carry-less multiplication instruction是否恒定运行？换句话说，执行所需的时间与参数无关吗？
答案 0 :(得分：5)
根据https://agner.org/optimize/和PCLMULQDQ在任何给定的CPU上都有固定的延迟。 （http://www.uops.info/table.html并未为此列出延迟，但是对于大多数指令来说，它都有不错的东西。）
没有理由期望它与数据相关-通常，在现代高性能CPU中，只有division / sqrt具有与数据相关的性能。常规乘法没有实现：相反，它们只是在执行单元内部具有大量硬件并行性的情况下，才使它变得快速。
当uops具有固定的延迟时，乱序指令调度要容易得多，因此为它们构建全流水线执行单元也很容易。调度程序（保留站）可以避免在同一端口上同时完成2个操作，并产生回写冲突。或更糟糕的是，在同一执行单元中，并导致其中的停顿。这就是为什么固定延迟很常见的原因。
（带有分支的微码多uup pclmulqdq可能具有可变的延迟，或更合理的延迟取决于立即数操作数：当立即数为非零时，可能会额外增加一两个shoop uop。单个uop参数的固定等待时间不一定适用于微编码指令，但是pclmuqdq仍然很简单，以至于您不会期望它实际上以rep movsb的方式内部分支）
正如@fuz所指出的那样，PCLMUL是用于加密的，因此依赖于数据的性能会使它容易受到定时攻击。因此，有很充分的理由使PCLMUL保持恒定的时间。 （或者最坏的情况，取决于立即数，而不取决于寄存器/内存源。例如，0以外的立即数可能会花费额外的移位量，以将高半数的信号源馈送到64x64 => 128的无位进位-乘以单位。）
自Broadwell以来，在英特尔公司，pclmuludq为1 uop。在Skylake上，它有7个周期的延迟，每时钟吞吐量1个。 （因此，您需要保持运行7个独立的PCLMUL操作，以使端口5上的执行单元饱和）。 Broadwell具有5个周期延迟。使用内存源操作数，它是1个额外的uop。
在Haswell上，这是3微秒（2p0 p5），具有7个周期的延迟和每2个时钟吞吐量之一。
在Sandybridge / IvyBridge上，这是18微秒，14c延迟，每8个时钟吞吐量之一。
在韦斯特米尔（第二代Nehalem）上，它的延迟为12c，每8c吞吐率为1。 （未知数量的uops，Agner Fog和uops.info都没有。但是我们可以放心地假设它是微编码的。）这是第一代支持该指令的产品，这是从Nehalem到Westmere的极少数差异之一。
在Ryzen上为4微秒，4c延迟，每2个时钟吞吐量之一。 http://instlatx64.atw.hu/显示为4.5个周期的延迟。我不确定他们的测试和Agner的测试之间有什么区别。
在打桩机上，这是5微秒，12c延迟，每7个时钟吞吐量之一。
在Jaguar上是1 uop，3c延迟，每1个时钟吞吐量一个！
在Silvermont上，这是8微妙，时延/吞吐量为10c。 Goldmont = 3 oups，6c lat / 3c tput。
另请参阅What considerations go into predicting latency for operations on modern superscalar processors and how can I calculate them by hand?和Agner Fog的优化指南，以了解延迟和吞吐量（以及前端瓶颈）对无序CPU的性能有何影响，具体取决于周围的代码。