Question

众所周知，英特尔酷睿2双核处理器有3个SSE单元。这3个单元允许3个SSE指令并行运行（1），例如：

rA0 = mullps(rB0, rC0);   \
rA1 = mullps(rB1, rC1);    > All 3 take 1 cycle to be scheduled (* - see Remarks).
rA2 = mullps(rB2, rC2);   /

众所周知，每个SSE单元由2个模块组成：一个用于加法（减法），一个用于乘法（除法）。后者允许并行运行mullps-addps指令序列（2），例如：

rA0 = mullps(rB0, rC0); \
                         > All 2 take 1 cycle to be scheduled for 1 SSE module.
rA1 = addps(rB1, rC1);  /

问题如下：以下2个代码段中的每个代码片段需要安排多少个周期？

代码清单A：

rA0 = mullps(rB0, rC0);  \ 
rA1 = mullps(rB1, rC1);   |  
rA2 = mullps(rB2, rC2);   \ Do all 6 execute in one step? (See paragraph (2))
rA3 = addps(rB3, rC3);    /
rA4 = addps(rB4, rC4);    | 
rA5 = addps(rB5, rC5);   /

代码清单B：

rA0 = mullps(rB0, rC0);  \ 
rA1 = addps(rB1, rC1);    |  
rA2 = mullps(rB2, rC2);    \ Do all 6 execute in one step?  (See paragraph (1))
rA3 = addps(rB3, rC3);     /
rA4 = mullps(rB4, rC4);   | 
rA5 = addps(rB5, rC5);   /

我更喜欢哪种指令顺序，A或B？

更具体地说：

是否可以将3个mulps分配给3个SSE乘法单元（1），同时（2）将addps分配到各自的SSE加法单元，每个调度周期总共产生6条指令？
如果我首先运行N个mullps，然后N个addps - 哪个N是最佳的？

说明

by' scheduled'我的意思是吞吐率。

Answer 1

请参阅Agner Fog's指令表，了解哪些指令可在哪些执行单元上运行。和/或使用英特尔的代码分析器（IACA）来查找吞吐量瓶颈（依赖链或端口争用）。

正如评论者所说，并非所有执行端口都可以处理FP MUL。它们都可以处理vector-int逻辑（AND / OR / XOR），但只有一个或两个端口有一个矢量shuffle单元，或一个矢量移位单元等等。

针对Intel Core 2 Duo的3个SSE单元的最佳mullps / addps指令

1 个答案: