Question

经过大约100亿次测试后，如果imm64比AMD64的m64快0.1纳秒，m64似乎更快，但我真的不明白。以下代码中val_ptr的地址不是立即值吗？

# Text section
.section __TEXT,__text,regular,pure_instructions
# 64-bit code
.code64
# Intel syntax
.intel_syntax noprefix
# Target macOS High Sierra
.macosx_version_min 10,13,0

# Make those two test functions global for the C measurer
.globl _test1
.globl _test2

# Test 1, imm64
_test1:
  # Move the immediate value 0xDEADBEEFFEEDFACE to RAX (return value)
  movabs rax, 0xDEADBEEFFEEDFACE
  ret
# Test 2, m64
_test2:
  # Move from the RAM (val_ptr) to RAX (return value)
  mov rax, qword ptr [rip + val_ptr]
  ret
# Data section
.section __DATA,__data
val_ptr:
  .quad 0xDEADBEEFFEEDFACE

测量代码为：

#include <stdio.h>            // For printf
#include <stdlib.h>           // For EXIT_SUCCESS
#include <math.h>             // For fabs
#include <stdint.h>           // For uint64_t
#include <stddef.h>           // For size_t
#include <string.h>           // For memset
#include <mach/mach_time.h>   // For time stuff

#define FUNCTION_COUNT  2     // Number of functions to test
#define TEST_COUNT      0x10000000  // Number of times to test each function

// Type aliases
typedef uint64_t rettype_t;
typedef rettype_t(*function_t)();

// External test functions (defined in Assembly)
rettype_t test1();
rettype_t test2();

// Program entry point
int main() {

  // Time measurement stuff
  mach_timebase_info_data_t info;
  mach_timebase_info(&info);

  // Sums to divide by the test count to get average
  double sums[FUNCTION_COUNT];

  // Initialize sums to 0
  memset(&sums, 0, FUNCTION_COUNT * sizeof (double));

  // Functions to test
  function_t functions[FUNCTION_COUNT] = {test1, test2};

  // Useless results (should be 0xDEADBEEFFEEDFACE), but good to have
  rettype_t results[FUNCTION_COUNT];

  // Function loop, may get unrolled based on optimization level
  for (size_t test_fn = 0; test_fn < FUNCTION_COUNT; test_fn++) {
    // Test this MANY times
    for (size_t test_num = 0; test_num < TEST_COUNT; test_num++) {
      // Get the nanoseconds before the action
      double nanoseconds = mach_absolute_time();
      // Do the action
      results[test_fn] = functions[test_fn]();
      // Measure the time it took
      nanoseconds = mach_absolute_time() - nanoseconds;

      // Convert it to nanoseconds
      nanoseconds *= info.numer;
      nanoseconds /= info.denom;

      // Add the nanosecond count to the sum
      sums[test_fn] += nanoseconds;
    }
  }
  // Compute the average
  for (size_t i = 0; i < FUNCTION_COUNT; i++) {
    sums[i] /= TEST_COUNT;
  }

  if (FUNCTION_COUNT == 2) {
    // Print some fancy information
    printf("Test 1 took %f nanoseconds average.\n", sums[0]);
    printf("Test 2 took %f nanoseconds average.\n", sums[1]);
    printf("Test %d was faster, with %f nanoseconds difference\n", sums[0] < sums[1] ? 1 : 2, fabs(sums[0] - sums[1]));
  } else {
    // Else, just print something
    for (size_t fn_i = 0; fn_i < FUNCTION_COUNT; fn_i++) {
      printf("Test %zu took %f clock ticks average.\n", fn_i + 1, sums[fn_i]);
    }
  }

  // Everything went fine!
  return EXIT_SUCCESS;
}

那么，哪个真的最快，m64或imm64？

顺便说一句，我使用的是英特尔酷睿i7 Ivy Bridge和DDR3内存。我正在运行macOS High Sierra。

编辑：我插入了ret条指令，现在imm64更快了。

Answer 1

您不会显示您测试过的实际循环，也不会说明您测量时间的方式。显然你测量的是挂钟时间，而不是核心时钟周期（带有性能计数器）。因此，您的测量噪声源包括涡轮/节能以及与另一个逻辑线程共享物理内核（在i7上）。

在英特尔IvyBridge上：

movabs rax, 0xDEADBEEFFEEDFACE是ALU指令

占用10个字节的代码大小（根据周围的代码可能会或可能不重要）。
对任何ALU端口（p0，p1或p5）解码为1 uop。（最大吞吐量=每时钟3个）
在uop缓存中占用2个条目（由于64位立即数），需要2个周期才能从uop缓存中读取。（因此，从循环缓冲区运行是前端吞吐量的一个重要优势，如果这是包含此代码的代码中的瓶颈）。

mov rax, [RIP + val_ptr]是一个加载

需要7个字节（REX +操作码+ modrm + rel32）
解码为1 uop。（最大吞吐量=每时钟2个）
适合uop缓存中的1个条目（没有立即数和32或32个小地址偏移量）。
运行速度会慢得多，即使在Skylake上也是如此。
第一次可能会错过缓存。

来源：Agner Fog's microarch pdf and instruction tables。有关uop-cache的信息，请参见表9.1。另请参阅x86代码wiki中的其他效果链接。

编译器通常选择使用mov r64, imm64生成64位常量。（相关：What are the best instruction sequences to generate vector constants on the fly?，但在实践中，那些从未出现过标量整数，因为它有no short single-instruction way to get a 64-bit -1。）

这通常是正确的选择，尽管在长期运行的循环中，您希望常量在缓存中保持热，但从.rodata加载它可能是一个胜利。特别是如果它允许您执行类似and rax, [constant]而不是movabs r8, imm64 / and rax, r8的操作。

If your 64-bit constant is an address，如果可能，请使用RIP相对lea。 NASM语法中的lea rax, [rel my_symbol]，AT＆amp; T中的lea my_symbol(%rip), %rax。

在考虑asm 的微小序列时，周围的代码非常重要，特别是当它们竞争不同的吞吐量资源时。

x86-64哪个更快，imm64或m64？

1 个答案: