Question

编写了自己的位计数例程后，我偶然发现了__builtin_popcount for gcc。但是，当我切换到__builtin_popcount时，我的软件实际上运行缓慢。我正在使用2.90 GHz Intel Core i3-4130T CPU上的Unbutu。我进行了性能测试，以了解效果如何。看起来像这样：

#include <iostream>
#include <sys/time.h>
#include <stdint.h>

using namespace std;

const int bitCount[256] = {
    0,1,1,2,1,2,2,3,  1,2,2,3,2,3,3,4,  1,2,2,3,2,3,3,4,  2,3,3,4,3,4,4,5,
    1,2,2,3,2,3,3,4,  2,3,3,4,3,4,4,5,  2,3,3,4,3,4,4,5,  3,4,4,5,4,5,5,6,
    1,2,2,3,2,3,3,4,  2,3,3,4,3,4,4,5,  2,3,3,4,3,4,4,5,  3,4,4,5,4,5,5,6,
    2,3,3,4,3,4,4,5,  3,4,4,5,4,5,5,6,  3,4,4,5,4,5,5,6,  4,5,5,6,5,6,6,7,
    1,2,2,3,2,3,3,4,  2,3,3,4,3,4,4,5,  2,3,3,4,3,4,4,5,  3,4,4,5,4,5,5,6,
    2,3,3,4,3,4,4,5,  3,4,4,5,4,5,5,6,  3,4,4,5,4,5,5,6,  4,5,5,6,5,6,6,7,
    2,3,3,4,3,4,4,5,  3,4,4,5,4,5,5,6,  3,4,4,5,4,5,5,6,  4,5,5,6,5,6,6,7,
    3,4,4,5,4,5,5,6,  4,5,5,6,5,6,6,7,  4,5,5,6,5,6,6,7,  5,6,6,7,6,7,7,8
};

const uint32_t m32_0001 = 0x000000ffu;
const uint32_t m32_0010 = 0x0000ff00u;
const uint32_t m32_0100 = 0x00ff0000u;
const uint32_t m32_1000 = 0xff000000u;

inline int countBits(uint32_t bitField)
{
    return
        bitCount[(bitField & m32_0001)      ] +
        bitCount[(bitField & m32_0010) >>  8] +
        bitCount[(bitField & m32_0100) >> 16] +
        bitCount[(bitField & m32_1000) >> 24];
}

inline long long currentTime() {
    struct timeval ct;
    gettimeofday(&ct, NULL);
    return ct.tv_sec * 1000000LL + ct.tv_usec;
}

int main() {
    long long start, delta, sum;

    start = currentTime();
    sum = 0;
    for(unsigned i = 0; i < 100000000; ++i)
        sum += countBits(i);
    delta = currentTime() - start;
    cout << "countBits         : sum=" << sum << ": time (usec)=" << delta << endl;

    start = currentTime();
    sum = 0;
    for(unsigned i = 0; i < 100000000; ++i)
        sum += __builtin_popcount(i);
    delta = currentTime() - start;
    cout << "__builtin_popcount: sum=" << sum << ": time (usec)=" << delta << endl;

    start = currentTime();
    sum = 0;
    for(unsigned i = 0; i < 100000000; ++i) {
        int count;
        asm("popcnt %1,%0" : "=r"(count) : "rm"(i) : "cc");
        sum += count;
    }
    delta = currentTime() - start;
    cout << "assembler         : sum=" << sum << ": time (usec)=" << delta << endl;

    return 0;
}

起初，我是使用较旧的编译器运行的：

> g++ --version | head -1
g++ (Ubuntu 4.8.4-2ubuntu1~14.04.3) 4.8.4
> cat /proc/cpuinfo | grep 'model name' | head -1
model name      : Intel(R) Core(TM) i3-4130T CPU @ 2.90GHz
> g++ -O3 popcountTest.cpp
> ./a.out
countBits         : sum=1314447104: time (usec)=148506
__builtin_popcount: sum=1314447104: time (usec)=345122
assembler         : sum=1314447104: time (usec)=138036

如您所见，基于表的countBits几乎与汇编程序一样快，并且比__builtin_popcount快得多。然后我在不同的机器类型（相同的处理器上，并且我认为主板也一样）上尝试了较新的编译器：

> g++ --version | head -1
g++ (Ubuntu 7.3.0-16ubuntu3) 7.3.0
> cat /proc/cpuinfo | grep 'model name' | head -1
model name      : Intel(R) Core(TM) i3-4130T CPU @ 2.90GHz
> g++ -O3 popcountTest.cpp
> ./a.out
countBits         : sum=1314447104: time (usec)=164247
__builtin_popcount: sum=1314447104: time (usec)=345167
assembler         : sum=1314447104: time (usec)=138028

奇怪的是，较旧的编译器对我的countBits函数的优化要比较新的编译器要好，但与汇编程序相比仍然具有优势。显然，由于汇编程序行可以编译和运行，因此我的处理器支持popcount，但是为什么__builtin_popcount慢两倍以上？我自己的例程又如何与基于硅的弹出式表盘竞争？我在寻找第一个置位位的其他例程方面也有相同的经验。我的例程都比GNU“内置”等效函数快得多。

（顺便说一句，我不知道如何编写汇编程序。我只是在某些网页上发现了这一行，而且它似乎行之有效。）

Answer 1

如果没有在命令行上指定适当的“ -march”，则gcc会生成对__popcountdi2函数而不是popcnt指令的调用。参见：https://godbolt.org/z/z1BihM

根据维基百科https://en.wikipedia.org/wiki/SSE4#POPCNT_and_LZCNT

，自Nehalem以来，Intel就支持POPCNT，而从巴塞罗那以来，AMD就支持POPCNT。

Answer 2

我认为在将-march = native添加到编译行（如Mat和Alan Birtles所建议）后，共享新的性能结果可能是有用的，这可以使用popcount机器指令。结果因编译器版本而异。这是较旧的编译器：

> g++ --version | head -1
g++ (Ubuntu 4.8.4-2ubuntu1~14.04.3) 4.8.4
> cat /proc/cpuinfo | grep 'model name' | head -1
model name      : Intel(R) Core(TM) i3-4130T CPU @ 2.90GHz
> g++ -march=native -O3 popcountTest.cpp
> ./a.out
countBits         : sum=1314447104: time (usec)=163947
__builtin_popcount: sum=1314447104: time (usec)=138046
assembler         : sum=1314447104: time (usec)=138036

这是更新的编译器：

> g++ --version | head -1
g++ (Ubuntu 7.3.0-16ubuntu3) 7.3.0
> cat /proc/cpuinfo | grep 'model name' | head -1
model name      : Intel(R) Core(TM) i3-4130T CPU @ 2.90GHz
> g++ -march=native -O3 popcountTest.cpp
> ./a.out
countBits         : sum=1314447104: time (usec)=163133
__builtin_popcount: sum=1314447104: time (usec)=73987
assembler         : sum=1314447104: time (usec)=138036

观察：

在旧版g ++的命令行中添加-march = native 编译器将__builtin_popcount的性能提高到相等汇编程序，并将我的countbits例程降低了大约15％。
在较新的g ++的命令行中添加-march = native 编译器导致__builtin_popcount的性能超过汇编程序。我认为这与我不确定与汇编程序一起使用的堆栈变量。那里对我的countBits性能没有影响（正如我所说的问题，使用这种较新的编译器已经慢了。）

为什么__builtin_popcount比我自己的位计数功能慢？

2 个答案: