使用较新的 CPU 指令支持构建向后兼容的二进制文件

Question

如果可用（在运行时测试），实现使用特定 CPU 指令的同一功能的多个版本的最佳方法是什么，或者如果没有，则回退到较慢的实现？

例如，x86 BMI2 提供了非常有用的PDEP指令。我将如何编写 C 代码，以便它在启动时测试正在执行的 CPU 的 BMI2 可用性，并使用两种实现之一——一种使用_pdep_u64调用（可用-mbmi2），另一种使用 C 进行“手动”位操作代码。是否有对此类情况的内置支持？在提供对较新的内在函数的访问的同时，如何让 GCC 为较旧的 arch 编译？我怀疑如果通过全局函数指针而不是每次都使用 if/else 调用函数，执行速度会更快吗？

Answer 1

您可以声明一个函数指针，并在程序启动时通过调用cpuid确定当前架构将其指向正确的版本

但是最好利用许多现代编译器的支持。Intel的ICC早就有自动功能调度，可以为每个架构选择优化的版本。我不知道细节，但看起来它只适用于英特尔的库。此外它只发送到 Intel CPU 上的高效版本，因此对其他制造商不公平。Agner 的 CPU 博客中有许多补丁和解决方法

后来在GCC 4.8中引入了一个名为Function Multiversioning的特性。它添加了您将在函数的每个版本上声明的属性target

__attribute__ ((target ("sse4.2")))
int foo() { return 1; }

__attribute__ ((target ("arch=atom")))
int foo() { return 2; }

int main() {
    int (*p)() = &foo;
    return foo() + p();
}

这会复制大量代码并且很麻烦，因此 GCC 6 添加了target_clones它告诉 GCC 将一个函数编译为多个克隆。例如__attribute__((target_clones("avx2","arch=atom","default"))) void foo() {}将创建 3 个不同的foo版本。关于它们的更多信息可以在GCC 的关于函数属性的文档中找到

该语法随后被Clang和ICC采纳。性能甚至可以比全局函数指针更好，因为函数符号可以在进程加载时而不是运行时解析。这是英特尔的 Clear Linux运行速度如此之快的原因之一。ICC 还可以在自动矢量化期间创建单个循环的多个版本

• GCC 6 中的函数多版本控制
• 功能多版本
• GCC 中函数多版本的 - 令人惊讶的有限 - 有用性
• 为多个 SIMD 架构生成代码

这是多版本控制（第二部分）中的一个例子，以及它的关于 popcnt 的演示，但你明白了

__attribute__((target_clones("popcnt","default")))
int runPopcount64_builtin_multiarch_loop(const uint8_t* bitfield, int64_t size, int repeat) {
    int res = 0;
    const uint64_t* data = (const uint64_t*)bitfield;

    for (int r=0; r<repeat; r++)
    for (int i=0; i<size/8; i++) {
        res += popcount64_builtin_multiarch_loop(data[i]);
    }

    return res;
}

请注意，PDEP并PEXT是目前AMD CPU的速度很慢，使他们只能在英特尔启用