Question

我正在对一些SSE代码进行基准测试（将4个浮点数乘以4个浮点数）与传统的C代码做同样的事情。我认为我的基准代码在某种程度上必须是错误的，因为它似乎说非SSE代码比SSE快2-3倍。

有人可以告诉我下面的基准测试代码有什么问题吗？并且可能建议另一种方法准确地显示SSE和非SSE代码的速度。

#include <time.h>
#include <string.h>
#include <stdio.h>

#define ITERATIONS 100000

#define MULT_FLOAT4(X, Y) ({ \
asm volatile ( \
    "movaps (%0), %%xmm0\n\t" \
    "mulps (%1), %%xmm0\n\t" \
    "movaps %%xmm0, (%1)" \
    :: "r" (X), "r" (Y)); })

int main(void)
{
    int i, j;
    float a[4] __attribute__((aligned(16))) = { 10, 20, 30, 40 };
    time_t timer, sse_time, std_time;

    timer = time(NULL);
    for(j = 0; j < 5000; ++j)
        for(i = 0; i < ITERATIONS; ++i) {
            float b[4] __attribute__((aligned(16))) = { 0.1, 0.1, 0.1, 0.1 };

            MULT_FLOAT4(a, b);

        }
    sse_time = time(NULL) - timer;

    timer = time(NULL);
    for(j = 0; j < 5000; ++j)
        for(i = 0; i < ITERATIONS; ++i) {
            float b[4] __attribute__((aligned(16))) = { 0.1, 0.1, 0.1, 0.1 };

            b[0] *= a[0];
            b[1] *= a[1];
            b[2] *= a[2];
            b[3] *= a[3];

    }
    std_time = time(NULL) - timer;

    printf("sse_time %d\nstd_time %d\n", sse_time, std_time);

    return 0;
}

Answer 1

当你启用优化时，非SSE代码被完全消除，而SSE代码仍然存在，所以这种情况是微不足道的。更有趣的部分是关闭优化时：在这种情况下，SSE代码仍然较慢，而循环的代码是相同的。

最里面循环体的非SSE代码：

movl    $0x3dcccccd, %eax
movl    %eax, -80(%rbp)
movl    $0x3dcccccd, %eax
movl    %eax, -76(%rbp)
movl    $0x3dcccccd, %eax
movl    %eax, -72(%rbp)
movl    $0x3dcccccd, %eax
movl    %eax, -68(%rbp)
movss   -80(%rbp), %xmm1
movss   -48(%rbp), %xmm0
mulss   %xmm1, %xmm0
movss   %xmm0, -80(%rbp)
movss   -76(%rbp), %xmm1
movss   -44(%rbp), %xmm0
mulss   %xmm1, %xmm0
movss   %xmm0, -76(%rbp)
movss   -72(%rbp), %xmm1
movss   -40(%rbp), %xmm0
mulss   %xmm1, %xmm0
movss   %xmm0, -72(%rbp)
movss   -68(%rbp), %xmm1
movss   -36(%rbp), %xmm0
mulss   %xmm1, %xmm0
movss   %xmm0, -68(%rbp)

最里面循环体的SSE代码：

movl    $0x3dcccccd, %eax
movl    %eax, -64(%rbp)
movl    $0x3dcccccd, %eax
movl    %eax, -60(%rbp)
movl    $0x3dcccccd, %eax
movl    %eax, -56(%rbp)
movl    $0x3dcccccd, %eax
movl    %eax, -52(%rbp)
leaq    -48(%rbp), %rax
leaq    -64(%rbp), %rdx
movaps (%rax), %xmm0
mulps (%rdx), %xmm0
movaps %xmm0, (%rdx)

我不确定这一点，但这是我的猜测：

正如您所看到的，编译器只将4个浮动值存储为4个32位存储。然后通过16字节加载读回。这会导致存储转发停顿，这在发生时很昂贵。您可以在英特尔手册中查找。它不会出现在标量版本中，这会使性能产生差异。

为了加快速度，您需要确保不会发生这种失速。如果您使用4个浮点数的常量数组，请将其设为const并将结果存储在另一个对齐的数组中。这样编译器希望在加载之前不会产生那些不必要的4字节mov。或者，如果需要填充结果数组，请使用16字节存储命令。如果您无法避免这些4字节的mov，则需要在存储之后但在加载之前执行其他操作（例如计算其他内容）。

对SSE指令进行基准测试

1 个答案: