assembly - GCC - 函数内联、LTO 和优化

Question

有这样的代码:

#include "kernel.h"
int main() {
    ...
    for (int t = 0; t < TSTEPS; ++t) {
       kernel(A,B,C);
    }
    ...
}

地点:

// kernel.h
void kernel(float *__restrict A, float *__restrict B, float *__restrict C);

// kernel.c
#include "kernel.h"

void kernel(float *__restrict A, float *__restrict B, float *__restrict C) {
    // some invariant code
    float tmp0 = B[42];
    float tmp1 = C[42];
    // some operations with tmpX, e.g.
    A[0] += tmp0 * tmp1;
} 

想法是独立编译kernel，因为我需要应用一组我对main程序不感兴趣的优化。此外，我不想要任何其他类型的循环或程序间/程序内优化:我只想将 kernel 的编译结果完全内联到对main 中的 kernel。我尝试了许多不同的方法(使用 inline、__attribute__((always_inline)) 等提供提示，但内联的唯一方法是:

gcc -c -O3 -flto kernel.c
gcc -O1 -flto kernel.o main.c

为kernel生成以下汇编代码:

kernel:
.LFB0:
    .cfi_startproc
    endbr64
    vxorps  %xmm1, %xmm1, %xmm1
    vcvtss2sd   168(%rsi), %xmm1, %xmm0
    vcvtss2sd   168(%rdx), %xmm1, %xmm2
    vcvtss2sd   (%rdi), %xmm1, %xmm1
    vfmadd132sd %xmm2, %xmm1, %xmm0
    vcvtsd2ss   %xmm0, %xmm0, %xmm0
    vmovss  %xmm0, (%rdi)
    ret
    .cfi_endproc

kernel 调用应该在 main 中，生成的代码是:

...
    1092:   f3 0f 10 0d 76 0f 00    movss  0xf76(%rip),%xmm1        # 2010 <_IO_stdin_used+0x10>
    1099:   00 
    109a:   f3 0f 10 00             movss  (%rax),%xmm0
    109e:   b8 10 27 00 00          mov    $0x2710,%eax
    10a3:   0f 1f 44 00 00          nopl   0x0(%rax,%rax,1)
    10a8:   f3 0f 58 c1             addss  %xmm1,%xmm0
    10ac:   83 e8 01                sub    $0x1,%eax
    10af:   75 f7                   jne    10a8 <main+0x28>
    10b1:   48 8d 35 4c 0f 00 00    lea    0xf4c(%rip),%rsi        # 2004 <_IO_stdin_used+0x4>
    10b8:   bf 01 00 00 00          mov    $0x1,%edi
    10bd:   b8 01 00 00 00          mov    $0x1,%eax
    10c2:   f3 0f 5a c0             cvtss2sd %xmm0,%xmm0
...

当然，这很聪明，也可能是 LTO 的重点。尽管如此，我想摆脱任何类型的优化，但只内联那些独立编译的函数。除了手写之外，还有什么“正式”的方式吗？用 -O0 编译 main 根本不内联，甚至用 -finline-functions 也不行。我还尝试“拒绝”-O1 引入的所有优化标志，但我无法关闭链接时优化。这些结果是针对 gcc 9.3.1 和 gcc 10.2.0 获得的(在本次测试中它们之间存在细微差别)。

---

编辑 0:

另外两个细节:

• 使用 ICC 使用类似的方法(IPO、内联标志等)，我获得了类似的结果，即内联 + 优化。我还没有尝试过 Clang。
• 上面的代码，将kernel内联到main中，基本上就是免去了tmp0和tmp1的负载，只是添加了乘以 a[0] 的结果；我知道这很聪明，但我不想要它，我想保持原始代码形式。

Answer 1

内联通常发生在 IR(中间表示)或字节码级别。这意味着它是在源代码的抽象机器独立(在一定程度上)表示上执行的。然后是其他优化过程，这将利用内联代码。这是内联的主要好处之一。

在程序集级别内联，没有任何优化，更何况，由于寄存器分配和堆栈管理问题，保持函数体(程序集)完全保持原样会相当尴尬。它可能仍然有一点好处(由于删除了 call；并且可能由于寄存器分配具有有关所用寄存器的附加信息，不太可能分配非 volatile reg)，但这不太可能任何编译器都可以选择这样做。这将需要一个特殊的内联传递，该传递实际上会在后端发生(由于要求保持汇编原样)。

您可以做什么:如果您真的希望 kernel 在汇编中完全符合某种方式 - 使用汇编编写您的 kernel 函数(作为选项:内联汇编) .如果您的问题确实是其他问题(例如编译器优化计算或您不想要的负载) - 可能还有其他解决方案。