Question

我正在编译这个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()函数都是为了做同样的事情，尽管fast()使用一个分支语句而不是两个。我想检查GCC是否会将两个分支机构合并为一个分支机构。我已经尝试了GCC 4.4和4.7，具有各种级别的优化，如-O2，-O3，-Os和-Ofast。它总是会产生同样奇怪的结果：

慢（）：

        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（）：

        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，每个函数中只生成一个分支。但是，slow()似乎以令人惊讶的方式低劣：它在每个分支中使用一个额外的负载，aa[0]和bb[0]。 fast()代码直接在subl的内存中使用它们，而不首先将它们加载到寄存器中。所以slow()每次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，调用fast()十亿次需要0.7秒，而slow()需要1.1秒。我在2.9 GHz使用Xeon E5-2690。

为什么会这样？你能以某种方式调整我的源代码，以便GCC做得更好吗？

编辑：以下是Mac OS上clang 4.2的结果：

慢（）：

        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（）：

        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：clang为slow()生成无分支条件，但为fast()生成一个分支！另一方面，slow()执行三次加载（其中两次是推测性的，一次是不必要的），而fast()则为两次。 fast()实现更加“明显”，与GCC一样，它更短，使用的寄存器更少。

Mac OS上的GCC 4.7通常会遇到与Linux相同的问题。然而它在Mac OS上使用相同的“加载8字节然后两次提取4字节”模式作为Clang。这有点令人感兴趣，但不是很相关，因为在GCC的任何一个平台上，使用两个寄存器而不是一个存储器和一个寄存器发出subl的原始问题是相同的。

Answer 1

原因是在为slow()发出的初始中间代码中，内存加载和减法是在不同的基本块中：

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，它们处于相同的基本块中：

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依靠指令组合传递来处理这样的情况（即显然不是在窥视孔优化传递上）并且组合工作在基本块的范围上。这就是为什么减法和加载在fast()中的单个insn中合并的原因，甚至不考虑在slow()中进行合并。

稍后，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载荷的基本块中。现在组合器有机会将加载和减法结合起来，但遗憾的是，组合器传递不会再次运行（也许在编译过程中可能无法运行，并且已经分配了硬件寄存器和内容）。

Answer 2

我没有回答为什么GCC无法按照您希望的方式优化代码，但我有办法重新组织代码以实现类似的性能。我建议您定义一个基于slow()或fast()的内联函数，而不是按照aa或bb中的方式组织代码。 {1}}无需分支：

mode

由GCC 4.7与inline int * xx () { static int *xx[] = { bb, aa }; return xx[!!mode]; } inline int kwiky(int *xx) { return xx[1] - xx[0]; } int kwik() { return kwiky(xx()); }编译：

-O3

根据movl mode, %edx xorl %eax, %eax testl %edx, %edx setne %al movl xx.1369(,%eax,4), %edx movl 4(%edx), %eax subl (%edx), %eax ret的定义，您可以像这样重新定义xx()和auto0()：

auto1()

然后，您应该看到inline int auto0() { return xx()[0]; } inline int auto1() { return xx()[1]; }现在编译成与slow()类似或相同的代码。

Answer 3

您是否尝试修改内部编译器参数（ - 参数名称=手册页中的值）。这些不会随着任何优化级别而改变（有三个小的例外）。

其中一些控制代码减少/重复数据删除。

对于本节中的一些优化，您可以阅读“较大的值可以指数地增加编译时间”等内容。

GCC优化错失了机会

3 个答案: