Question

我使用GCC的"asm"关键字在C中编写了一个简单的乘法函数，并在汇编代码中编写了另一个。

我花了他们每个人的执行时间，尽管他们的时间非常接近，但C函数比汇编代码中的C函数要快一些。

我想知道为什么，因为我期望ASM会更快。是因为对GCC的“ asm”关键字进行了额外的“调用”（我不知道使用哪个单词）？

这是C函数：

int multiply (int a, int b){return a*b;}

这是C文件中的asm：

int asmMultiply(int a, int b){  
    asm ("imull %1,%0;"
             : "+r" (a)           
             : "r" (b)
    );
    return a;
}

我主要的时间：

int main(){
   int n = 50000;
   clock_t asmClock = clock();
   while(n>0){
       asmMultiply(4,5);
       n--;
    }

   asmClock = clock() - asmClock;  
   double asmTime = ((double)asmClock)/CLOCKS_PER_SEC; 

   clock_t cClock = clock();
   n = 50000;
   while(n>0){
       multiply(4,5);
       n--;
   }
   cClock = clock() - cClock;  
   double cTime = ((double)cClock)/CLOCKS_PER_SEC;  

  printf("Asm time: %f\n",asmTime);
  printf("C code time: %f\n",cTime);

谢谢！

Answer 1

汇编函数比C函数做更多的工作-初始化mult，然后进行乘法并将结果分配给mult，然后将值从mult推入返回位置。

编译器擅长优化；您不会轻易在基本算术上击败他们。

如果您确实需要改进，请使用static inline int multiply(int a, int b) { return a * b; }。或者只需在调用代码中写a * b（或等效代码）而不是int x = multiply(a, b);。

Answer 2

这种微基准测试在几乎所有方面都太幼稚了，您无法获得有意义的结果。

即使您解决了表面问题（因此代码也没有得到优化），在得出任何有关asm何时会比*更好的结论之前，仍然存在一些重大的深层问题。 / p>

（提示：可能永远不会。编译器已经知道如何最佳地乘以整数，并了解该操作的语义。强制其使用imul而不是自动向量化或执行其他操作优化将是一种损失。）

两个定时区域均为空，因为两个乘法都可以优化。（asm不是asm volatile，并且您不使用结果。）您仅在测量噪声和/或将CPU频率提升到{{1 }}。

即使不是，clock()指令基本上也无法用imul这样的开销来测量。也许如果您在clock()之前用lfence进行序列化以强制CPU等待imul退出，请参阅RDTSCP in NASM always returns the same value

或者您在禁用优化的情况下进行编译，这毫无意义。

在没有某种涉及循环的上下文的情况下，您基本上无法测量C rdtsc和内联汇编程序。然后，将是针对该上下文，具体取决于您通过使用嵌入式asm击败了哪些优化。（如果要阻止编译器优化纯C版本的工作，该怎么办？）

对于一个x86指令仅测量一个数字并不能告诉您太多有关它的信息。您需要测量延迟，吞吐量和前端uop成本，以正确表征其成本。现代的x86 CPU是超标量的无序流水线，因此2条指令的成本总和取决于它们是否相互依赖以及其他周围环境。 How many CPU cycles are needed for each assembly instruction?

对函数的独立定义是相同的，在进行了更改以允许编译器选择寄存器之后，并且您的asm 可以内联的方式有些有效，但这仍然不利于优化。 gcc知道在编译时5 * 4 = 20，因此如果您使用结果*可以优化为立即数multiply(4,5)。但是gcc不知道asm的作用，因此它至少必须将输入一次提供给它。（不过，非20表示如果您在循环中使用volatile则可以对结果进行CSE。）

因此，内联asm击败了持续传播。即使只有一个输入是常量，而另一个是运行时变量，这也很重要。许多小的整数乘法器可以用一个或2条LEA指令或一个移位（与现代x86上asmMultiply(4,5)的3c相比，延迟较低）来实现。

https://gcc.gnu.org/wiki/DontUseInlineAsm

我能想象到的唯一用例imul的帮助是，如果编译器在实际上是前端绑定的情况下使用2x LEA指令，其中asm会让它与1个uop而不是2个。但是您的asm消除了使用立即数的可能性（您只允许使用寄存器约束），并且GNU C内联不能让您对立即数和寄存器arg使用不同的模板。也许您对仅寄存器部分使用了多个替代约束和匹配的寄存器约束？但是，不，您仍然必须拥有类似imul $constant, %[src], %[dst]之类的东西，但它不适用于reg，reg。

您可以使用asm("%2, %1, %0" :...)，它将与GCC配合使用以击败LEA。还是无论如何都需要一个常数乘数，因为您只想将其用于特定的gcc版本，以解决特定的遗漏优化问题。（就是这么小巧，实际上您不会这样做。）

您的代码on the Godbolt compiler explorer ，其中if(__builtin_constant_p(a)) { asm using imul-immediate } else { return a*b; }用于x86-64 System V调用约定：

clang7.0 -O3

TL：DR：如果您想了解这种细粒度的内联asm性能，则需要首先了解编译器如何进行优化。

How to remove "noise" from GCC/clang assembly output?

C++ code for testing the Collatz conjecture faster than hand-written assembly - why?

Modern x86 cost model

What considerations go into predicting latency for operations on modern superscalar processors and how can I calculate them by hand?

为什么C中的asm代码功能比c代码功能花费更多的时间？

2 个答案: