構造体の割り当てを最適化する際にコンパイラがどの程度優れているかを知りたくて、いくつかのテストを行ったところ、驚くべき結果が得られました。(この質問は GCC に伝えたいと思います。)
特に、GCC 4.6.3 (-O3) (編集: GCC 4.8.0 の出力も含めます) が次のコードを生成するアセンブラーを見ていました。
template<class T>
struct C
{
T F[3];
C(){}
C(const T& t0,const T& t1,const T& t2): F{{t0},{t1},{t2}} {}
};
template<class T>
__attribute__((always_inline))
C<T>
operator+( const C<T>& l , const C<T>& r )
{
return C<T>( l.F[0] + r.F[0] ,
l.F[1] + r.F[1] ,
l.F[2] + r.F[2] );
}
int main()
{
C<C<C<float> > > a,b,c;
a=b+c;
printf("%s",(const char*)&a);
}
ここでアセンブラ：
movss 264(%rsp), %xmm0
leaq 48(%rsp), %rbx
leaq 156(%rsp), %rbp
addss 376(%rsp), %xmm0
movss %xmm0, 4(%rsp)
movss 260(%rsp), %xmm0
addss 372(%rsp), %xmm0
movss %xmm0, 8(%rsp)
movss 256(%rsp), %xmm0
addss 368(%rsp), %xmm0
movss %xmm0, 12(%rsp)
movss 252(%rsp), %xmm0
addss 364(%rsp), %xmm0
movss %xmm0, 16(%rsp)
movss 248(%rsp), %xmm0
addss 360(%rsp), %xmm0
movss %xmm0, 20(%rsp)
movss 244(%rsp), %xmm0
addss 356(%rsp), %xmm0
movss %xmm0, 24(%rsp)
movss 240(%rsp), %xmm0
addss 352(%rsp), %xmm0
movss %xmm0, 28(%rsp)
movss 236(%rsp), %xmm0
addss 348(%rsp), %xmm0
movss %xmm0, 32(%rsp)
movss 232(%rsp), %xmm0
addss 344(%rsp), %xmm0
movss %xmm0, 36(%rsp)
movss 228(%rsp), %xmm0
addss 340(%rsp), %xmm0
movss %xmm0, 40(%rsp)
movss 224(%rsp), %xmm0
addss 336(%rsp), %xmm0
movss %xmm0, 44(%rsp) // 11-th
movss 220(%rsp), %xmm0
movss 164(%rsp), %xmm14
movss 160(%rsp), %xmm15
addss 332(%rsp), %xmm0
addss 272(%rsp), %xmm15
movss 216(%rsp), %xmm1
addss 276(%rsp), %xmm14
movss 212(%rsp), %xmm2
movss 208(%rsp), %xmm3
addss 328(%rsp), %xmm1
movss 204(%rsp), %xmm4
addss 324(%rsp), %xmm2
movss 200(%rsp), %xmm5
addss 320(%rsp), %xmm3
movss 196(%rsp), %xmm6
addss 316(%rsp), %xmm4
movss 192(%rsp), %xmm7
addss 312(%rsp), %xmm5
movss 188(%rsp), %xmm8
addss 308(%rsp), %xmm6
movss 184(%rsp), %xmm9
addss 304(%rsp), %xmm7
movss 180(%rsp), %xmm10
addss 300(%rsp), %xmm8
movss 176(%rsp), %xmm11
addss 296(%rsp), %xmm9
movss 172(%rsp), %xmm12
addss 292(%rsp), %xmm10
movss 168(%rsp), %xmm13
addss 288(%rsp), %xmm11
addss 284(%rsp), %xmm12
movss %xmm15, 384(%rsp)
addss 280(%rsp), %xmm13 // all 27 floats added
movss %xmm14, 388(%rsp)
movss %xmm0, 444(%rsp)
movss 44(%rsp), %xmm0
movss %xmm0, 448(%rsp)
movss 40(%rsp), %xmm0
movss %xmm0, 452(%rsp)
movss 36(%rsp), %xmm0
movss %xmm0, 456(%rsp)
movss 32(%rsp), %xmm0
movss %xmm0, 460(%rsp)
movss 28(%rsp), %xmm0
movss %xmm0, 464(%rsp)
movss 24(%rsp), %xmm0
movss %xmm0, 468(%rsp)
movss 20(%rsp), %xmm0
movss %xmm0, 472(%rsp)
movss 16(%rsp), %xmm0
movss %xmm0, 476(%rsp)
movss 12(%rsp), %xmm0
movss %xmm0, 480(%rsp)
movss 8(%rsp), %xmm0
movss %xmm13, 392(%rsp)
movss %xmm12, 396(%rsp)
movss %xmm11, 400(%rsp)
movss %xmm10, 404(%rsp)
movss %xmm9, 408(%rsp)
movss %xmm8, 412(%rsp)
movss %xmm7, 416(%rsp)
movss %xmm6, 420(%rsp)
movss %xmm5, 424(%rsp)
movss %xmm4, 428(%rsp)
movss %xmm3, 432(%rsp)
movss %xmm2, 436(%rsp)
movss %xmm1, 440(%rsp)
movss %xmm0, 484(%rsp) // Storing of temporary finished
movq 384(%rsp), %rax // Now begin copy temporary to destination
movss 4(%rsp), %xmm0
movss %xmm0, 488(%rsp)
movq %rax, 48(%rsp)
movq 392(%rsp), %rax
movq %rax, 56(%rsp)
movq 400(%rsp), %rax
movq %rax, 64(%rsp)
movq 408(%rsp), %rax
movq %rax, 72(%rsp)
movq 416(%rsp), %rax
movq %rax, 80(%rsp)
movq 424(%rsp), %rax
movq %rax, 88(%rsp)
movq 432(%rsp), %rax
movq %rax, 96(%rsp)
movq 440(%rsp), %rax
movq %rax, 104(%rsp)
movq 448(%rsp), %rax
movq %rax, 112(%rsp)
movq 456(%rsp), %rax
movq %rax, 120(%rsp)
movq 464(%rsp), %rax
movq %rax, 128(%rsp)
movq 472(%rsp), %rax
movq %rax, 136(%rsp)
movq 480(%rsp), %rax
movq %rax, 144(%rsp)
movl 488(%rsp), %eax
movl %eax, 152(%rsp) // Whole struct copied
.p2align 4,,10
アセンブラは、示された行から始まる (ネストされた) 構造体全体の追加のコピーを表示します。これは、コンパイラーが割り当てを発行する必要があるためだと言う人もいるかもしれません (省略できるコピーとは対照的に)。
実験を繰り返しました。今回は、3 重にネストされた構造体の代わりに、2 重にネストされた構造体のみを使用しました。その後、追加のコピーは行われません。2 番目の実験のコードは次のとおりです。
int main()
{
C<C<float> > a,b,c;
a=b+c;
printf("%s",(const char*)&a);
}
そしてアセンブラ：
movss 80(%rsp), %xmm0
movq %rsp, %rdx
movss 76(%rsp), %xmm1
addss 128(%rsp), %xmm0
movss 72(%rsp), %xmm2
addss 124(%rsp), %xmm1
movss 68(%rsp), %xmm3
addss 120(%rsp), %xmm2
movss 64(%rsp), %xmm4
addss 116(%rsp), %xmm3
movss 60(%rsp), %xmm5
addss 112(%rsp), %xmm4
movss 56(%rsp), %xmm6
addss 108(%rsp), %xmm5
movss 52(%rsp), %xmm7
addss 104(%rsp), %xmm6
movss 48(%rsp), %xmm8
addss 100(%rsp), %xmm7
addss 96(%rsp), %xmm8
xorl %eax, %eax
movss %xmm2, 24(%rsp)
movss %xmm3, 20(%rsp)
movss %xmm4, 16(%rsp)
movss %xmm5, 12(%rsp)
movss %xmm6, 8(%rsp)
movss %xmm7, 4(%rsp)
movss %xmm8, (%rsp)
movss %xmm1, 28(%rsp)
movss %xmm0, 32(%rsp)
一時構造体 (の結果を保持するためb+c) をレジスタ ファイル (9 レジスタ、xmm0-xmm8) に完全に割り当て、その後コピーせずに格納できることは明らかです。
ただし、操作 (追加 + 代入) は、ストレージ コンテナーで動作する命令に対して弱いデータ依存性しかもたらしません。私が尋ねている質問は次のとおりです。最初の実験では、データの依存関係により命令の最適なスケジューリングが可能になるため、追加のコピーが不要になるようにコンパイラが命令をスケジュールしないのはなぜですか。つまり、結果を直接保存する最終メモリアドレスに？コンパイラが調べることができない依存関係または境界の側面があり、この種の最適化を効果的に妨げていますか?
編集：
GCC 4.8.0 (-std=c++0x -S -O3) から作成されたアセンブラー:
movss 264(%rsp), %xmm0
leaq 48(%rsp), %rdx
movss 260(%rsp), %xmm1
addss 376(%rsp), %xmm0
movss 256(%rsp), %xmm2
addss 372(%rsp), %xmm1
movss 252(%rsp), %xmm3
addss 368(%rsp), %xmm2
movss 248(%rsp), %xmm4
addss 364(%rsp), %xmm3
movss 244(%rsp), %xmm5
addss 360(%rsp), %xmm4
addss 356(%rsp), %xmm5
movss 196(%rsp), %xmm11
addss 308(%rsp), %xmm11
movss %xmm0, 4(%rsp)
movss %xmm1, 8(%rsp)
movss %xmm2, 12(%rsp)
movss %xmm3, 16(%rsp)
movss %xmm4, 20(%rsp)
movss %xmm5, 24(%rsp)
movss 240(%rsp), %xmm0
movss 236(%rsp), %xmm1
movss 232(%rsp), %xmm2
addss 352(%rsp), %xmm0
movss 228(%rsp), %xmm3
addss 348(%rsp), %xmm1
movss 224(%rsp), %xmm4
addss 344(%rsp), %xmm2
movss 220(%rsp), %xmm5
addss 340(%rsp), %xmm3
movss 216(%rsp), %xmm6
addss 336(%rsp), %xmm4
movss 212(%rsp), %xmm7
addss 332(%rsp), %xmm5
movss 208(%rsp), %xmm8
addss 328(%rsp), %xmm6
movss 204(%rsp), %xmm9
addss 324(%rsp), %xmm7
movss 200(%rsp), %xmm10
addss 320(%rsp), %xmm8
addss 316(%rsp), %xmm9
addss 312(%rsp), %xmm10
movss %xmm11, 28(%rsp)
movss 192(%rsp), %xmm12
movss 188(%rsp), %xmm13
movss 184(%rsp), %xmm14
addss 304(%rsp), %xmm12
movss 180(%rsp), %xmm15
addss 300(%rsp), %xmm13
addss 296(%rsp), %xmm14
movss 176(%rsp), %xmm11
addss 292(%rsp), %xmm15
addss 288(%rsp), %xmm11
movss %xmm12, 32(%rsp)
movss %xmm13, 36(%rsp)
movss %xmm14, 40(%rsp)
movss %xmm15, 44(%rsp)
movss 172(%rsp), %xmm12
movss 168(%rsp), %xmm13
movss 164(%rsp), %xmm14
addss 284(%rsp), %xmm12
movss 160(%rsp), %xmm15
addss 280(%rsp), %xmm13
addss 276(%rsp), %xmm14
movss %xmm11, 400(%rsp)
addss 272(%rsp), %xmm15
movss %xmm12, 396(%rsp)
movss %xmm13, 392(%rsp)
movss %xmm14, 388(%rsp)
movss 36(%rsp), %xmm13
movss 40(%rsp), %xmm14
movss %xmm15, 384(%rsp)
movss 32(%rsp), %xmm12
movss 44(%rsp), %xmm15
movss %xmm15, 404(%rsp)
movss %xmm14, 408(%rsp)
movss %xmm13, 412(%rsp)
movss %xmm12, 416(%rsp)
movq 384(%rsp), %rax
movss 28(%rsp), %xmm11
movss %xmm11, 420(%rsp)
movq %rax, 48(%rsp)
movq 392(%rsp), %rax
movss %xmm5, 444(%rsp)
movss %xmm4, 448(%rsp)
movss 24(%rsp), %xmm5
movq %rax, 56(%rsp)
movss %xmm3, 452(%rsp)
movq 400(%rsp), %rax
movss 20(%rsp), %xmm4
movss 16(%rsp), %xmm3
movss %xmm2, 456(%rsp)
movq %rax, 64(%rsp)
movq 408(%rsp), %rax
movss %xmm1, 460(%rsp)
movss 12(%rsp), %xmm2
movss 8(%rsp), %xmm1
movq %rax, 72(%rsp)
movq 416(%rsp), %rax
movss %xmm0, 464(%rsp)
movss 4(%rsp), %xmm0
movss %xmm10, 424(%rsp)
movss %xmm9, 428(%rsp)
movss %xmm8, 432(%rsp)
movss %xmm7, 436(%rsp)
movss %xmm6, 440(%rsp)
movss %xmm5, 468(%rsp)
movss %xmm4, 472(%rsp)
movss %xmm3, 476(%rsp)
movss %xmm2, 480(%rsp)
movss %xmm1, 484(%rsp)
movss %xmm0, 488(%rsp)
movq %rax, 80(%rsp)
movq 424(%rsp), %rax
movq %rax, 88(%rsp)
movq 432(%rsp), %rax
movq %rax, 96(%rsp)
movq 440(%rsp), %rax
movq %rax, 104(%rsp)
movq 448(%rsp), %rax
movq %rax, 112(%rsp)
movq 456(%rsp), %rax
movq %rax, 120(%rsp)
movq 464(%rsp), %rax
movq %rax, 128(%rsp)
movq 472(%rsp), %rax
movq %rax, 136(%rsp)
movq 480(%rsp), %rax
movq %rax, 144(%rsp)
movl 488(%rsp), %eax
movl %eax, 152(%rsp)
追加のコピーはまだそこにあります。