了解SSE指令的矢量化

Question

我试着理解SSE指令的矢量化是如何工作的.

这里是一个实现矢量化的代码片段:

#include <stdlib.h>
#include <stdio.h>

#define SIZE 10000

void test1(double * restrict a, double * restrict b)
{
  int i;

  double *x = __builtin_assume_aligned(a, 16);
  double *y = __builtin_assume_aligned(b, 16);

  for (i = 0; i < SIZE; i++)
  {
    x[i] += y[i];
  }
}

和我的编译命令:

gcc -std=c99 -c example1.c -O3 -S -o example1.s

这里是汇编程序代码的输出:

 .file "example1.c"
  .text
  .p2align 4,,15
  .globl  test1
  .type test1, @function
test1:
.LFB7:
  .cfi_startproc
  xorl  %eax, %eax
  .p2align 4,,10
  .p2align 3
.L3:
  movapd  (%rdi,%rax), %xmm0
  addpd (%rsi,%rax), %xmm0
  movapd  %xmm0, (%rdi,%rax)
  addq  $16, %rax
  cmpq  $80000, %rax
  jne .L3
  rep ret
  .cfi_endproc
.LFE7:
  .size test1, .-test1
  .ident  "GCC: (Debian 4.8.2-16) 4.8.2"
  .section  .note.GNU-stack,"",@progbits

我多年前练习过Assembler,我想知道寄存器%rdi,%rax和%rsi之上的代码.

我知道%xmm0是SIMD寄存器,我们可以存储2个双精度数(16个字节).

但我不明白如何同时添加:

我想这一切都发生在这里:

      movapd  (%rdi,%rax), %xmm0
      addpd (%rsi,%rax), %xmm0
      movapd  %xmm0, (%rdi,%rax)
      addq  $16, %rax
      cmpq  $80000, %rax
      jne .L3
      rep ret

%rax是否代表"x"数组？

%rsi在C代码段中代表什么？

最终结果(例如a [0] = a [0] + b [0])是否存储在%rdi中？

谢谢你的帮助

Answer 1

您需要知道的第一件事是Unix系统上64位代码的调用约定.请参阅Wikipedia的x86-64_calling_conventions,有关更多详细信息,请阅读Agner Fog的调用约定手册.

整数参数按以下顺序传递:rdi,rsi,rdx,rcx,r8,r9.因此,您可以通过寄存器传递六个整数值(但在Windows上只能传递四个).这意味着在您的情况下:

rdi = &x[0],
rsi = &y[0].

寄存器rax从零开始,2*sizeof(double)=16每次迭代递增字节.然后将其与sizeof(double)*10000=80000每次迭代进行比较以测试循环是否结束.

cmp这里的使用实际上是GCC编译器的低效率.现代的Intel处理器能够融合cmp和jne指令到一个指令,他们也可以融合add和jne成一条指令,但他们无法融合add,cmp和jne成一条指令.但是可以删除cmp指令.

GCC应该做些什么

rdi = &x[0] + 80000;
rsi = &y[0] + 80000;
rax = -80000

然后循环可以像这样完成

movapd  (%rdi,%rax), %xmm0       ; temp = x[i]
addpd (%rsi,%rax), %xmm0         ; temp += y[i]
movapd  %xmm0, (%rdi,%rax)       ; x[i] = temp
addq  $16, %rax                  ; i += 2
jnz .L3                          ; then loop

现在循环从-80000最多计数0并且不需要cmp指令,add并且jnz将被融合到一个微操作中.