x86乘法3：3：IMUL vs SHL + ADD

Question

我在x86-64汇编中开发了一个程序，该程序需要通过相同的操作进行多次迭代：

IMUL rdx, 3   # rdx is always different

但是，我需要使运行时更快，因此我从上面想到了对该特定行的优化：

MOV rcx, rdx
SHL rdx, 1
ADD rdx, rcx

现在我问你们：这种修改会改善程序的运行时间（减少时钟），还是我应该坚持使用该IMUL命令？

Answer 1

与之相比lea rdx, [rdx + rdx*2]，两者都比较糟糕，使用比例索引寻址模式获取总计*3，这就是为什么如果您要求编译器编译类似

long foo(long x){ return x * 3; } （https://godbolt.org/z/6p4ynV）

LEA是一种通过x86寻址模式提供任意数字的方法，无需将结果用于装载或存储，只需将其放入寄存器即可。 在不是地址/指针的值上使用LEA吗？

在所有现代x86 CPU上，LEA都是单个uop。 唯一的问题是，它比替代方案要好多少。 imul也是1 uop，但前端的mov + shl + add是3。（在所有仍然相关的主流和低功耗英特尔/ AMD上都是如此。请参阅https://agner.org/optimize/）64位imul在某些较旧的微体系结构（例如Bulldozer系列和Silvermont / Goldmont）上特别慢，或尤其是较旧的Atom。

在AMD CPU（Bulldozer / Ryzen）上，它具有缩放的索引，因此它是“复杂”的LEA，并且具有2个周期的延迟（imulRyzen上为3 ，而在Bulldozer系列上则更糟，后者的64位imul速度较慢且不够完整）管道）。在Ryzen上，此LEA仍具有每时钟2个吞吐量。

在Intel CPU上，它只有2个组件（一个+），因此它是一个“简单的” LEA，具有1个周期的延迟，并且可以2个时钟的吞吐量运行。 因此，与一条shl指令的成本大致相同，但运行在不同的端口上。

（或者在Ice Lake上，因为它们将LEA单元添加到其他2个整数ALU端口中，所以每4个小时一次。因此，它的价格与addIce Lake上的价格完全一样。）

你只想mov; shl; sub或add当您的乘数为2 ^ n +-1时n > 3。然后值得考虑imul在延迟和前端吞吐量成本之间进行权衡。

通过移动原始寄存器，即使没有mov消除的CPU （在IvyBridge和Ryzen之前）也可以以2个周期的延迟关键路径长度运行mov / shl / add序列。

还相关：用于测试Collat​​z猜想的C ++代码比手写汇编要快-为什么？详细介绍了*3LEA与优化之间的问题。

其他相关：

• 常数相乘-imul或shl-add-combination

• x86_64：IMUL比2x SHL + 2x ADD快吗？