了解SSE指令的矢量化

Question

我试着理解SSE指令的矢量化是如何工作的。

这里是一个实现矢量化的代码片段：

#include <stdlib.h>
#include <stdio.h>

#define SIZE 10000

void test1(double * restrict a, double * restrict b)
{
  int i;

  double *x = __builtin_assume_aligned(a, 16);
  double *y = __builtin_assume_aligned(b, 16);

  for (i = 0; i < SIZE; i++)
  {
    x[i] += y[i];
  }
}

和我的编译命令：

gcc -std=c99 -c example1.c -O3 -S -o example1.s

这里是汇编程序代码的输出：

 .file "example1.c"
  .text
  .p2align 4,,15
  .globl  test1
  .type test1, @function
test1:
.LFB7:
  .cfi_startproc
  xorl  %eax, %eax
  .p2align 4,,10
  .p2align 3
.L3:
  movapd  (%rdi,%rax), %xmm0
  addpd (%rsi,%rax), %xmm0
  movapd  %xmm0, (%rdi,%rax)
  addq  $16, %rax
  cmpq  $80000, %rax
  jne .L3
  rep ret
  .cfi_endproc
.LFE7:
  .size test1, .-test1
  .ident  "GCC: (Debian 4.8.2-16) 4.8.2"
  .section  .note.GNU-stack,"",@progbits

我多年前练习过Assembler，我想知道寄存器％rdi，％rax和％rsi之上的代码。

我知道％xmm0是SIMD寄存器，我们可以存储2个双精度数（16个字节）。

但我不明白如何同时添加：

我想这一切都发生在这里：

      movapd  (%rdi,%rax), %xmm0
      addpd (%rsi,%rax), %xmm0
      movapd  %xmm0, (%rdi,%rax)
      addq  $16, %rax
      cmpq  $80000, %rax
      jne .L3
      rep ret

％rax是否代表“x”数组？

％rsi在C代码段中代表什么？

最终结果（例如a [0] = a [0] + b [0]）是否存储在％rdi中？

谢谢你的帮助

Answer 1

您需要知道的第一件事是Unix系统上64位代码的调用约定。 请参阅Wikipedia的x86-64_calling_conventions ，有关更多详细信息，请阅读Agner Fog的调用约定手册 。

整数参数按以下顺序传递：rdi，rsi，rdx，rcx，r8，r9。 因此，您可以通过寄存器传递六个整数值（但在Windows上只能传递四个）。 这意味着在您的情况下：

rdi = &x[0],
rsi = &y[0].

寄存器rax从零开始，每次迭代增加2*sizeof(double)=16字节。 然后将其与每次迭代的sizeof(double)*10000=80000进行比较，以测试循环是否结束。

这里使用cmp实际上是GCC编译器的低效率。 现代英特尔处理器可以将cmp和jne指令融合到一条指令中，它们也可以将add和jne融合到一条指令中，但它们不能将add ， cmp和jne融合到一条指令中。 但是可以删除cmp指令 。

GCC应该做些什么

rdi = &x[0] + 80000;
rsi = &y[0] + 80000;
rax = -80000

然后循环可以像这样完成

movapd  (%rdi,%rax), %xmm0       ; temp = x[i]
addpd (%rsi,%rax), %xmm0         ; temp += y[i]
movapd  %xmm0, (%rdi,%rax)       ; x[i] = temp
addq  $16, %rax                  ; i += 2
jnz .L3                          ; then loop

现在循环计数从-80000到0并且不需要cmp指令， add和jnz将融合到一个微操作中。

Answer 2

  movapd  (%rdi,%rax), %xmm0       ; temp = x[i]
  addpd (%rsi,%rax), %xmm0         ; temp += y[i]
  movapd  %xmm0, (%rdi,%rax)       ; x[i] = temp
  addq  $16, %rax                  ; i += 2
  cmpq  $80000, %rax               ; if (i < SIZE)
  jne .L3                          ; then loop

rax寄存器表示i变量，但存储为字节索引，rdi是＆x，rsi是＆y。 每次通过循环都会增加两个双精度数，因此rax的增量为2 * sizeof（double）或16个字节。