标签: compiler-optimization

我正在为 AVR 平台开发一个定时循环，在其中对 ISR 内的单个字节进行倒计时。由于此任务是我的程序的主要功能，因此我想永久保留一个处理器寄存器，以便 ISR 在其通常的代码路径递减、与零比较和 时不必遇到内存障碍reti。

avr-libc 文档展示了如何将变量绑定到寄存器，我的工作没有出现问题。然而，由于这个变量是在主程序（用于启动计时器倒计时）和 ISR（用于实际计数和发出完成信号）之间共享的，因此还应该确保volatile编译器在优化它时不会做任何太聪明的事情。

在这种情况下（在整个整体构建中保留寄存器），这种组合volatile register在语义上对我来说是有意义的，因为“将此变量永久存储在 register 中rX，但不要优化检查，因为寄存器可能会在外部修改”。然而，GCC 不喜欢这样，并发出警告，表示它可能会继续优化变量访问。

GCC 中这种组合的错误历史表明编译器团队根本不愿意考虑我所描述的场景类型，并且认为提供它是没有意义的。我是否遗漏了该volatile register方法本身是一个坏主意的一些根本原因，或者这是一种具有语义意义但编译器团队对处理不感兴趣的情况？

我在 C 中有一个这样的函数（在伪代码中，删除不重要的部分）：

int func(int s, int x, int *a, int *r) {
    int i;

    // do some stuff

    for (i = 0; i < a_really_big_int; ++i) {
        if (s)
            r[i] = x ^ i;
        else
            r[i] = x ^ a[i];
        // and maybe a couple other ways of computing r
        // that are equally fast individually
    }

    // do some other stuff

}

这段代码被调用得太多，以至于这个循环实际上是代码中的速度瓶颈。我想知道几件事：

1. 由于 switchs是函数中的常量，好的编译器会优化循环，以便分支不会一直减慢速度吗？

2. 如果没有，优化这段代码的好方法是什么？

====

编辑：这是一个包含更完整示例的更新：

int func(int s,
         int start, int stop, …

这本书说如下：

对于 Knights Landing，当数据起始地址位于 64 字节边界时，内存移动是最佳的。

Q1. 有没有办法在 C++ 代码中动态查询处理器，以了解n当前运行应用程序的处理器的最佳字节边界是什么？这样，代码就可以移植了。

书中进一步指出：

作为程序员，我们最终有两项工作：（1）对齐我们的数据；（2）确保编译器知道它是对齐的。

（假设对于下面的问题，我们知道处理器的最佳数据是从 64 字节边界开始。）

这个“数据”到底是什么？

假设我有一堂课：

class Class1_{
    private: 
    int a;//4 bytes
    double b;//8 bytes
    std::vector<int> potentially_longish_vector_int;
    std::vector<double> potentially_longish_vector_double;
    double * potentially_longish_heap_array_double;
    public:
    //--stuff---//
    double * return_heap_array_address() {return potentially_longish_heap_array_double;}
}

假设我还有原型化的函数：

void func1(Class1_& obj_class1);

void func2(double* array);

也就是说，通过引用func1接收一个对象，并调用为Class1_func2func2(obj_class1.return_heap_array_address());

为了与数据应该适当边界对齐的建议保持一致，obj_class1它本身应该是 64 字节边界对齐以实现 的有效运行func1()吗？应该potentially_longish_heap_array_double对齐 64 字节边界才能有效运行吗func2()？

对于作为 STL 容器的类的其他数据成员的对齐，此处的线程建议如何完成所需的对齐。

Q2。那么，对象本身以及其中的所有数据成员是否需要适当对齐？

在尝试学习Coursera 上的课程时，我尝试为我的 CPU 优化示例 C++ 代码Intel i5-8259U，我相信它支持AVX2SIMD 指令集。现在，AVX2每个内核提供 16 个寄存器（称为YMM0, YMM1, ..., YMM15），宽度为 256 位，这意味着每个内核最多可以同时处理 4 个双精度浮点数。利用AVX2SIMD 指令应该可以优化我的代码，使其运行速度比标量指令快 4 倍。

在链接的课程中，您可以尝试在Intel Xeon Phi 7210 (Knights Landing)支持AVX512使用 512 位宽寄存器的处理器上运行相同的数值积分代码。这意味着我们应该期望双精度运算的速度提高 8 倍。实际上，讲师使用的代码获得了高达 14 倍的优化，几乎是 8 的 173%。额外的优化归功于 OpenMP。

为了在我的 CPU 上运行相同的代码，我唯一改变的是传递给英特尔编译器的优化标志：-xMIC-AVX512我使用了 ，而不是-xCORE-AVX2。我获得的加速仅为 2 倍，仅是由于 256 位寄存器上的 SIMD 矢量化而产生的预期加速的 50%。将此 50% 与英特尔至强融核处理器上获得的 173% 进行比较。

为什么我仅仅从 转到 就看到性能的巨大AVX512损失AVX2？当然，除了 …

我尝试了一下constexpr并发现了一些有趣的行为：

• 在某些情况下，constexpr在函数前面添加使GCC能够尝试更努力地优化，从而导致完全优化函数并仅提供计算值。
• 然而，从上下文中调用这样一个完全优化的函数constexpr会导致错误，因为它内部使用了未标记的constexpr（特别是）函数/内部函数（编译器内置memcpy）。
• （当应用到这样的函数时，即使没有上下文， Clang也会直接失败。）constexprconstexpr

为什么会这样？

• 即使在上下文中，编译器（GCC）不应该仍然能够优化吗constexpr？
• C++ 提案P0202（将其纳入 C++20）想要创建类似的函数memcpy constexpr（请参阅原始修订版中的第III.B节），但这被拒绝并更改，因为此类函数的编译器内置版本将实现相同的功能（请参阅最新修订版中的第 III.A节）。
• 那么，GCC和Clang不允许memcpy在constexpr函数/上下文中使用是错误的吗？（注：memcpy和__builtin_memcpy是等效的。）

#include <array>
#include <cstdint>
#include <cstring>

constexpr std::uint32_t extract(const std::uint8_t* data) noexcept
{ …