为什么是`mov %eax, %eax; nop` 比 `nop` 快吗？

Question

显然，现代处理器可以判断您是否做了一些愚蠢的事情，例如将寄存器移动到自身 ( mov %eax, %eax) 并对其进行优化。为了验证该声明，我运行了以下程序：

#include <stdio.h>
#include <time.h>

static inline void f1() {
   for (int i = 0; i < 100000000; i++)
      __asm__(
            "mov %eax, %eax;"
            "nop;"
            );
}

static inline void f2() {
   for (int i = 0; i < 100000000; i++)
      __asm__(
            "nop;"
            );
}

static inline void f3() {
   for (int i = 0; i < 100000000; i++)
      __asm__(
            "mov %ebx, %eax;"
            "nop;"
            );
}

int main() {
   int NRUNS = 10;
   clock_t t, t1, t2, t3;

   t1 = t2 = t3 = 0;
   for (int run = 0; run < NRUNS; run++) {
      t = clock(); f1(); t1 += clock()-t;
      t = clock(); f2(); t2 += clock()-t;
      t = clock(); f3(); t3 += clock()-t;
   }

   printf("f1() took %f cycles on avg\n", (float) t1/ (float) NRUNS);
   printf("f2() took %f cycles on avg\n", (float) t2/ (float) NRUNS);
   printf("f3() took %f cycles on avg\n", (float) t3/ (float) NRUNS);

   return 0;
}

这给了我：

f1() took 175587.093750 cycles on avg
f2() took 188313.906250 cycles on avg
f3() took 194654.296875 cycles on avg

正如人们所料，f3()出来的速度最慢。但令人惊讶的是（至少对我而言），f1()它比f2(). 这是为什么？

更新：编译-falign-loops给出了相同的结果：

f1() took 164271.000000 cycles on avg
f2() took 173783.296875 cycles on avg
f3() took 177765.203125 cycles on avg

Answer 1

链接文章中让我认为可以优化的部分是：“移动功能负责检查等效位置”

那是在谈论SBCL中的(move r x) 函数 ，而不是x86mov 指令。它谈论的是从低级中间语言生成代码期间的优化，而不是硬件运行时的优化。

两者mov %eax, %eax都不nop是完全免费的。它们都会消耗前端吞吐量，并且mov %eax,%eax甚至不是 64 位模式下的 NOP（它将 EAX 零扩展为 RAX，并且因为它是相同的寄存器，所以在 Intel CPU 上 mov-elimination 会失败。）

请参阅x86 的 MOV 真的可以“免费”吗？为什么我根本无法重现这个？有关前端/后端吞吐量瓶颈与延迟的更多信息。

您可能会看到代码对齐的一些副作用，或者可能会看到时髦的 Sandybridge 系列存储转发延迟效果，例如在没有优化的情况下编译时添加冗余分配会加速代码，因为您也在禁用优化的情况下进行编译，从而使编译器制作反优化代码以实现一致的调试，将循环计数器保留在内存中。（通过存储/重载实现约 6 个循环循环携带的依赖链，而不是正常小循环每个时钟 1 次迭代。）

如果您的结果可以通过更大的迭代次数重现，则可能对您所看到的内容有一些微架构解释，但它可能与您尝试测量的任何内容无关。

当然，您还需要修复mov %ebx, %eax;错误才能在f3启用优化的情况下成功编译。在不告诉编译器的情况下破坏 EAX 将执行编译器生成的代码。你没有解释你想用它来测试什么，所以我不知道这是不是一个错字。