我想要一条长延迟的单指令x86 1 指令，以便创建长的依赖链，作为测试微体系结构功能的一部分。
当前我正在使用fsqrt，但我想知道还有更好的方法。
理想情况下，该指令在以下标准上得分会很高：
因此，fsqrt在大多数情况下都可以，但是等待时间并不长，并且似乎很难与GP规则链接。
1 特别是在现代的Intel x86上，如果它在AMD Zen *上也能很好地工作，则可以加分。
答案 0 :(得分：3)
主流Intel CPU没有任何很长等待时间的单uup整数指令。在所有ALU端口上都有用于1周期等待时间的整数ALU，在端口1上有3周期等待时间的流水线ALU。我认为AMD是相似的。
div / sqrt单元是唯一真正的高延迟ALU，但是整数div / idiv在Intel上进行了微编码，因此，请使用FP，其中div / sqrt通常是单uup指令。
AMD的整数div / idiv是2 uop指令（可能要写入2个输出），并具有与数据有关的延迟。
此外，AMD Bulldozer / Piledriver（2个整数内核共享一个SIMD / FP单元）对于movd xmm, r32（10c 2 oups）和movd r32, xmm（8c 1 uop）具有很高的延迟。 Steamroller将其每个缩短1c。 Ryzen在任一方向上都有3个循环1个单位。
movd便宜：具有1周期（Broadwell和更早版本）或2周期延迟（Skylake）的单Uop。 （https://agner.org/optimize/）
sqrtss具有固定的延迟（在IvB及更高版本上），可能输入不正常除外。如果整数整数链仅涉及任意整数位模式的movd xmm, r32，则可能需要设置DAZ / FTZ以消除FP辅助的可能性。 NaN输入很好；不会导致SSE / AVX数学运算变慢，只有x87。
其他CPU（Sandybridge和更早的版本，以及所有AMD）具有可变延迟sqrtss，因此您可能希望控制那里的起始位模式。
如果您想使用sqrtsd来获得比u sqrtss 更高的每单位延迟时间，则该方法同样适用。即使在Skylake上，延迟仍然是可变的。 （15-16个周期）。
您可以假设等待时间是输入位模式的纯函数，因此每次以相同的输入启动sqrtss指令链将产生相同的延迟。或以0.0，1.0，+inf或NaN的开始输入，您将为每个uop获得相同的延迟。顺序。
（简单的输入（例如1.0和0.0）（输入和输出中的几个有效数字）可能以最低的延迟运行。sqrt（1.0）= 1.0和sqrt（0）= 0，所以它们是自持久的。 sqrt（NaN）= NaN）
您可以在链中使用and reg, 0或其他不中断零位来控制输入位模式。或or reg, -1创建NaN。然后，您可以在Sandybridge或更早版本以及包括Zen在内的AMD上获得固定的延迟。
或者也许是pinsrw xmm0, eax, 7（Intel 5端口为2 oups）仅修改XMM的高位qword，而将底部保留为已知的0.0或1.0。除非端口5的压力不是问题，否则便宜到and仅用0并使用movd可能更便宜。
要创建吞吐量瓶颈（而不是延迟），您对Skylake的最佳选择是vsqrtpd ymm-p0为1 uop，延迟= 15-16，吞吐量= 9-12。< / p>
在Broadwell和更早的版本中，这是3 oups（2p0 p15），但是我认为Skylake拓宽了SIMD分频器（我想是在为AVX512做准备）。
答案 1 :(得分：2)
vsqrtss可能比fsqrt更好一些，因为它至少满足了与GP寄存器的相对容易的链接（因为GP <->向量距离movd仅一步之遥）。