Question

我正在尝试实现一些内联汇编程序（在Visual Studio 2012 C ++代码中）以利用SSE。我想添加7个数字1e9次，所以我把它们从RAM放到xmm0到xmm6的CPU寄存器中。当我使用此代码在visual studio 2012中进行内联汇编时：

C ++代码：

for(int i=0;i<count;i++)
        resVal+=val1+val2+val3+val4+val5+val6+val7;

我的ASM代码：

int count=1000000000;

    double resVal=0.0;
       //placing values to register
    __asm{  
        movsd xmm0,val1;placing var1 in xmm0 register  
        movsd xmm1,val2  
        movsd xmm2,val3  
        movsd xmm3,val4  
        movsd xmm4,val5  
        movsd xmm5,val6  
        movsd xmm6,val7  
        pxor xmm7,xmm7;//turns xmm7 to zero
         }

    for(int i=0;i<count;i++)
    {
        __asm
        {
            addsd xmm7,xmm0;//+=var1
            addsd xmm7,xmm1;//+=var2
            addsd xmm7,xmm2;
            addsd xmm7,xmm3;
            addsd xmm7,xmm4;
            addsd xmm7,xmm5;
            addsd xmm7,xmm6;//+=var7
        }

    }

    __asm
        {
            movsd resVal,xmm7;//placing xmm7 into resVal
        }

这是来自C ++编译器的代码'resVal + = val1 + val2 + val3 + val4 + val5 + val6 + val7'的代码：

movsd       xmm0,mmword ptr [val1]  
addsd       xmm0,mmword ptr [val2]  
addsd       xmm0,mmword ptr [val3]  
addsd       xmm0,mmword ptr [val4]  
addsd       xmm0,mmword ptr [val5]  
addsd       xmm0,mmword ptr [val6]  
addsd       xmm0,mmword ptr [val7]  
addsd       xmm0,mmword ptr [resVal]  
movsd       mmword ptr [resVal],xmm0

可见，编译器只使用一个xmm0寄存器，有时则从RAM中获取值。

两个代码（我的ASM代码和c ++代码）的答案是相同的，但是 c ++代码需要大约一半的时间来执行我的asm代码！

我对CPU寄存器感到厌烦，使用它们比内存快得多。我不认为这个比例是真的。为什么asm版本的C ++代码性能较低？

Answer 1

一旦数据在缓存中（在第一个循环之后就会出现这种情况，如果它已经存在），那么如果你使用内存或注册就没什么区别。
浮动点添加首先需要比单个周期更长的时间。
resVal的最终存储“解开”xmm0寄存器以允许寄存器自由“重命名”，这允许更多的循环并行运行。

这是一个典型案例，“除非你绝对确定，否则请将代码写入编译器”。

上面的最后一个内容解释了为什么代码比代码更快的原因，其中循环的每一步都取决于先前计算的结果。

在编译器生成的代码中，循环可以相当于：

movsd       xmm0,mmword ptr [val1]  
addsd       xmm0,mmword ptr [val2]  
addsd       xmm0,mmword ptr [val3]  
addsd       xmm0,mmword ptr [val4]  
addsd       xmm0,mmword ptr [val5]  
addsd       xmm0,mmword ptr [val6]  
addsd       xmm0,mmword ptr [val7]  
addsd       xmm0,mmword ptr [resVal]  
movsd       mmword ptr [resVal],xmm0  

movsd       xmm1,mmword ptr [val1]  
addsd       xmm1,mmword ptr [val2]  
addsd       xmm1,mmword ptr [val3]  
addsd       xmm1,mmword ptr [val4]  
addsd       xmm1,mmword ptr [val5]  
addsd       xmm1,mmword ptr [val6]  
addsd       xmm1,mmword ptr [val7]  
addsd       xmm1,mmword ptr [resVal]  
movsd       mmword ptr [resVal],xmm1

现在，正如你所看到的，我们可以“混合”这两个“线程”：

movsd       xmm0,mmword ptr [val1]  
movsd       xmm1,mmword ptr [val1]  
addsd       xmm0,mmword ptr [val2]  
addsd       xmm1,mmword ptr [val2]  
addsd       xmm0,mmword ptr [val3]  
addsd       xmm1,mmword ptr [val3]  
addsd       xmm0,mmword ptr [val4]  
addsd       xmm1,mmword ptr [val4]  
addsd       xmm0,mmword ptr [val5]  
addsd       xmm1,mmword ptr [val5]  
addsd       xmm0,mmword ptr [val6]  
addsd       xmm1,mmword ptr [val6]  
addsd       xmm0,mmword ptr [val7]  
addsd       xmm1,mmword ptr [val7]  
addsd       xmm0,mmword ptr [resVal]  
movsd       mmword ptr [resVal],xmm0  
// Here we have to wait for resval to be uppdated!
addsd       xmm1,mmword ptr [resVal]  
movsd       mmword ptr [resVal],xmm1

我并不是说它的执行顺序太多了，但我当然可以看到循环如何比你的循环更快地执行。如果你有一个备用寄存器，你可以在汇编程序代码中实现相同的功能[在x86_64中你有另外8个寄存器，尽管你不能在x86_64中使用内联汇编程序...]

（注意，寄存器重命名不同于我的“线程”循环，它使用两个不同的寄存器 - 但效果大致相同，循环可以在它到达“resVal”更新后继续，而不必等待结果要更新）

Answer 2

可能对你不使用_asm很有用，但内在函数和像__m128d的__m128i这样的内在类型代表sse寄存器。请参阅immintrin.h，它定义了类型和许多sse函数。你可以在这里找到好的描述和规格：http://software.intel.com/sites/landingpage/IntrinsicsGuide/

使用XMM0寄存器和内存提取（C ++代码）的速度是仅使用XMM寄存器的ASM的两倍 - 为什么？

2 个答案: