82

だから、私はこのコードを持っていました：

constexpr unsigned N = 1000;
void f1(char* sum, char* a, char* b) {
    for(int i = 0; i < N; ++i) {
        sum[i] = a[i] + b[i];
    }
}

void f2(char* sum, char* a, char* b) {
    char* end = sum + N;
    while(sum != end) {
        *sum++ = *a++ + *b++;
    }
}

GCC4.7.2が生成するコードを見たかったのです。だから私は走っg++ -march=native -O3 -masm=intel -S a.c++ -std=c++11て次の出力を得ました：

        .file   "a.c++"
        .intel_syntax noprefix
        .text
        .p2align 4,,15
        .globl  _Z2f1PcS_S_
        .type   _Z2f1PcS_S_, @function
_Z2f1PcS_S_:
.LFB0:
        .cfi_startproc
        lea     rcx, [rdx+16]
        lea     rax, [rdi+16]
        cmp     rdi, rcx
        setae   r8b
        cmp     rdx, rax
        setae   cl
        or      cl, r8b
        je      .L5
        lea     rcx, [rsi+16]
        cmp     rdi, rcx
        setae   cl
        cmp     rsi, rax
        setae   al
        or      cl, al
        je      .L5
        xor     eax, eax
        .p2align 4,,10
        .p2align 3
.L3:
        movdqu  xmm0, XMMWORD PTR [rdx+rax]
        movdqu  xmm1, XMMWORD PTR [rsi+rax]
        paddb   xmm0, xmm1
        movdqu  XMMWORD PTR [rdi+rax], xmm0
        add     rax, 16
        cmp     rax, 992
        jne     .L3
        mov     ax, 8
        mov     r9d, 992
.L2:
        sub     eax, 1
        lea     rcx, [rdx+r9]
        add     rdi, r9
        lea     r8, [rax+1]
        add     rsi, r9
        xor     eax, eax
        .p2align 4,,10
        .p2align 3
.L4:
        movzx   edx, BYTE PTR [rcx+rax]
        add     dl, BYTE PTR [rsi+rax]
        mov     BYTE PTR [rdi+rax], dl
        add     rax, 1
        cmp     rax, r8
        jne     .L4
        rep
        ret
.L5:
        mov     eax, 1000
        xor     r9d, r9d
        jmp     .L2
        .cfi_endproc
.LFE0:
        .size   _Z2f1PcS_S_, .-_Z2f1PcS_S_
        .p2align 4,,15
        .globl  _Z2f2PcS_S_
        .type   _Z2f2PcS_S_, @function
_Z2f2PcS_S_:
.LFB1:
        .cfi_startproc
        lea     rcx, [rdx+16]
        lea     rax, [rdi+16]
        cmp     rdi, rcx
        setae   r8b
        cmp     rdx, rax
        setae   cl
        or      cl, r8b
        je      .L19
        lea     rcx, [rsi+16]
        cmp     rdi, rcx
        setae   cl
        cmp     rsi, rax
        setae   al
        or      cl, al
        je      .L19
        xor     eax, eax
        .p2align 4,,10
        .p2align 3
.L17:
        movdqu  xmm0, XMMWORD PTR [rdx+rax]
        movdqu  xmm1, XMMWORD PTR [rsi+rax]
        paddb   xmm0, xmm1
        movdqu  XMMWORD PTR [rdi+rax], xmm0
        add     rax, 16
        cmp     rax, 992
        jne     .L17
        add     rdi, 992
        add     rsi, 992
        add     rdx, 992
        mov     r8d, 8
.L16:
        xor     eax, eax
        .p2align 4,,10
        .p2align 3
.L18:
        movzx   ecx, BYTE PTR [rdx+rax]
        add     cl, BYTE PTR [rsi+rax]
        mov     BYTE PTR [rdi+rax], cl
        add     rax, 1
        cmp     rax, r8
        jne     .L18
        rep
        ret
.L19:
        mov     r8d, 1000
        jmp     .L16
        .cfi_endproc
.LFE1:
        .size   _Z2f2PcS_S_, .-_Z2f2PcS_S_
        .ident  "GCC: (GNU) 4.7.2"
        .section        .note.GNU-stack,"",@progbits

私はアセンブリを読むのが苦手なので、ループの本体がどこに行ったかを知るためにいくつかのマーカーを追加することにしました。

constexpr unsigned N = 1000;
void f1(char* sum, char* a, char* b) {
    for(int i = 0; i < N; ++i) {
        asm("# im in ur loop");
        sum[i] = a[i] + b[i];
    }
}

void f2(char* sum, char* a, char* b) {
    char* end = sum + N;
    while(sum != end) {
        asm("# im in ur loop");
        *sum++ = *a++ + *b++;
    }
}

そしてGCCはこれを吐き出しました：

    .file   "a.c++"
    .intel_syntax noprefix
    .text
    .p2align 4,,15
    .globl  _Z2f1PcS_S_
    .type   _Z2f1PcS_S_, @function
_Z2f1PcS_S_:
.LFB0:
    .cfi_startproc
    xor eax, eax
    .p2align 4,,10
    .p2align 3
.L2:
#APP
# 4 "a.c++" 1
    # im in ur loop
# 0 "" 2
#NO_APP
    movzx   ecx, BYTE PTR [rdx+rax]
    add cl, BYTE PTR [rsi+rax]
    mov BYTE PTR [rdi+rax], cl
    add rax, 1
    cmp rax, 1000
    jne .L2
    rep
    ret
    .cfi_endproc
.LFE0:
    .size   _Z2f1PcS_S_, .-_Z2f1PcS_S_
    .p2align 4,,15
    .globl  _Z2f2PcS_S_
    .type   _Z2f2PcS_S_, @function
_Z2f2PcS_S_:
.LFB1:
    .cfi_startproc
    xor eax, eax
    .p2align 4,,10
    .p2align 3
.L6:
#APP
# 12 "a.c++" 1
    # im in ur loop
# 0 "" 2
#NO_APP
    movzx   ecx, BYTE PTR [rdx+rax]
    add cl, BYTE PTR [rsi+rax]
    mov BYTE PTR [rdi+rax], cl
    add rax, 1
    cmp rax, 1000
    jne .L6
    rep
    ret
    .cfi_endproc
.LFE1:
    .size   _Z2f2PcS_S_, .-_Z2f2PcS_S_
    .ident  "GCC: (GNU) 4.7.2"
    .section    .note.GNU-stack,"",@progbits

これはかなり短く、SIMD命令がないなど、いくつかの重要な違いがあります。私は同じ出力を期待していましたが、その途中にいくつかのコメントがありました。私はここでいくつか間違った仮定をしていますか？GCCのオプティマイザはasmコメントによって妨げられていますか？

4

4 に答える 4

63

最適化との相互作用については、ドキュメントの「C式オペランドを使用したアセンブラ命令」ページの約半分で説明されています。

GCCは、内部の実際のアセンブリを理解しようとはしませんasm。コンテンツについて知っているのは、（オプションで）出力および入力オペランドの指定とレジスタクローバーリストでそれを伝えることだけです。

特に、次の点に注意してください。

出力オペランドのasmない命令は、揮発性asm命令と同じように扱われます。

と

volatileキーワードは、命令に重要な副作用があることを示しています[... ]

したがって、asmGCCは副作用があると想定しているため、ループ内に存在することでベクトル化の最適化が妨げられています。

于 2012-12-19T15:18:22.663 に答える
23

gccはコードをベクトル化し、ループ本体を2つの部分に分割し、最初の部分は一度に16項目を処理し、2番目の部分は後で残りを処理することに注意してください。

Iraがコメントしたように、コンパイラはasmブロックを解析しないため、それが単なるコメントであることを認識しません。たとえそうだったとしても、それはあなたが何を意図したのかを知る方法がありません。最適化されたループはボディが2倍になっていますが、それぞれにasmを入れる必要がありますか？1000回も実行されないようにしませんか？わからないので、安全なルートをたどり、単純なシングルループにフォールバックします。

于 2012-12-19T15:14:46.143 に答える
3

asm()「gccはブロックの内容を理解していない」ということに同意しません。たとえば、gccはパラメーターの最適化を非常にうまく処理できasm()、生成されたCコードと混ざり合うようにブロックを再配置することもできます。これが、たとえばLinuxカーネルでインラインアセンブラを見る場合__volatile__、コンパイラが「コードを移動しない」ことを保証するために、ほとんどの場合、プレフィックスが付けられている理由です。私はgccに「rdtsc」を動かしてもらいました。これにより、特定のことを行うのにかかった時間を測定しました。

文書化されているように、gccは特定のタイプのasm()ブロックを「特別な」ものとして扱うため、ブロックの両側のコードを最適化しません。

それは、gccがインラインアセンブラブロックによって混乱したり、アセンブラコードなどの結果に追随できないために特定の最適化をあきらめたりしないことを意味するわけではありません。さらに重要なのは、 clobberタグがないために混乱することがよくあります。cpuidこれはEAX-EDXの値を変更しますが、EAXのみを使用するようにコードを記述した場合、コンパイラーはEBX、ECX、およびEDXにデータを格納する可能性があり、これらのレジスターが上書きされるとコードは非常に奇妙に動作します...幸運なことに、すぐにクラッシュします。そうすれば、何が起こっているのかを簡単に理解できます。しかし、運が悪ければ、それは途中でクラッシュします...もう1つのトリッキーなものは、edxで2番目の結果を与えるdivide命令です。モジュロを気にしないのであれば、EDXが変更されたことを忘れがちです。

于 2012-12-20T16:31:11.257 に答える
-2

この回答は現在変更されています。元々は、インラインBasic Asmを非常に強力に指定されたツールと見なす考え方で書かれていましたが、GCCではそのようなものではありません。基本的なAsmは弱いので、答えは編集されました。

各アセンブリコメントはブレークポイントとして機能します。

編集：しかし、あなたが基本的なAsmを使うので、壊れたもの。明示的なクローバーリストのないインラインasm（関数本体内のステートメント）は、GCCで弱く指定された機能であり、その動作を定義するのは困難です。asm特に何にも付いていないようです（保証が十分にわかりません）ので、関数を実行する場合はある時点でアセンブリコードを実行する必要がありますが、それ以外の場合はいつ実行するかは明確ではありません些細な最適化レベル。隣接する命令で並べ替えることができるブレークポイントは、あまり有用な「ブレークポイント」ではありません。編集終了

各コメントで中断し、すべての変数の状態を（デバッグ情報を使用して）出力するインタープリターでプログラムを実行できます。これらのポイントは、環境（レジスタとメモリの状態）を監視するために存在する必要があります。

コメントがない場合、観測点は存在せず、ループは、環境を取得して変更された環境を生成する単一の数学関数としてコンパイルされます。

意味のない質問の答えを知りたい：各命令（またはブロック、あるいは命令の範囲）がどのようにコンパイルされるかを知りたいが、単一の分離された命令（またはブロック）はコンパイルされない。すべてのものが全体としてコンパイルされます。

より良い質問は次のとおりです。

こんにちはGCC。このasm出力がソースコードを実装していると思うのはなぜですか？あらゆる前提で、段階的に説明してください。

ただし、GCC内部表現で記述されたasm出力よりも長いプルーフを読みたくない場合があります。

于 2015-10-06T02:22:46.410 に答える