我怎样才能让clang向量化一个简单的循环？

Question

我有以下循环：

float* s;
float* ap;
float* bp;

... // initialize s, ap, bp

for(size_t i=0;i<64;++i) {
   s[i] = ap[i]+bp[i];
}

似乎是矢量化的良好候选者。尽管我打开了优化功能，但是当我查看程序集输出时，clang（我正在使用Xcode）似乎没有向量化循环：

LBB33_1:                                ## =>This Inner Loop Header: Depth=1
    movss   (%rax,%rsi,4), %xmm0    ## xmm0 = mem[0],zero,zero,zero
    addss   (%rcx,%rsi,4), %xmm0
    movss   %xmm0, (%rdx,%rsi,4)
Ltmp353:
    incq    %rsi
Ltmp354:
    cmpq    $64, %rsi
Ltmp355:
    jne LBB33_1

如何获得clang / Xcode来向量化此简单循环？

Answer 1

使用非古代版本的clang / LLVM。Apple clang / LLVM与主线clang / LLVM不同，但是它们共享一个通用的代码库。

主线clang3.3及更高版本会自动对循环进行矢量化-O3。 Clang3.4及更高版本甚至在处也会对其自动矢量化-O2。

没有restrict，clang 会发出asm来检查目标和两个源之间的重叠（带有标量的后备），因此您将从中获得更有效的asm float *restrict s。

#include <stdlib.h>
void add_float_good(float *restrict s, float *restrict ap, float *restrict bp)
{
    for(size_t i=0;i<64;++i) {
       s[i] = ap[i]+bp[i];
    }
}

编译与clang3.4 -O3（在Godbolt编译器浏览器）与最差的索引寻址模式和循环开销的这个简单的ASM，但至少它量化。较新的clang喜欢展开，尤其是在针对最近的Intel进行调整时（例如-march=skylake）

# clang3.4 -O3
add_float_good:
        xor     eax, eax
.LBB0_1:                                # %vector.body
        movups  xmm0, xmmword ptr [rsi + 4*rax]
        movups  xmm1, xmmword ptr [rdx + 4*rax]
        addps   xmm1, xmm0
        movups  xmmword ptr [rdi + 4*rax], xmm1
        add     rax, 4
        cmp     rax, 64
        jne     .LBB0_1
        ret

请注意，没有AVX，就不能使用内存源操作数，addps因为没有编译时对齐保证。

clang8.0 -O3 -march = skylake使用YMM向量完全展开，例如具有相同选项的gcc。