Question

我最近一直在写x86程序集（为了好玩），并且想知道rep前缀字符串指令是否实际上在现代处理器上具有性能优势，或者它们是否仅用于后向兼容性。

我能理解为什么当处理器一次只运行一条指令时，英特尔最初会实施转发指令，但现在使用它们有什么好处呢？

使用可以编译更多指令的循环，还有更多要填充管道和/或无序发布。现代处理器是为优化这些带有重复前缀的指令而构建的，还是在现代代码中很少使用的rep指令，它们对制造商来说并不重要？

Answer 1

在AMD和英特尔的优化指南中，这样的问题都有很多空间。在这个领域给出的建议的有效性具有“半衰期” - 不同的CPU代表行为不同，例如：

AMD Software Optimization Guide (Sep/2005)，第8.3节，pg。 167：
执行字符串操作时，请避免使用REP前缀，尤其是在复制内存块时。
AMD Software Optimization Guide (Apr/2011)，第9.3节，pg。 148：
执行字符串操作时，明智地使用REP前缀。

Intel Architecture Optimization Manual给出了表7-2中各种块复制技术（包括rep stosd）的性能比较数据。内存复制例程的相对性能，pg。 7-37f。，对于不同的CPU，再一次在其他CPU上最快的可能不是最快的。

在许多情况下，最近的x86 CPU（具有“字符串”SSE4.2操作）可以通过SIMD单元执行字符串操作，请参阅this investigation。

要跟进所有这些（和/或当事情再次发生变化时不断更新），请阅读Agner Fog's Optimization guides/blogs。

Answer 2

除了FrankH的优秀答案;我想指出哪种方法最好也取决于字符串的长度，它的对齐方式，以及长度是固定的还是可变的。

对于小字符串（可能高达约16个字节），使用简单指令手动执行它可能更快，因为它避免了更复杂技术的设置成本（并且对于固定大小的字符串可以很容易地展开）。对于中等大小的字符串（可能从16字节到4 KiB），类似“REP MOVSD”（如果可能出现未对准，则会引入一些“MOVSB”指令）可能是最好的。

对于任何大于此的东西，有些人会想要进入SSE / AVX和预取等。更好的想法是修复调用者，以便不需要复制（或strlen（）或其他）首先。如果你足够努力，你几乎总会找到一种方法。 注意：也要非常警惕“假定的”快速mempcy（）例程 - 通常它们已经在大量字符串上进行了测试，而不是在更可能的微小/小/中等字符串上进行测试。

还要注意（出于优化而不是方便的目的）由于所有这些差异（可能是长度，对齐，固定或可变大小，CPU类型等），有一个多用途“memcpy（）”的想法因为所有非常不同的案件都是近视的。

Answer 3

由于没有人给你任何数字，我会给你一些我通过对我的垃圾收集器进行基准测试而得到的，这是非常重要的。我要复制的对象长度为60％16字节，其余30％为500 - 8000字节左右。

前提条件：dst，src和n都是8的倍数。
处理器：AMD Phenom（tm）II X6 1090T处理器64位/ linux

以下是我的三个memcpy变体：

手动编码while循环：

if (n == 16) {
    *dst++ = *src++;
    *dst++ = *src++;
} else {
    size_t n_ptrs = n / sizeof(ptr);
    ptr *end = dst + n_ptrs;
    while (dst < end) {
        *dst++ = *src++;
    }
}

（ptr是uintptr_t的别名）。时间：101.16％

rep movsb

if (n == 16) {
    *dst++ = *src++;
    *dst++ = *src++;
} else {
    asm volatile("cld\n\t"
                 "rep ; movsb"
                 : "=D" (dst), "=S" (src)
                 : "c" (n), "D" (dst), "S" (src)
                 : "memory");
}

时间：103.22％

rep movsq

if (n == 16) {
    *dst++ = *src++;
    *dst++ = *src++;
} else {
    size_t n_ptrs = n / sizeof(ptr);
    asm volatile("cld\n\t"
                 "rep ; movsq"
                 : "=D" (dst), "=S" (src)
                 : "c" (n_ptrs), "D" (dst), "S" (src)
                 : "memory");
}

时间：100.00％

req movsq获得微弱优势。

在现代（流水线/超标量）处理器上执行x86 rep指令

3 个答案: