Question

众所周知，x86-64指令不支持64位立即值（mov除外）。因此，在将代码从32位迁移到64位时，会执行如下指令：

    cmp rax, addr32

不能替换为以下内容：

    cmp rax, addr64

在这些情况下，我考虑了两种选择：（a）使用临时寄存器加载常数或（b）使用rip-relative寻址。这两种方法看起来像这样：

    mov r11, addr64 ; scratch register
    cmp rax, r11

ptr64: dq addr64

...
     cmp rax, [rel ptr64]    ; encoded as cmp rax, [rip+offset]

我写了一个非常的简单循环来比较两种方法的性能（我在下面粘贴）。虽然（b）使用间接指针，但（a）在指令中具有立即编码（这可能导致i-cache的使用更差）。令人惊讶的是，我发现（b）比（a）快〜10％。这个结果在更常见的现实世界代码中应该是预期的吗？

true:  dq 0xFFFF0000FFFF0000
false: dq 0xAAAABBBBAAAABBBB

main:
    or rax, 1  ; rax is odd and constant "true" is even
    mov rcx, 0x1
    shl rcx, 30
branch:
    mov r11, 0xFFFF0000FFFF0000 ; not present in (b)
    cmp rax, r11                ; vs cmp rax, [rel true]
    je next
    add rax, 2
    loop branch

next:
    mov rax, 0
    ret

Answer 1

令人惊讶的是，我发现（b）比（a）
快〜10％

您可能在AMD Bulldozer系列或Ryzen以外的CPU上进行了测试，这些CPU具有快速loop指令。在其他CPU上， loop is very slow, mostly on purpose for historical reasons，因此您遇到了瓶颈。例如7个uops，Haswell每5c吞吐量一个。

mov r64, imm64对于uop缓存吞吐量不利，因为在英特尔的uop缓存中立即占用2个插槽。（请参阅Agner Fog's microarch pdf中的Sandybridge uop缓存部分）和Which is faster, imm64 or m64 for x86-64?，其中列出了详细信息。

即使除此之外，在循环中增加1个uop使其运行速度变慢也不足为奇。您可能不在AMD CPU上（单个uop /每2个时钟1个loop），因为如此微小的循环中的额外mov将产生超过10％的差异。或者完全没有区别，因为它每2个时钟只有3个对4个uop，如果这是正确的，甚至很小的loop循环限制为每2个时钟跳一次。

在英特尔上，loop为7 uop，大多数CPU每5个时钟吞吐量一个，因此每时钟4个问题/重命名瓶颈不会成为您的目标。 loop是微编码的，因此前端不能从循环缓冲区运行。（并且Skylake CPU通过微码更新禁用其LSD以修复部分寄存器错误。）因此每次循环时都必须从uop缓存中重新读取mov r64,imm64 uop。

在缓存中遇到的负载具有非常好的吞吐量（每个时钟有2个负载，而在这种情况下，微融合意味着没有额外的uop来使用内存操作数而不是{ {1}} ）。因此，从内存中使用常量的主要原因是额外的缓存占用空间和缓存未命中，但是您的微基准测试根本不会显示出来。它对装载端口没有其他压力。

在一般情况下：

如果可能，请使用RIP相对cmp生成64位地址常量例如lea。是的，这需要额外的指令才能将常量输入寄存器。（顺便说一句，只需使用lea rax, [rel addr64]。如果需要，可以使用default rel。

如果使用默认（小）代码模型构建位置相关代码，则可以避免额外的指令因此静态地址适合虚拟地址空间的低32位并且可以用作immediates 。（实际上低2GiB，因此符号或零扩展两种工作）。如果gcc抱怨绝对寻址，请参见32-bit absolute addresses no longer allowed in x86-64 Linux?;大多数发行版默认启用[abs fs:0]。这当然不适用于Linux共享库，它只支持64位地址的文本重定位。但是，您应该尽可能使用-pie来制作位置无关的代码来避免重定位。

大多数整数构建时常数适合32位，因此即使在PIC代码中也可以使用lea或cmp r64, imm32。

如果确实需要64位非地址常量，请尝试将cmp r32, imm32提升出一个循环。如果mov r64, imm64不在循环内，那么cmp循环就可以了。 x86-64有足够的寄存器，您（或编译器）通常可以避免在整数代码中的最内层循环内重新加载。

与mov reg，imm64相比，RIP相对寻址的执行情况如何？

1 个答案:

在一般情况下：