我正在编译此C代码:
int mode; // use aa if true, else bb
int aa[2];
int bb[2];
inline int auto0() { return mode ? aa[0] : bb[0]; }
inline int auto1() { return mode ? aa[1] : bb[1]; }
int slow() { return auto1() - auto0(); }
int fast() { return mode ? aa[1] - aa[0] : bb[1] - bb[0]; }
slow()
和fast()
函数都旨在执行相同的操作,尽管fast()
使用一个分支语句而不是两个分支语句来完成。我想检查一下海湾合作委员会是否会将这两个分支合而为一。我已经在GCC 4.4和4.7中进行了尝试,并进行了各种级别的优化,例如-O2,-O3,-Os和-Ofast。它总是给出相同的奇怪结果:slow():
movl mode(%rip), %ecx
testl %ecx, %ecx
je .L10
movl aa+4(%rip), %eax
movl aa(%rip), %edx
subl %edx, %eax
ret
.L10:
movl bb+4(%rip), %eax
movl bb(%rip), %edx
subl %edx, %eax
ret
快速():
movl mode(%rip), %esi
testl %esi, %esi
jne .L18
movl bb+4(%rip), %eax
subl bb(%rip), %eax
ret
.L18:
movl aa+4(%rip), %eax
subl aa(%rip), %eax
ret
实际上,每个函数中仅生成一个分支。但是,
slow()
似乎以令人惊讶的方式劣于:aa[0]
和bb[0]
在每个分支中使用一个额外的负载。 fast()
代码直接从subl
中的内存中使用它们,而无需先将它们加载到寄存器中。因此,slow()
每个调用使用一个额外的寄存器和一个额外的指令。一个简单的微基准测试表明,十亿次调用
fast()
花费0.7秒,而slow()
则花费1.1秒。我正在使用2.9 GHz的Xeon E5-2690。为什么会这样呢?您能否以某种方式调整我的源代码,以便GCC可以做得更好?
编辑:这是在Mac OS上使用clang 4.2的结果:
slow():
movq _aa@GOTPCREL(%rip), %rax ; rax = aa (both ints at once)
movq _bb@GOTPCREL(%rip), %rcx ; rcx = bb
movq _mode@GOTPCREL(%rip), %rdx ; rdx = mode
cmpl $0, (%rdx) ; mode == 0 ?
leaq 4(%rcx), %rdx ; rdx = bb[1]
cmovneq %rax, %rcx ; if (mode != 0) rcx = aa
leaq 4(%rax), %rax ; rax = aa[1]
cmoveq %rdx, %rax ; if (mode == 0) rax = bb
movl (%rax), %eax ; eax = xx[1]
subl (%rcx), %eax ; eax -= xx[0]
快速():
movq _mode@GOTPCREL(%rip), %rax ; rax = mode
cmpl $0, (%rax) ; mode == 0 ?
je LBB1_2 ; if (mode != 0) {
movq _aa@GOTPCREL(%rip), %rcx ; rcx = aa
jmp LBB1_3 ; } else {
LBB1_2: ; // (mode == 0)
movq _bb@GOTPCREL(%rip), %rcx ; rcx = bb
LBB1_3: ; }
movl 4(%rcx), %eax ; eax = xx[1]
subl (%rcx), %eax ; eax -= xx[0]
有趣的是:clang为
slow()
生成无分支条件,但为fast()
生成一个分支!另一方面,slow()
会执行三个负载(其中两个是推测性的,一个是不必要的),而fast()
则执行两个。 fast()
实现更“明显”,与GCC一样,它更短并且使用更少的寄存器。Mac OS上的GCC 4.7通常遇到与Linux上相同的问题。但是,它使用与Mac OS上的Clang相同的“加载8个字节,然后两次提取4个字节”的模式。这有点有趣,但并不十分相关,因为在GCC的两个平台上,发出带有两个寄存器而不是一个内存和一个寄存器的
subl
的原始问题是相同的。 最佳答案
原因是在为slow()
发出的初始中间代码中,内存负载和减法位于不同的基本块中:
slow ()
{
int D.1405;
int mode.3;
int D.1402;
int D.1379;
# BLOCK 2 freq:10000
mode.3_5 = mode;
if (mode.3_5 != 0)
goto <bb 3>;
else
goto <bb 4>;
# BLOCK 3 freq:5000
D.1402_6 = aa[1];
D.1405_10 = aa[0];
goto <bb 5>;
# BLOCK 4 freq:5000
D.1402_7 = bb[1];
D.1405_11 = bb[0];
# BLOCK 5 freq:10000
D.1379_3 = D.1402_17 - D.1405_12;
return D.1379_3;
}
而在
fast()
中,它们在同一基本块中:fast ()
{
int D.1377;
int D.1376;
int D.1374;
int D.1373;
int mode.1;
int D.1368;
# BLOCK 2 freq:10000
mode.1_2 = mode;
if (mode.1_2 != 0)
goto <bb 3>;
else
goto <bb 4>;
# BLOCK 3 freq:3900
D.1373_3 = aa[1];
D.1374_4 = aa[0];
D.1368_5 = D.1373_3 - D.1374_4;
goto <bb 5>;
# BLOCK 4 freq:6100
D.1376_6 = bb[1];
D.1377_7 = bb[0];
D.1368_8 = D.1376_6 - D.1377_7;
# BLOCK 5 freq:10000
return D.1368_1;
}
GCC依靠指令组合过程来处理这样的情况(即显然不是在窥视孔优化过程中),并且组合工作是在基本块的范围内进行的。这就是为什么减法和载荷在
fast()
中合并在一个insn中,甚至不考虑在slow()
中合并它们。后来,在基本块重新排序过程中,
slow()
中的减法被复制并移动到包含负载的基本块中。现在,组合器有机会很好地组合负载和减法,但是不幸的是,组合器遍历没有再次运行(也许在编译过程中,如果已经分配了硬寄存器并填满了填充,那么就无法运行到那时)。关于c - GCC优化错失良机,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/18951520/