Question

我想用英特尔I64汇编程序做一些长整数数学运算（128位），需要创建一个2的补码。假设我的正值是RDX：RAX。

2的补码是通过“翻转位并加1”来完成的。所以最天真的实现是（4条指令和14字节代码）：

  NOT RAX
  NOT RDX
  ADD RAX,1   ; Can't use INC, it doesn't set Carry
  ADC RDX,0

当我在RAX而不是NOT上使用NEG指令时，它对我来说是“+1”但是Carry错了，NEG RAX在RAX为零时清除了Carry，但是我需要携带JUST IN CASS。因此，下一个最佳方法可能是（4条指令和11个字节的代码）：

  NOT RDX
  NEG RAX
  CMC
  ADC RDX,0                  ; fixed, thanks lurker

还有4条指令。但是不是加+1，我可以减去-1，因为SBB将Carry-Bit加到减数上，当Carry清零时我会加+1。所以我的下一个最好的尝试就是这个，有3个指令和10个字节的代码：

   NOT RDX
   NEG RAX
   SBB RDX,-1

从我冗长的文字中可以看出，这一点并不明显。在汇编程序中使用级联2的补码是否有更好，更易理解的方法？

Answer 1

更短的指令或更少的指令并不一定意味着更快的执行，因为每条指令的延迟和吞吐量都不同

例如enter，dad，loop等过时的说明会非常慢，而且它们只是为了向后兼容。甚至是inc is sometimes slower than add。与上面在某些μarchs上使用的cmc相同

因此，可以并行执行的更长系列的低延迟指令将更快地运行。一些常见的指令组甚至可以融合在一起形成一个宏操作。编译器的优化器总是知道这一点，并会选择最合适的指令发布。

对于此代码段

__int128 negate(__int128 x)
{
    return -x;
}

ICC 19.0.1 will generate the following instructions

    xor       edx, edx                                      #3.13
    xor       eax, eax                                      #3.13
    sub       rax, rdi                                      #3.13
    sbb       rdx, rsi                                      #3.13

前两个xor指令的成本零μop，因为they're handled at the register-rename stage。现在您只有 2条指令来执行

您可以在上面的Godbolt链接中切换编译器，以查看包括MSVC在内的不同编译器否定的各种方法（遗憾的是它还没有128位类型）。以下是GCC和Clang的结果

GCC 8.3：

    mov     rax, rdi
    neg     rax
    mov     rdx, rsi
    adc     rdx, 0
    neg     rdx

锵：

    mov     rax, rdi
    xor     edx, edx
    neg     rax
    sbb     rdx, rsi

如您所见，Clang也只使用了3条指令（减去第一条指令将数据从输入参数移动到必要的目标）。但就像xor reg, reg，mov can also be "free"

一样

如果你优化空间（例如在某些高速缓存未命中的情况下），情况可能会有所不同，因为一些即时和指令很长

是否更快或者不需要一些微观基准测试。但在英特尔CPU上，英特尔编译器（ICC）通常比其他编译器具有更高的性能，因为它更好地理解架构。

请注意，该操作称为否定，而不是两个补码，这是一种编码负数的方法

Answer 2

BTW，在32位或16位模式下，使用EDX：EAX或DX：AX取反2寄存器号是相同的。使用相同的指令序列。

要复制和求反，@ phuclv的答案显示有效的编译器输出。最好的选择是将目的地异或归零，然后使用sub / sbb。

对于AMD，英特尔Broadwell及更高版本的前端，这是4微秒。在Broadwell之前的Intel上，sbb reg,reg是2 oups。异或归零不在关键路径上（可能在要取反的数据准备好之前发生），因此对于上半部分，总延迟为2或3个周期。下半部分当然具有1个周期的延迟。

在Ryzen上，低半部的Clang mov/neg可能更好，Ryzen具有消除GP整数的功能，但是仍然需要ALU执行单元来进行异或归零。但是对于较旧的CPU，它将mov置于延迟的关键路径上。但是对于可以使用任何ALU端口的指令，通常后端ALU的压力并没有前端瓶颈那么大。

要就地求反，请使用neg从0中减去

neg   rdx              ; high half first
neg   rax             ; subtract RDX:RAX from 0
sbb   rdx, 0          ; with carry from low to high half

neg从0开始完全等同于sub，就设置标志和性能而言。

ADC/SBB with an immediate 0 is only 1 uop on Intel SnB/IvB/Haswell，作为特殊情况。不过，在Nehalem和更早版本上仍然只有2微秒。但是如果没有移动消除，mov到另一个寄存器然后sbb回到RDX会更慢。

低半部分（在RAX中）在准备好作为neg的输入之后的第一个周期中准备就绪。（因此，可以使用下半部分开始无序执行更高版本的代码。）

上半部分neg rdx可以与下半部分并行运行。然后sbb rdx,0必须等待rdx的{{1}}和neg rdx的CF。因此，它在下半部分之后的1个周期中的较晚时刻准备就绪，或者在输入的上半部分准备就绪后的2个周期中的较晚时刻准备就绪。

以上序列比任何问题都要好，因为在非常常见的Intel CPU上的uops更少。在Broadwell及更高版本上（单双neg rax，而不仅仅是立即数0）

SBB

这四个指令序列中的任何一个显然都不是最优的，它们的总运算量更大。而且其中一些具有较差的ILP /依赖链/延迟，例如，下半部分的关键路径上有2条指令，上半部分的关键路径上有3个周期链。

两个补码的长整数

2 个答案: