できるだけ高速にする必要がある関数があり、整数演算のみを使用しています。これは AMD64 アーキテクチャで動作し、十分な数のレジスタを操作するには、いくつかのプッシュ/ポップを実行する必要があります。x64 ABI では、最初の 4 つの浮動小数点レジスタ (XMM0、XMM1、XMM2、および XMM3) は揮発性であり、関数呼び出し間で保持する必要はないと述べています。
そこで、スタックを使用する代わりに、movq (MMX または SSE 命令セット) を介してこれらのレジスタ (つまり、MM0、MM1、...) の下位 64 ビットに保存する必要がある 64 ビット レジスタを格納して、自分自身を節約できると考えました。いくつかのメモリのロード/ストア。さらに、EMMS を使用して FPU の状態を保存する必要はありません。これは目的に反します。浮動小数点レジスタを実際に操作するのではなく、ストレージとしてのみ使用するためです (とにかく、x87 ユニットはほとんど使用されません)。 x64 (基本的に SSE に取って代わられるため)
私は変更を行い、それは機能します (クラッシュはなく、パフォーマンスが 4% 向上しています)。しかし、この「ハック」が本当に機能するのか、それとも見逃した可能性のある特定の副作用 (FPU 状態など) が導入されるのか疑問に思っています。使ってないのに腐敗とか、そういうものです）。また、FPU レジスタへのロード/ストアは、現在のアーキテクチャのメモリ ロード/ストアよりも常に高速ですか?
そして、はい、この最適化は本当に必要です。公平を期すために、これはコードのメンテナンス コストを大幅に低下させるものではなく、1 行のコメントでそのトリックを説明するのに十分です。したがって、意図しない結果なしに無料でバイトあたりのクロック数を2、3減らすことができれば、喜んで受け取ります:)
ありがとう。