 指令可以获得多少性能提升(如果有的话)。在时间极其紧迫的情况下是否值得打扰?
我还想知道通过改变寄存器使用/使用额外的寄存器(如果免费)以允许在某些奇怪的情况下进行更远距离的代码移动来获得 yield 的可能性?
最佳答案
指令调度在短距离内通常不是什么大问题,因为乱序执行通常有效。在像一些 ARM 内核这样的有序 CPU 上更重要,在这些 CPU 中,在使用结果的指令之前调度负载很重要。
不过,它甚至可以在高端 x86 上提供帮助,具体取决于限制执行吞吐量的瓶颈类型。见 http://blog.stuffedcow.net/2013/05/measuring-rob-capacity/关于 ROB 大小与物理寄存器数量的一些有趣的东西是乱序执行的限制因素。 Software-pipelining可以帮助处理乱序执行很难隐藏的长依赖链。
尽早将指令放在关键路径依赖链上会有所帮助,因为 OOO 调度通常会尝试执行最旧的就绪优先。 (见 How are x86 uops scheduled, exactly?)。
现代 CPU 是复杂的野兽,有时在您不认为它很重要的情况下重新排序会产生影响。有时无法准确猜测为什么会有所不同。不同的排序会影响解码器甚至 uop 缓存中的前端带宽,因为关于解码的 uops 如何打包到 uop 缓存(在 Intel CPU 上)中最多 6-uop 行有很多规则。例如,Branch alignment for loops involving micro-coded instructions on Intel SnB-family CPUs
有时解释很模糊。例如,在 Intel 的优化手册中,Example 3-25. Re-ordering Sequence to Improve Effectiveness of Zero-Latency MOV Instructions ,他们讨论立即覆盖零延迟 movzx 结果以更快地释放内部资源。 (我在 Haswell 和 Skylake 上尝试了示例,发现 mov-elimination 实际上在执行此操作时确实在更多时间内有效,但实际上在总周期中略慢,而不是更快。该示例旨在说明IvyBridge 的好处,它可能在其 3 个 ALU 端口上遇到瓶颈,但 HSW/SKL 仅在 dep 链中的资源冲突上成为瓶颈,并且似乎不会因为需要 ALU 端口来处理更多 movzx 指令而烦恼。)
可能这也适用于 eliminated mov
instructions ,不仅仅是 movzx
,但可能不会。
如果英特尔的手册没有将其用作示例,我是否会在真正的优化情况(对于 IvyBridge)中遇到这一点,那么 IDK。 uop 发布与执行(融合域与未融合域)的性能计数器显示有多少 mov uops 被消除,但如果没有优化手册说明原因,几乎不可能弄清楚为什么会发生。重新排序附近的独立指令只是为了尝试一些东西可以作为调整的最后一步,但在这一点上它是巫毒/黑魔法/猜测。
正如 Margaret 指出的那样,除了简单的调度之外,还有其他理由对指令进行重新排序。见 Agner Fog's optimization and microarchitecture guides ,以及 x86 中的其他资源标记 wiki 以了解更多信息。
例如分组cmp/jcc
和 test/jcc
由于宏观融合,在一起总是一个好主意。当你用 -march=haswell
编译时,你的编译器会为你做这件事或者其他什么,因为这可以启用 -mtune=haswell
.
如果它让您避免一些 mov
,它还可以打开其他优化机会。指令或溢出/重新加载,但这不仅仅是调度指令。
关于assembly - x86/x64 asm 中的指令重新排序 - 使用最新 CPU 进行性能优化,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45967358/
我想知道在谈到 CPU 使用率和 CPU 利用率时,术语是否存在科学差异。我觉得这两个词都被用作同义词。它们都描述了 CPU 时间和 CPU 容量之间的关系。 Wikipedia称之为 CPU 使用率
我研究了一些关于处理器和 Tomasulo 算法的指令重新排序的内容。 为了更深入地了解这个主题,我想知道是否有任何方法可以(获取跟踪)查看为给定程序完成的实际动态重新排序? 我想给出一个输入程序并查
我有一台配备 2 个 Intel Xeon CPU E5-2620 (Sandy Bridge) 和 10Gbps 82599 NIC(2 个端口)的服务器,用于高性能计算。从 PCI 关联性中,我看
您能详细解释一下“用户 CPU 时间”和“系统 CPU 时间”吗?我读了很多,但我不太理解。 最佳答案 区别在于时间花在用户空间还是内核空间。用户 CPU 时间是处理器运行程序代码(或库中的代码)所花
我想知道如何识别 CPU 是否与 ARM v5 指令集兼容。 假设 ARM v7 指令与 ARM v5 兼容是否正确? 最佳答案 您可以阅读 CPUID base register获得PARTNO。然
我目前在具有多个六核 CPU 的服务器上使用 C 多线程。我想将我的一些线程的亲和性设置为单个 CPU 的各个核心。我使用过 pthread_setaffinity_np() 和 sched_seta
1) 独占时间是在方法中花费的时间2) 包含时间是在方法中花费的时间加上在任何被调用函数中花费的时间3)我们称调用方法为“ parent ”,称方法为“子”。引用链接:Click here 这里的问题
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗?更新问题,使其仅关注一个问题 editing this post . 已关闭 5 年前。 Improve this ques
好的,所以编译器可以出于性能原因自由地重新排序代码片段。让我们假设一些代码片段,在没有应用优化的情况下直接翻译成机器代码,看起来像这样: machine_instruction_1 machine_i
我在 zabbix 中有以下默认图表,但我不知道如何解释这些值。谁能解释一下? 最佳答案 操作系统是一件非常忙碌的事情,尤其是当你让它做某事时(即使你没有做)。当我们看到一个活跃的企业环境时,总会发生
换句话说,L1、L2、L3 等缓存是否总是反射(reflect) CPU的字节序 ? 或者总是将数据存储在某些 的缓存中更有意义吗?特定字节序 ? 有没有总体设计决策 ? 最佳答案 大多数现代缓存不会
我想知道当前的 cpus 是否避免在其中至少一个为零时将两个数字相乘。谢谢 最佳答案 这取决于 CPU 和(在某些情况下)操作数的类型。 较旧/较简单的 CPU 通常使用如下乘法算法: integer
我有一个 CUDA 应用程序,它在一台计算机(配备 GTX 275)上运行良好,而在另一台配备 GeForce 8400 的计算机上运行速度慢了大约 100 倍。我怀疑有某种回退使代码实际上在 CPU
例如,对于 8 位 CPU,堆栈大小预计为 8 位宽,16 位 CPU 与 16 位堆栈宽度,以及 32 位、64 位 CPU,等等。是否适用于所有架构? 最佳答案 CPU 具有数据总线和地址总线。它
实现 SIMD 是否需要多核 CPU? 在阅读有关 SIMD 的维基百科时,我发现了以下短语“多处理元素”。那么这句话和“多核CPU”有什么区别呢? 最佳答案 不,每个内核通常都可以执行指令集中的大多
我遗漏了一些基本的东西。 CPU 流水线:在基本层面上,为什么指令需要不同数量的时钟周期才能完成,为什么有些指令在多级 CPU 中只需要 1 个周期? 除了明显的“不同的指令需要不同的工作量才能完成”
超线程 CPU 是实现并行还是仅实现并发(上下文切换)? 我的猜测是没有并行性,只有通过上下文切换的并发性。 最佳答案 单个物理 CPU 具有超线程的核心显示为 两个逻辑 CPU 到操作系统。 CPU
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 这个问题似乎不是关于 a specific programming problem, a softwar
背景是这样的:下周我们的办公室将有一天因为维护而没有暖气。预计室外温度在 7 至 12 摄氏度之间,因此可能会变冷。可移植电取暖器数量太少,无法满足所有人的需求。 但是,在我大约 6-8 平方米的办公
我开发了一个应用程序,该应用程序在我的开发箱上的三个容器中运行,该开发箱具有带超线程的四核,这意味着系统和 docker 使用 8 个核心。 容器的 CPU 分配由 docker-compose 完成
我是一名优秀的程序员,十分优秀!