【发布时间】：2021-09-09 05:46:27
【问题描述】：
我正在学习汇编。所以我写了一个例程，如果输入为非负数，则返回其输入的平方根，否则返回 0。
我已经在汇编和 C 中实现了该例程，我想了解为什么使用 -O2 编译的 C 例程比我的汇编例程快得多。 C 例程的反汇编代码看起来比我的汇编例程稍微复杂一些，所以我不明白我哪里出错了。
汇编程序（srt.asm）：
global srt
section .text
srt:
pxor xmm1,xmm1
comisd xmm0,xmm1
jbe P
sqrtsd xmm0,xmm0
retq
P:
pxor xmm0,xmm0
retq
我将以上内容编译为
nasm -g -felf64 srt.asm
C 例程 (srtc.c)
#include <stdio.h>
#include <math.h>
#include <time.h>
extern double srt(double);
double srt1(double x)
{
return sqrt( (x > 0) * x );
}
double srt2(double x)
{
if( x > 0) return sqrt(x);
return 0;
}
int main(void)
{
double v = 0;
clock_t start;
clock_t end;
double niter = 2e8;
start = clock();
v = 0;
for( double i = 0; i < niter; i++ ) {
v += srt(i);
}
end = clock();
printf("time taken srt = %f v=%g\n", (double) (end - start)/CLOCKS_PER_SEC,v);
start = clock();
v = 0;
for( double i = 0; i < niter; i++ ) {
v += srt1(i);
}
end = clock();
printf("time taken srt1 = %f v=%g\n", (double) (end - start)/CLOCKS_PER_SEC,v);
start = clock();
v = 0;
for( double i = 0; i < niter; i++ ) {
v += srt2(i);
}
end = clock();
printf("time taken srt2 = %f v=%g\n", (double) (end - start)/CLOCKS_PER_SEC,v);
return 0;
}
以上编译为
gcc -g -O2 srt.o -o srtc srtc.c -lm
程序的输出是
time taken srt = 0.484375 v=1.88562e+12
time taken srt1 = 0.312500 v=1.88562e+12
time taken srt2 = 0.312500 v=1.88562e+12
所以我的装配程序要慢得多。
反汇编后的C代码是
Disassembly of section .text:
0000000000000000 <srt1>:
0: f3 0f 1e fa endbr64
4: 66 0f ef c9 pxor xmm1,xmm1
8: 66 0f 2f c1 comisd xmm0,xmm1
c: 77 04 ja 12 <srt1+0x12>
e: f2 0f 59 c1 mulsd xmm0,xmm1
12: 66 0f 2e c8 ucomisd xmm1,xmm0
16: 66 0f 28 d0 movapd xmm2,xmm0
1a: f2 0f 51 d2 sqrtsd xmm2,xmm2
1e: 77 05 ja 25 <srt1+0x25>
20: 66 0f 28 c2 movapd xmm0,xmm2
24: c3 ret
25: 48 83 ec 18 sub rsp,0x18
29: f2 0f 11 54 24 08 movsd QWORD PTR [rsp+0x8],xmm2
2f: e8 00 00 00 00 call 34 <srt1+0x34>
34: f2 0f 10 54 24 08 movsd xmm2,QWORD PTR [rsp+0x8]
3a: 48 83 c4 18 add rsp,0x18
3e: 66 0f 28 c2 movapd xmm0,xmm2
42: c3 ret
43: 66 66 2e 0f 1f 84 00 data16 nop WORD PTR cs:[rax+rax*1+0x0]
4a: 00 00 00 00
4e: 66 90 xchg ax,ax
0000000000000050 <srt2>:
50: f3 0f 1e fa endbr64
54: 66 0f ef c9 pxor xmm1,xmm1
58: 66 0f 2f c1 comisd xmm0,xmm1
5c: 66 0f 28 d1 movapd xmm2,xmm1
60: 77 0e ja 70 <srt2+0x20>
62: 66 0f 28 c2 movapd xmm0,xmm2
66: c3 ret
67: 66 0f 1f 84 00 00 00 nop WORD PTR [rax+rax*1+0x0]
6e: 00 00
70: 66 0f 2e c8 ucomisd xmm1,xmm0
74: 66 0f 28 d0 movapd xmm2,xmm0
78: f2 0f 51 d2 sqrtsd xmm2,xmm2
7c: 76 e4 jbe 62 <srt2+0x12>
7e: 48 83 ec 18 sub rsp,0x18
82: f2 0f 11 54 24 08 movsd QWORD PTR [rsp+0x8],xmm2
88: e8 00 00 00 00 call 8d <srt2+0x3d>
8d: f2 0f 10 54 24 08 movsd xmm2,QWORD PTR [rsp+0x8]
93: 48 83 c4 18 add rsp,0x18
97: 66 0f 28 c2 movapd xmm0,xmm2
9b: c3 ret
【问题讨论】：
-
顺便说一句，在有条件地调用 libm 函数的
sqrt()内联时，GCC 的额外代码是因为您没有使用-fno-math-errno。请参阅How to force GCC to assume that a floating-point expression is non-negative? - 您通常应该始终使用它 -
我在 WSL 上运行我的代码。 /proc/cpuinfo 显示型号名称为 i5-8365u 我确实多次运行我的代码，每次都得到类似的结果。我也最后运行了程序集版本，而不是先运行它。在所有情况下，数字都相似。
-
我在 i7-6700k Skylake 上进行了测试（与您的 Kaby Lake 微架构相同）；即使是热身跑，我也可以重现性能效果，所以似乎不是这样。可能在内联到循环之后，GCC 可以优化掉一些工作；看看
main的实际 asm，因为您没有在 C 函数上使用__attribute__((noinline,noclone))。 -
哦，对了，仅仅作为一个非内联函数就是问题所在。 x86-64 System V 没有任何保留调用的 XMM 寄存器，因此通过
v添加依赖链包括srt()的存储/重新加载，但当 srt1 或 srt2 内联时不包含。 -
禁用内联后，我得到了类似的性能。谢谢。如果您将评论作为答案，我会接受。
标签： c performance assembly x86-64