使用RSI / RDI与R8-R15（速度优化）

Question

我想尽可能地优化我的功能，我做的一件事是使用r8作为指针，因为这是指针在x64函数中被压入的寄存器。

但是在循环中稍后推动RSI或RDI，将指针移动到它们并使用它们会更快吗？

例如， mov [RSI]，DL；将符合2个字节 和： mov [r8]，DL;最多3个字节

因此，如果我执行100到200次循环，由于要解码的额外字节，r8会变慢吗？还是按下RSI并移动指针消除了任何可能的速度增加？显然，推和移动将在循环之外发生。

Answer 1

取决于CPU。通常，平均指令大小为4就可以避免前端瓶颈，即使在像Core2这样的旧CPU上也是如此。

Sandybridge系列和Ryzen等现代CPU缓存解码的uops，并且对循环内的代码大小（或对齐方式）不那么敏感，仅在L1i和uop-cache占用空间较大时如此。

Nehalem具有一个“循环缓冲区”，用于最多28微秒的小循环。 （SnB系列也有此功能，但Skylake / Kaby Lake除外，后者已通过微代码更新禁用了该功能，因此它们甚至可以从uop缓存中运行很小的循环）。 Core2具有最多64个字节的预解码循环缓冲区。 （请参阅Agner Fog的指南）。

---

但是，是的，通常，较高的代码密度更好，因此，最好使用非REX寄存器来存储指针和32位值，对始终需要REX.W的64位整数使用r8-r15 。但是通常不值得花费额外的指令来实现这一目标。 uop计数通常比代码大小要大得多，尤其是在循环内。

带有性能计数器的配置文件，以查找循环中是否存在任何前端瓶颈。如果是这样，请确保保存/恢复更多的低调，例如RBP，并在函数内部使用它们代替R8。 （但是请记住，[rbp]实际上需要disp8 = 0，[rbp+0]。）

进一步阅读：

x86 tag wiki 中的
• 性能链接
• Agner Fog's的现代英特尔和AMD CPU优化指南和微架构指南
• 英特尔和AMD自己的优化手册。 （x86标签Wiki中的链接）

• x86在Stack Overflow上的性能解答（其中许多是我的，但其他一些已经发布了一些很棒的东西）

  • Is performance reduced when executing loops whose uop count is not a multiple of processor width?关于中小型循环以及uop缓存与对齐方式的详细信息
  • Branch alignment for loops involving micro-coded instructions on Intel SnB-family CPUs

  还有一些与循环无关的更普通的东西：

  • Enhanced REP MOVSB for memcpy
  • Why is this C++ code faster than my hand-written assembly for testing the Collatz conjecture?，
  • How exactly do partial registers on Haswell/Skylake perform? Writing AL seems to have a false dependency on RAX, and AH is inconsistent（对于其他uarch，则为Why doesn't GCC use partial registers?）。由于您提到使用DL。