Question

我看到人们默认使用-msse -msse2 -mfpmath=sse标志，希望这会提高性能。我知道在C代码中使用特殊向量类型时SSE会参与进来。但是这些标志对常规C代码有什么影响吗？编译器是否使用SSE来优化常规C代码？

Answer 1

是的，如果使用完全优化进行编译，现代编译器会使用SSE2进行自动向量化。 clang即使在-O2，gcc at -O3也能启用它。

即使在-O1或-Os，编译器也会使用SIMD加载/存储指令来复制或初始化比整数寄存器更宽的结构或其他对象。这并不算作自动矢量化;对于小型固定大小的块，它更像是默认内置memset / memcpy策略的一部分。但它确实利用了并且要求支持SIMD指令。

对于x86-64，SSE2是基线/非可选的，因此编译器在定位x86-64 时始终可以使用SSE1 / SSE2指令。必须手动启用后面的指令集（SSE4，AVX，AVX2，AVX512和非SIMD扩展，如BMI2，popcnt等），告诉编译器可以编写不能在旧CPU上运行的代码。或者让它生成多个版本的代码并在运行时选择，但是这会产生额外的开销，而且只对大型函数有用。

-msse -msse2 -mfpmath=sse已经是x86-64 的默认值，但不适用于32位i386。一些32位调用约定在x87寄存器中返回FP值，因此使用SSE / SSE2进行计算可能不方便，然后必须存储/重新加载结果以使其在x87 st(0)中得到。对于-mfpmath=sse，更聪明的编译器可能仍然使用x87进行产生FP返回值的计算。

在32位x86上，-msse2默认情况下可能没有打开，这取决于编译器的配置方式。如果您使用的是32位，因为您的目标是那么老的CPU，而无法运行64位代码，您可能需要确保它已被禁用，或者只是{{1} }。

为正在编译的CPU调整二进制文件的最佳方法是-msse，并使用链接时优化+配置文件引导优化。（gcc -O3 -march=native -mfpmath=sse /运行某些测试数据/ -fprofile-generate）。

如果编译器确实选择使用新指令，则使用gcc -fprofile-use会生成可能无法在早期CPU上运行的二进制文件。配置文件引导优化对gcc非常有用：它永远不会在没有它的情况下展开循环。但是对于PGO，它知道哪些循环经常运行/进行大量迭代，即哪些循环“热”并且值得花费更多的代码大小。链接时优化允许跨文件进行内联/常量传播。如果您的C ++具有许多您未在头文件中实际定义的小函数，那么非常非常有用。

有关查看编译器输出并了解它的更多信息，请参阅How to remove "noise" from GCC/clang assembly output? 。

以下是x86-64 的一些具体示例on the Godbolt compiler explorer。 Godbolt还有其他几种架构的gcc，并且你可以添加-march=native或其他任何内容，因此你也可以看到ARM NEON的自动矢量化，并使用正确的编译器选项来启用它。您可以将-target mips与x86-64编译器一起使用以获得32位代码。

-m32

带有int sumint(int *arr) { int sum = 0; for (int i=0 ; i<2048 ; i++){ sum += arr[i]; } return sum; }的内部循环（没有gcc8.1 -O3或任何启用AVX / AVX2的内容）：

-march=haswell

如果没有.L2: # do { movdqu xmm2, XMMWORD PTR [rdi] # load 16 bytes add rdi, 16 paddd xmm0, xmm2 # packed add of 4 x 32-bit integers cmp rax, rdi jne .L2 # } while(p != endp) # then horizontal add and extract a single 32-bit sum，编译器就无法重新排序FP操作，因此-ffast-math等效项不会自动向量化（请参阅Godbolt链接：你得到标量float）。（OpenMP可以基于每个循环启用它，或使用addss）。

但是一些FP的东西可以安全地自动矢量化而不会改变操作顺序。

-ffast-math

乘数= // clang won't contract this into an FMA without -ffast-math :/ // but gcc will (if you compile with -march=haswell) void scale_array(float *arr) { for (int i=0 ; i<2048 ; i++){ arr[i] = arr[i] * 2.1f + 1.234f; } } # load constants: xmm2 = {2.1, 2.1, 2.1, 2.1} # xmm1 = (1.23, 1.23, 1.23, 1.23} .L9: # gcc8.1 -O3 # do { movups xmm0, XMMWORD PTR [rdi] # load unaligned packed floats add rdi, 16 mulps xmm0, xmm2 # multiply Packed Single-precision addps xmm0, xmm1 # add Packed Single-precision movups XMMWORD PTR [rdi-16], xmm0 # store back to the array cmp rax, rdi jne .L9 # }while(p != endp)会导致使用2.0f加倍，在Haswell / Broadwell上将吞吐量降低2倍！因为在SKL之前，FP add仅在一个执行端口上运行，但有两个FMA单元可以运行乘法。 SKL放弃了加法器，运行时添加了与每个时钟吞吐量和延迟相同的2个mul和FMA。（http://agner.org/optimize/，并在the x86 tag wiki中查看其他效果链接。）

使用addps进行编译可让编译器使用单个FMA进行缩放+添加。（但是除非你使用-march=haswell，否则clang不会将表达式收缩到FMA中.IIRC可以选择在没有其他激进操作的情况下启用FP收缩。）

Answer 2

一般来说，这是不可能的。但是，对于某些特定的C源代码和编译器，您可以通过查看生成的程序集来回答这个问题。几乎所有编译器都应该有一个创建汇编文件的选项。然后，您可以搜索SSE指令。

对于大多数Unix C编译器，请使用-S选项。有关详细信息阅读编译器的精细手册。

编译器是否将SSE指令用于常规C代码？

2 个答案: