使用此指针会导致热循环中出现奇怪的反优化

Question

我最近遇到了一个奇怪的反优化（或者说错过了优化机会）。

考虑使用此函数将 3 位整数数组高效解包为 8 位整数。它在每次循环迭代中解压 16 个整数：

void unpack3bit(uint8_t* target, char* source, int size) {
   while(size > 0){
      uint64_t t = *reinterpret_cast<uint64_t*>(source);
      target[0] = t & 0x7;
      target[1] = (t >> 3) & 0x7;
      target[2] = (t >> 6) & 0x7;
      target[3] = (t >> 9) & 0x7;
      target[4] = (t >> 12) & 0x7;
      target[5] = (t >> 15) & 0x7;
      target[6] = (t >> 18) & 0x7;
      target[7] = (t >> 21) & 0x7;
      target[8] = (t >> 24) & 0x7;
      target[9] = (t >> 27) & 0x7;
      target[10] = (t >> 30) & 0x7;
      target[11] = (t >> 33) & 0x7;
      target[12] = (t >> 36) & 0x7;
      target[13] = (t >> 39) & 0x7;
      target[14] = (t >> 42) & 0x7;
      target[15] = (t >> 45) & 0x7;
      source+=6;
      size-=6;
      target+=16;
   }
}

这是为部分代码生成的程序集：

 ...
 367:   48 89 c1                mov    rcx,rax
 36a:   48 c1 e9 09             shr    rcx,0x9
 36e:   83 e1 07                and    ecx,0x7
 371:   48 89 4f 18             mov    QWORD PTR [rdi+0x18],rcx
 375:   48 89 c1                mov    rcx,rax
 378:   48 c1 e9 0c             shr    rcx,0xc
 37c:   83 e1 07                and    ecx,0x7
 37f:   48 89 4f 20             mov    QWORD PTR [rdi+0x20],rcx
 383:   48 89 c1                mov    rcx,rax
 386:   48 c1 e9 0f             shr    rcx,0xf
 38a:   83 e1 07                and    ecx,0x7
 38d:   48 89 4f 28             mov    QWORD PTR [rdi+0x28],rcx
 391:   48 89 c1                mov    rcx,rax
 394:   48 c1 e9 12             shr    rcx,0x12
 398:   83 e1 07                and    ecx,0x7
 39b:   48 89 4f 30             mov    QWORD PTR [rdi+0x30],rcx
 ...

它看起来很有效。只需一个shift right，后跟一个and，然后是一个store 到target 缓冲区。但是现在，看看当我将函数更改为结构中的方法时会发生什么：

struct T{
   uint8_t* target;
   char* source;
   void unpack3bit( int size);
};

void T::unpack3bit(int size) {
        while(size > 0){
           uint64_t t = *reinterpret_cast<uint64_t*>(source);
           target[0] = t & 0x7;
           target[1] = (t >> 3) & 0x7;
           target[2] = (t >> 6) & 0x7;
           target[3] = (t >> 9) & 0x7;
           target[4] = (t >> 12) & 0x7;
           target[5] = (t >> 15) & 0x7;
           target[6] = (t >> 18) & 0x7;
           target[7] = (t >> 21) & 0x7;
           target[8] = (t >> 24) & 0x7;
           target[9] = (t >> 27) & 0x7;
           target[10] = (t >> 30) & 0x7;
           target[11] = (t >> 33) & 0x7;
           target[12] = (t >> 36) & 0x7;
           target[13] = (t >> 39) & 0x7;
           target[14] = (t >> 42) & 0x7;
           target[15] = (t >> 45) & 0x7;
           source+=6;
           size-=6;
           target+=16;
        }
}

我认为生成的程序集应该完全相同，但事实并非如此。这是其中的一部分：

...
 2b3:   48 c1 e9 15             shr    rcx,0x15
 2b7:   83 e1 07                and    ecx,0x7
 2ba:   88 4a 07                mov    BYTE PTR [rdx+0x7],cl
 2bd:   48 89 c1                mov    rcx,rax
 2c0:   48 8b 17                mov    rdx,QWORD PTR [rdi] // Load, BAD!
 2c3:   48 c1 e9 18             shr    rcx,0x18
 2c7:   83 e1 07                and    ecx,0x7
 2ca:   88 4a 08                mov    BYTE PTR [rdx+0x8],cl
 2cd:   48 89 c1                mov    rcx,rax
 2d0:   48 8b 17                mov    rdx,QWORD PTR [rdi] // Load, BAD!
 2d3:   48 c1 e9 1b             shr    rcx,0x1b
 2d7:   83 e1 07                and    ecx,0x7
 2da:   88 4a 09                mov    BYTE PTR [rdx+0x9],cl
 2dd:   48 89 c1                mov    rcx,rax
 2e0:   48 8b 17                mov    rdx,QWORD PTR [rdi] // Load, BAD!
 2e3:   48 c1 e9 1e             shr    rcx,0x1e
 2e7:   83 e1 07                and    ecx,0x7
 2ea:   88 4a 0a                mov    BYTE PTR [rdx+0xa],cl
 2ed:   48 89 c1                mov    rcx,rax
 2f0:   48 8b 17                mov    rdx,QWORD PTR [rdi] // Load, BAD!
 ...

如您所见，我们在每个班次之前从内存中引入了额外的冗余load (mov rdx,QWORD PTR [rdi])。似乎target 指针（现在是成员而不是局部变量）在存储到它之前必须始终重新加载。 这大大减慢了代码速度（在我的测量中约为 15%）。

首先我认为 C++ 内存模型可能强制成员指针不能存储在寄存器中，但必须重新加载，但这似乎是一个尴尬的选择，因为它会使许多可行的优化变得不可能。所以我很惊讶编译器没有将target 存储在此处的寄存器中。

我尝试自己将成员指针缓存到局部变量中：

void T::unpack3bit(int size) {
    while(size > 0){
       uint64_t t = *reinterpret_cast<uint64_t*>(source);
       uint8_t* target = this->target; // << ptr cached in local variable
       target[0] = t & 0x7;
       target[1] = (t >> 3) & 0x7;
       target[2] = (t >> 6) & 0x7;
       target[3] = (t >> 9) & 0x7;
       target[4] = (t >> 12) & 0x7;
       target[5] = (t >> 15) & 0x7;
       target[6] = (t >> 18) & 0x7;
       target[7] = (t >> 21) & 0x7;
       target[8] = (t >> 24) & 0x7;
       target[9] = (t >> 27) & 0x7;
       target[10] = (t >> 30) & 0x7;
       target[11] = (t >> 33) & 0x7;
       target[12] = (t >> 36) & 0x7;
       target[13] = (t >> 39) & 0x7;
       target[14] = (t >> 42) & 0x7;
       target[15] = (t >> 45) & 0x7;
       source+=6;
       size-=6;
       this->target+=16;
    }
}

此代码还可以生成“好的”汇编程序，而无需额外的存储。所以我的猜测是：编译器不允许提升结构的成员指针的负载，所以这样的“热指针”应该始终存储在局部变量中。

• 那么，为什么编译器无法优化这些负载？
• 是 C++ 内存模型禁止这样做吗？还是只是我的编译器的一个缺点？
• 我的猜测是否正确或无法执行优化的确切原因是什么？

使用的编译器是 g++ 4.8.2-19ubuntu1 和 -O3 优化。我还尝试了clang++ 3.4-1ubuntu3，得到了类似的结果：Clang 甚至能够使用本地 target 指针对方法进行矢量化。但是，使用 this->target 指针会产生相同的结果：在每次存储之前额外加载指针。

我检查了一些类似方法的汇编程序，结果是相同的：似乎this 的成员总是必须在存储之前重新加载，即使这样的加载可以简单地提升到循环之外。我将不得不重写大量代码来摆脱这些额外的存储，主要是通过自己将指针缓存到在热代码上方声明的局部变量中。 但我一直认为，在编译器变得如此聪明的今天，摆弄诸如在局部变量中缓存指针之类的细节肯定有资格过早优化。但这里似乎我错了。在热循环中缓存成员指针似乎是一种必要的手动优化技术。

Answer 1

指针别名似乎是问题所在，讽刺的是在this 和this->target 之间。编译器正在考虑您初始化的相当淫秽的可能性：

this->target = &this

在这种情况下，写入this->target[0] 会改变this 的内容（因此，this->target）。

内存混叠问题不限于上述。原则上，在给定（不）适当的XX 值的情况下，任何this->target[XX] 的使用都可能指向this。

我更精通 C，这可以通过使用 __restrict__ 关键字声明指针变量来解决。

Answer 2

严格的别名规则允许char* 为任何其他指针设置别名。所以this->target 可以与this 别名，在你的代码方法中，代码的第一部分，

target[0] = t & 0x7;
target[1] = (t >> 3) & 0x7;
target[2] = (t >> 6) & 0x7;

事实上

this->target[0] = t & 0x7;
this->target[1] = (t >> 3) & 0x7;
this->target[2] = (t >> 6) & 0x7;

当你修改this->target的内容时，this可能会被修改。

一旦this->target 被缓存到一个局部变量中，这个局部变量就不能再使用别名了。

Answer 3

这里的问题是strict aliasing ，它表示我们可以通过 char* 进行别名，这样就可以防止编译器优化您的情况。我们不允许通过不同类型的指针来别名，这将是未定义的行为，通常在 SO 我们看到这个问题是用户试图alias through incompatible pointer types。

将 uint8_t 实现为 unsigned char 似乎是合理的，如果我们查看 cstdint on Coliru 它包括 stdint.h 哪个 typedefs uint8_t 如下：

typedef unsigned char       uint8_t;

如果您使用了其他非字符类型，那么编译器应该能够进行优化。

C++ 标准草案3.10 Lvalues and rvalues 对此进行了介绍：

如果一个程序试图通过 Glvalue 访问一个对象的存储值，而不是其中一个 以下类型的行为未定义

并包括以下项目符号：

• char 或 unsigned char 类型。

注意，我在一个问题中发布了 comment on possible work arounds，该问题询问 uint8_t ≠ unsigned char 何时？ 建议是：

不过，简单的解决方法是使用 restrict 关键字，或者 将指针复制到一个从未使用过地址的局部变量中 那编译器不需要担心uint8_t是否 对象可以给它起别名。

由于 C++ 不支持 restrict 关键字，您必须依赖编译器扩展，例如 gcc uses __restrict__，所以这不是完全可移植的，但其他建议应该是。