优化C代码中的汇编代码冗余

Question

我正在尝试通过研究使用-O3优化在gcc中编译的简单C代码来学习矢量化.更具体地说,编译器的矢量化程度如何.这是一个个人的旅程,能够通过更复杂的计算来验证gcc -O3的性能.我理解传统的观点是编译器比人更好,但我从不认为这种智慧是理所当然的.

然而,在我的第一个简单测试中,我发现一些选择gcc非常奇怪,而且老实说,在优化方面非常疏忽.我愿意假设有一些编译器是有目的的,并且知道一些关于CPU的信息(在这种情况下是Intel i5-2557M),我不知道.但我需要知识渊博的人做一些确认.

我的简单测试代码(段)是:

int i;
float a[100];

for (i=0;i<100;i++) a[i]= (float) i*i;

与for循环对应的结果汇编代码(段)如下:

.L6:                        ; loop starts here
    movdqa  xmm0, xmm1      ; copy packed integers in xmm1 to xmm0
.L3:
    movdqa  xmm1, xmm0      ; wait, what!?  WHY!?  this is redundant.
    cvtdq2ps    xmm0, xmm0  ; convert integers to float
    add rax, 16             ; increment memory pointer for next iteration
    mulps   xmm0, xmm0      ; pack square all integers in xmm0
    paddd   xmm1, xmm2      ; pack increment all integers by 4 
    movaps  XMMWORD PTR [rax-16], xmm0   ; store result 
    cmp rax, rdx            ; test loop termination
    jne .L6                 

我理解所有步骤,并且在计算上,所有步骤都是有道理的.但是,我不明白,gcc选择在迭代循环中加入一个步骤,在xmm0加载xmm1之后立即加载xmm1和xmm0.即

 .L6
        movdqa  xmm0, xmm1      ; loop starts here
 .L3
        movdqa  xmm1, xmm0      ; grrr! 

仅这一点让我质疑优化器的完整性.显然,额外的MOVDQA不会干扰数据,但从面值来看,它似乎在gcc方面显得过于疏忽.

在汇编代码(未示出)的早期,xmm0和xmm2被初始化为对于矢量化有意义的某个值,因此很明显,在循环开始时,代码必须跳过第一个MOVDQA.但是为什么gcc不会简单地重新排列,如下所示.

.L3
        movdqa  xmm1, xmm0     ; initialize xmm1 PRIOR to loop
.L6
        movdqa  xmm0, xmm1     ; loop starts here 

或者甚至更好,只需初始化xmm1而不是xmm0并完全转储MOVDQA xmm1,xmm0步骤!

我愿意相信,CPU是足够聪明跳过多余的步骤或类似的东西,但我怎么能相信GCC全面优化复杂的代码,如果它甚至能得到这个简单的代码吧？或者有人能提供一个合理的解释,让我相信gcc -O3是好东西吗？

Answer 1

我不是 100% 确定，但看起来你的循环xmm0通过将其转换为 而被破坏float，因此你需要将整数值放入xmm1，然后复制到另一个寄存器（在本例中为xmm0）。

虽然众所周知编译器有时会发出不必要的指令，但我无法真正看出在这种情况下是如何发生的。

如果您希望xmm0(或xmm1) 保持整数，则不要float对 的第一个值进行强制转换i。也许您想做的是：

 for (i=0;i<100;i++) 
    a[i]= (float)(i*i);

但另一方面，gcc 4.9.2 似乎并没有这样做：

g++ -S -O3 floop.cpp

.L2:
    cvtdq2ps    %xmm1, %xmm0
    mulps   %xmm0, %xmm0
    addq    $16, %rax
    paddd   %xmm2, %xmm1
    movaps  %xmm0, -16(%rax)
    cmpq    %rbp, %rax
    jne .L2

clang 也没有（大约 3 周前的 3.7.0）

 clang++ -S -O3 floop.cpp


    movdqa  .LCPI0_0(%rip), %xmm0   # xmm0 = [0,1,2,3]
    xorl    %eax, %eax
    .align  16, 0x90
.LBB0_1:                                # %vector.body
                                        # =>This Inner Loop Header: Depth=1
    movd    %eax, %xmm1
    pshufd  $0, %xmm1, %xmm1        # xmm1 = xmm1[0,0,0,0]
    paddd   %xmm0, %xmm1
    cvtdq2ps    %xmm1, %xmm1
    mulps   %xmm1, %xmm1
    movaps  %xmm1, (%rsp,%rax,4)
    addq    $4, %rax
    cmpq    $100, %rax
    jne .LBB0_1

我编译的代码：

extern int printf(const char *, ...);

int main()
{
    int i;
    float a[100];

    for (i=0;i<100;i++)
        a[i]= (float) i*i;

    for (i=0; i < 100; i++)
        printf("%f\n", a[i]);
}

（我添加了 printf 以避免编译器删除所有代码）