为什么 gcc 不能向量化这条直线代码？

Question

我有以下代码，这似乎是 SLP 的完美候选者：

struct vector {
  double x, y, z;
} __attribute__((aligned(16)));

int
slp_test(struct vector *x0, struct vector *n)
{
  double t = -x0->z/n->z;
  double u = x0->x + t*n->x;
  double v = x0->y + t*n->y;
  return t >= 0.0 && u >= 0.0 && v >= 0.0 && u + v <= 1.0;
}

u 和 v 的计算似乎很容易矢量化，x0 和 n 应该足够好地对齐。但在 x86-64 -O3 上，gcc 4.9.0 会生成以下代码：

    movsd   .LC0(%rip), %xmm1
    movsd   16(%rdi), %xmm0
    movsd   (%rdi), %xmm2
    xorpd   %xmm1, %xmm0
    movsd   (%rsi), %xmm1
    pxor    %xmm3, %xmm3
    divsd   16(%rsi), %xmm0 ; t = x0->z/n->z
    mulsd   %xmm0, %xmm1    ; t*n->x
    addsd   %xmm1, %xmm2    ; u = x0->x + t*n->x
    movsd   8(%rsi), %xmm1
    mulsd   %xmm0, %xmm1    ; t*n->y
    ucomisd %xmm3, %xmm2
    addsd   8(%rdi), %xmm1  ; v = x0->y + t*n->y
    setae   %dl
    ucomisd %xmm3, %xmm1
    setae   %al
    testb   %al, %dl
    je      .L3
    ucomisd %xmm3, %xmm0
    jb      .L3
    addsd   %xmm2, %xmm1
    movsd   .LC2(%rip), %xmm0
    xorl    %eax, %eax
    ucomisd %xmm1, %xmm0
    setae   %al
    ret
.L3:
    xorl    %eax, %eax
    ret

gcc 怎么不使用mulpdaddpd 而不是mulsds 和addsds 这两个？我用-fopt-info-all-vec 试图找出原因，它抱怨对齐（@9​​87654321@）：

slp-test.c:8:17: note: === vect_analyze_data_refs_alignment ===
slp-test.c:8:17: note: vect_compute_data_ref_alignment:
slp-test.c:8:17: note: misalign = 0 bytes of ref x0_3(D)->z
slp-test.c:8:17: note: vect_compute_data_ref_alignment:
slp-test.c:8:17: note: misalign = 0 bytes of ref n_6(D)->z
slp-test.c:8:17: note: vect_compute_data_ref_alignment:
slp-test.c:8:17: note: misalign = 0 bytes of ref x0_3(D)->x
slp-test.c:8:17: note: vect_compute_data_ref_alignment:
slp-test.c:8:17: note: misalign = 0 bytes of ref n_6(D)->x
slp-test.c:8:17: note: vect_compute_data_ref_alignment:
slp-test.c:8:17: note: misalign = 8 bytes of ref x0_3(D)->y
slp-test.c:8:17: note: vect_compute_data_ref_alignment:
slp-test.c:8:17: note: misalign = 8 bytes of ref n_6(D)->y
slp-test.c:8:17: note: === vect_analyze_slp ===
slp-test.c:8:17: note: Failed to SLP the basic block.
slp-test.c:8:17: note: not vectorized: failed to find SLP opportunities in basic block.

除非我误解了__attribute__((aligned(16)))，否则它应该能够强制对齐这些访问。有什么想法吗？

Answer 1

此代码不会从矢量化中获得太多好处，请记住，cpus 能够在单个周期内执行多条指令。 例如，在 Nehalem 乘法/加法上，延迟为 4，倒数吞吐量为 1，因此在理想情况下，它应该能够在 4 个周期内计算 4 个这些指令。这里至少 2 应该是可能的。 这已经意味着即使向量寄存器已经完美归档，使用打包指令也不会获得任何收益。

编辑：我没有意识到可以一次性加载数据，所以设置成本可以忽略不计

为了填充它们，您可能已经需要一个高低 mov 指令，这将比少数打包指令稍后获得的成本更高。 （在 Nehalem 上，mov[hl]pd 的延迟约为 5，而 movsd 的延迟为 2）

比较也不能通过向量化获利，因为您需要将打包的比较解包回普通寄存器，这是一项非常昂贵的操作。 此外，编译器不知道分支的概率，它必须假设第一个比较总是会短路其余的，所以并行执行任何操作都是有害的。

编辑：使用 sse4 ptest 虽然它可能是有利可图的

这里的瓶颈也可能是不可矢量化的除法。 您可能最好尝试一次矢量化 2 个结构的操作，而不是尝试矢量化一个结构中的操作。