依赖链分析

Question

来自Agner Fog's "Optimizing Assembly" guide，第 12.7 节：循环示例。讨论示例代码的段落之一：

[...] Pentium M 分析：... 13 uops，每时钟 3 次 = 每 4.33c 报废时间一次迭代。

循环中有一个依赖链。延迟为： 2 为 内存读取，乘法 5，减法 3，内存 3 写，总共 13 个时钟周期。这是三倍 退休时间，但它不是循环携带的依赖，因为 每次迭代的结果都保存到内存中，不重复使用 下一次迭代。乱序执行机制和 流水线使每个计算都可以在之前开始 前面的计算就完成了。唯一的循环携带 依赖链是add eax,16，它的延迟只有1。

## Example 12.6b.  DAXPY algorithm, 32-bit mode
[...]   ; not shown: initialize some regs before the loop
L1:
    movapd xmm1, [esi+eax]   ; X[i], X[i+1]
    mulpd  xmm1, xmm2        ; X[i] * DA, X[i+1] * DA
    movapd xmm0, [edi+eax]   ; Y[i], Y[i+1]
    subpd  xmm0, xmm1        ; Y[i]-X[i]*DA, Y[i+1]-X[i+1]*DA
    movapd [edi+eax], xmm0   ; Store result
    add eax, 16              ; Add size of two elements to index
    cmp eax, ecx             ; Compare with n*8
    jl L1                    ; Loop back

我不明白为什么依赖链不会增加整个吞吐量。我知道找到最严重的瓶颈很重要。在考虑依赖链之前确定的最严重瓶颈是融合域 uop 吞吐量，每次迭代 4.33 个周期。我不明白为什么依赖链不是比这更大的瓶颈。

1. 我看到作者解释说它与乱序执行和流水线有关，但我看不到。不过，我的意思是，只有乘法会导致延迟 5 个周期，所以只有这个值大于 4 个周期。

2. 我也无法理解为什么作者不关心这里的依赖： add eax, 16 -> cmp eax, ecx -> jl L1 毕竟加法必须在cmp之前执行，cmp必须在jl之前执行。

---

PS：后面的段落将 Pentium M 的最大瓶颈确定为解码，将其限制为每 6c 一次迭代，因为 128b 向量操作每个解码为两个 uop。有关其余分析以及 Core2、FMA4 Bulldozer 和 Sandybridge 的分析 + 调整，请参阅 Agner Fog 的指南。

Answer 1

1. mul 不是 loop-carried 依赖链的一部分，因此可以同时存在来自多个迭代的mulpd insns。单条指令的延迟根本不是这里的问题，而是依赖链。每次迭代都有一个 单独的 13c load、mulpd、subpd、store 依赖链。乱序执行允许来自多个迭代的微指令同时运行。

2. 每次迭代中的cmp / jl 依赖于该迭代中的add，但下一次迭代中的add 不依赖于cmp。推测执行和分支预测意味着控制依赖关系（条件分支和间接跳转/调用）不是数据依赖链的一部分。这就是为什么一个迭代的指令可以在前一个迭代的jl 退出之前开始运行。

   相比之下，cmov是数据依赖而不是控制依赖，所以无分支循环往往有循环携带的依赖链。如果分支预测良好，这往往比分支慢。

   每个循环迭代都有一个单独的cmp/jl 依赖链，就像 FP 依赖链一样。

---

我不明白为什么依赖链不会增加整个吞吐量。

我不知道这句话是什么意思。我想我能够弄清楚你所有其他混淆的单词和措辞。 （例如“链依赖”而不是“依赖链”。）看看我对你的问题的编辑；其中一些也可能有助于您的理解。