为什么棕褐色在环境中比孤立时慢？

Question

运行附加的示例程序时，该函数tan在上下文中的速度似乎是孤立时的两倍。这是我机器上的输出：

justtan(): ~16.062430 ns/iter
notan():   ~30.852820 ns/iter
withtan(): ~60.703100 ns/iter
empty():   ~0.355270 ns/iter

鉴于它是和的组合，我预计withtan()约为 45ns 或更低。justtannotan

我正在使用 Intel i7-4980HQ CPU 运行 macOS 11.5.2。我的cc --version是Apple clang version 13.0.0 (clang-1300.0.29.3)。我已经检查过，以确保除了对 的调用之外，withtan和 的notan反汇编是相同的tan，并且 clang 使用 VEX 指令对循环进行自动矢量化。我还通过调试器检查了运行时调用的版本tan是否也利用 VEX 指令来避免 SSE-AVX2 转换损失。

我在Linux VM中编译并运行了该程序，并得到了类似的结果（在调试器中，tan也使用AVX/VEX）。此外，我通过cachegrind运行它，发现任何函数基本上都没有L1缓存未命中（0.00％），但是当通过cachegrind运行时，所有时间都正确地加起来。

这就是我运行可执行文件的方式：

cc -Wall -O3 -mavx2 -o main main.c && ./main

这是main.c：

justtan(): ~16.062430 ns/iter
notan():   ~30.852820 ns/iter
withtan(): ~60.703100 ns/iter
empty():   ~0.355270 ns/iter

为什么tan在上下文中比在孤立时慢？

Answer 1

顺便说一句，同样的行为也出现在 Macbook M1 上，数字分别是 4 vs 14 vs 28 vs 0.3。

使用 withtan =tan(black_box(96)) + a + b + c + d为 20 ns/iter，这对我来说暗示tan(a+b+c+d)创建 OoO 单元无法打破的依赖关系，其中计算所有 sum_a、sum_b、sum_c、sum_d、tan(96) 都是独立任务，可以无序运行。

问题之一还必须是tan足够长，以便 OoO 单元无法窥视下一个独立迭代。