为什么这个内联汇编中的ror op无法正常工作？

Question

我编写了一个程序来处理以big-endian格式写入磁盘的一些数据,因此程序需要交换字节才能执行其他操作.在分析代码后,我发现我的字节交换功能占用了30%的执行时间.所以我想,我怎么能加快速度呢？所以我决定写一小块内联汇编.

我想取代这个:

void swapTwoByte(char* array, int numChunks)
{
    for(int i= (2*numChunks-1); i>=0; i-=2)
    {
        char temp=array[i];
        array[i]=array[i-1];
        array[i-1]=temp;
    }
}

有了这个:

void swapTwoByte(int16* array, int numChunks)
{
    for(int i= (numChunks-1); i>=0; --i)
    {
        asm("movw %1, %%ax;"
            "rorw %%ax;"
            "rorw %%ax;"
            "rorw %%ax;"
            "rorw %%ax;"
            "rorw %%ax;"
            "rorw %%ax;"
            "rorw %%ax;"
            "rorw %%ax;"
            "movw %%ax, %0;"
            : "=r" ( array[i] )
            : "r" (array[i])
            :"%ax"
        );
    }
}

这是预期的工作,但这是很多旋转操作.

所以这是我的问题:根据这个来源, rorw可以采用两个操作数,而在gas sytax中,源操作数应该是要旋转的位数,但每次我尝试用类似的东西替换8个旋转权限的列表

".set rotate, 0x0008"
"rorw rotate, %%ax"

我收到一个汇编错误说明:

"Error: number of operands mismatch for `ror'"

为什么是这样？我错过了什么？

Answer 1

首先,使用

#include <arpa/inet.h>
little_endian = ntohs(big_endian);

这将在您正在使用的任何系统上编译成最佳代码,如果您碰巧将代码移植到big-endian平台,它甚至可以工作.

但是,这不会解决您的性能问题,因为我认为您错误地识别了该问题.Nemo的第一个微优化规则:"数学很快;记忆很慢".

迭代一大块内存并交换其字节对缓存不友好.字节交换是一个周期; 内存读取或写入是数百个周期,除非它在缓存中命中.

因此,在使用它们之前不要交换字节.我个人最喜欢的方法是:

class be_uint16_t {
public:
        be_uint16_t() : be_val_(0) {
        }
        be_uint16_t(const uint16_t &val) : be_val_(htons(val)) {
        }
        operator uint16_t() const {
                return ntohs(be_val_);
        }
private:
        uint16_t be_val_;
} __attribute__((packed));

这定义了一个双字节类,表示内存中的大端数字.它根据需要隐式地转换为uint16_t.因此,将内存指针转换为a be_uint16 *,只需像数组一样访问它; 忘记字节交换,因为类会为你做:

const be_uint16_t *p = (be_uint16 *)my_block;
unsigned val = p[37];  // or whatever

请注意,您甚至可以执行以下操作:

be_uint16_t x = 12;
x = x + 1;
write(fd, &x, sizeof(x)); // writes 13 to file in big-endian form

根据我的经验,在使用之前立即交换值的开销是不可检测的.地方是游戏的名称......

Answer 2

考虑重新组织一下C++代码.正如所写,g ++ 4.5.2为我编译了一个无聊的紧密循环,有四个8位movs和两个指针递减.

.L3:
    movzbl  (%rdi), %eax
    movzbl  -1(%rdi), %edx
    movb    %al, -1(%rdi)
    movb    %dl, (%rdi)
    subq    $2, %rdi
    subl    $2, %esi
    jns .L3

把它重写为

void swapTwoByte(char* array, int numChunks)
{
    for(int i = 0; i<numChunks*2; i+=2)
        std::swap(array[i], array[i+1]);
}

让编译器实现您正在做的事情并打开完整的SIMD电源,核心循环现在一次处理32个字节:

.L4:
    movdqu  (%rdx), %xmm1
    movdqu  (%rax), %xmm2
    movdqa  %xmm1, %xmm0
    movdqa  %xmm2, %xmm3
    pshufb  %xmm7, %xmm0
    pshufb  %xmm4, %xmm2
    pshufb  %xmm6, %xmm3
    pshufb  %xmm5, %xmm1
    por %xmm3, %xmm0
    por %xmm2, %xmm1
    incl    %ecx
    movdqa  %xmm1, %xmm2
    punpckhbw   %xmm0, %xmm1
    punpcklbw   %xmm0, %xmm2
    movdqu  %xmm2, (%rdx)
    movdqu  %xmm1, (%rax)
    addq    $32, %rdx
    addq    $32, %rax
    cmpl    %ecx, %r8d
    ja  .L4

a rorw不会打败那个.