为什么 LOOP 这么慢？ [复制]

Question

这让我很惊讶，因为我一直认为loop应该有一些内部优化。

这是我今天做的实验。我使用的是 Microsoft Visual Studio 2010。我的操作系统是 64 位 Windows 8。我的问题在最后。

第一个实验：

平台：Win32
模式：调试（禁用优化）

begin = clock();
_asm
{
    mov ecx, 07fffffffh
start:
    loop start
}
end = clock();
cout<<"passed time: "<<double(end - begin)/CLOCKS_PER_SEC<<endl;

输出：passed time: 3.583
（每次运行的数字都会略有变化，但在道德上是相同的大小。）

第二次实验：

平台：Win32
模式：调试

begin = clock();
_asm
{
    mov ecx, 07fffffffh
start:
    dec ecx
    jnz start
}
end = clock();
cout<<"passed time: "<<double(end - begin)/CLOCKS_PER_SEC<<endl;

输出：passed time: 0.903

第三和第四个实验：

只需将平台更改为 x64。由于 VC++ 不支持 64 位内联汇编，我必须将循环放在另一个 *.asm 文件中。但最后结果是一样的。

从这一点开始，我开始使用我的大脑 - loop 比 dec ecx, jnz start 慢 4 倍，它们之间的唯一区别，AFAIK，是 dec ecx 更改标志，而 loop 没有。为了模仿这个标志，我做了

第五次实验：

平台：Win32（以下我一直假设平台对结果没有影响）
模式：调试

begin = clock();
_asm
{
    mov ecx, 07fffffffh
    pushf
start:
    popf
; do the loop here
    pushf
    dec ecx
    jnz start
    popf
}
end = clock();
cout<<"passed time: "<<double(end - begin)/CLOCKS_PER_SEC<<endl;

输出：passed time: 22.134

这是可以理解的，因为pushf 和popf 必须玩内存。但是，例如，寄存器eax 不保留在循环的末尾（这可以通过更好地安排寄存器来实现），并且在循环中不需要标志OF （这简化了事情，因为OF不在flag的低8位中），那么我们可以使用lahf和sahf来保留标志，所以我做了

第六次实验：

平台：Win32
模式：调试

begin = clock();
_asm
{
    mov ecx, 07fffffffh
    lahf
start:
    sahf
; do the loop here
    lahf
    dec ecx
    jnz start
    sahf
}
end = clock();
cout<<"passed time: "<<double(end - begin)/CLOCKS_PER_SEC<<endl;

输出：passed time: 1.933

这还是比直接使用loop好很多吧？

我做的最后一个实验是尝试同时保留OF 标志。

第七次实验：

平台：Win32
模式：调试

begin = clock();
_asm
{
    mov ecx, 07fffffffh
start:
    inc al
    sahf
; do the loop here
    lahf
    mov al, 0FFh
    jo dec_ecx
    mov al, 0
dec_ecx:
    dec ecx
    jnz start
}
end = clock();
cout<<"passed time: "<<double(end - begin)/CLOCKS_PER_SEC<<endl;

输出：passed time: 3.612

这个结果是最坏的情况，即OF 没有在每个循环中设置。而且和直接用loop差不多……

所以我的问题是：

1. 我说的对吗，使用循环的唯一优点是它可以处理标志（实际上只有dec 对其中的 5 个标志有效）？

2. 是否有更长的lahf和sahf也移动OF，这样我们就可以完全摆脱loop？

Answer 1

从历史上看，在 8088 和 8086 处理器上，LOOP 是一种优化，因为它只比条件分支多花费一个周期，而在分支之前放置一个 DEC CX 将花费三个或四个周期（取决于预取队列）。

然而，今天的处理器与 8086 的工作方式大不相同。在几代处理器中，尽管制造商制造的机器基本上可以正确处理 8088/8086 或其后代曾经拥有的所有文档化指令，但它们'他们将精力集中在只提高最有用指令的性能上。由于各种原因，英特尔或 AMD 必须添加到现代 CPU 中以使 LOOP 指令像 DEC CX/JNZ 一样有效地工作的电路数量可能会超过电路的总数量在整个 8086 中，可能相差很大。制造商并没有增加其高性能 CPU 的复杂性，而是包含了一个更简单但速度较慢的处理单元，可以处理“晦涩”的指令。虽然高性能 CPU 需要大量电路来允许多条指令的执行重叠，除非后面的指令需要早期计算的结果（并且必须等到它们可用），但“晦涩的指令处理单元”可以避免需要这样的电路，只需一次执行一条指令。