c - 如何使以下代码更快

Question

int u1, u2;  
unsigned long elm1[20], _mulpre[16][20], res1[40], res2[40]; 64 bits long     
res1, res2 initialized to zero.  

l = 60;  
while (l)  
{  
    for (i = 0; i < 20; i += 2)  
    {  
        u1 = (elm1[i] >> l) & 15;  
        u2 = (elm1[i + 1] >> l) & 15;

        for (k = 0; k < 20; k += 2)  
        {  
            simda = _mm_load_si128 ((__m128i *) &_mulpre[u1][k]);  
            simdb = _mm_load_si128 ((__m128i *) &res1[i + k]);  
            simdb = _mm_xor_si128  (simda, simdb);  
            _mm_store_si128 ((__m128i *)&res1[i + k], simdb);  

            simda = _mm_load_si128 ((__m128i *)&_mulpre[u2][k]);  
            simdb = _mm_load_si128 ((__m128i *)&res2[i + k]);  
            simdb = _mm_xor_si128  (simda, simdb);  
            _mm_store_si128 ((__m128i *)&res2[i + k], simdb);  
        } 
    }
    l -= 4;
    All res1, res2 values are left shifted by 4 bits.  
}

上面提到的代码在我的程序中被调用了很多次(profiler 显示 98%)。

编辑:在内部循环中，res1[i + k] 值被多次加载相同的 (i + k) 值。我在 while 循环中尝试了这个，我将所有 res1 值加载到 simd 寄存器(数组)中，并在最内层的 for 循环中使用数组元素来更新数组元素。完成两个 for 循环后，我将数组值存储回 res1、re2。但是计算时间随之增加。知道我哪里错了吗？这个想法似乎是正确的

欢迎提出任何让它更快的建议。

Answer 1

不幸的是，编译器可能已经完成了最明显的优化:

• 您可以拉取 &_mulpre[u1] 和 &mulpre[u2] 我们的内部循环。
• 您可以拉动 &res1[i] 我们的内部循环。
• 对两个内部操作使用不同的变量，并对它们重新排序，可能会实现更好的流水线操作。

可能交换外部循环会改善 elm1 上的缓存位置。