优化C代码中的汇编代码冗余

Question

我正在尝试通过研究使用-O3优化在gcc中编译的简单C代码来学习矢量化。 更具体地说，编译器的矢量化程度如何。 这是一个个人的旅程，能够通过更复杂的计算来验证gcc -O3的性能。 我理解传统的观点是编译器比人更好，但我从不认为这种智慧是理所当然的。

然而，在我的第一个简单测试中，我发现一些选择gcc非常奇怪，而且老实说，在优化方面非常疏忽。 我愿意假设有一些编译器是有目的的，并且知道一些关于CPU的信息（在这种情况下是Intel i5-2557M），我不知道。 但我需要知识渊博的人做一些确认。

我的简单测试代码（段）是：

int i;
float a[100];

for (i=0;i<100;i++) a[i]= (float) i*i;

与for循环对应的结果汇编代码（段）如下：

.L6:                        ; loop starts here
    movdqa  xmm0, xmm1      ; copy packed integers in xmm1 to xmm0
.L3:
    movdqa  xmm1, xmm0      ; wait, what!?  WHY!?  this is redundant.
    cvtdq2ps    xmm0, xmm0  ; convert integers to float
    add rax, 16             ; increment memory pointer for next iteration
    mulps   xmm0, xmm0      ; pack square all integers in xmm0
    paddd   xmm1, xmm2      ; pack increment all integers by 4 
    movaps  XMMWORD PTR [rax-16], xmm0   ; store result 
    cmp rax, rdx            ; test loop termination
    jne .L6                 

我理解所有步骤，并且在计算上，所有步骤都是有道理的。 但是，我不明白， gcc选择在迭代循环中加入一个步骤，在xmm0加载xmm1之后立即加载xmm1和xmm0 。 即

 .L6
        movdqa  xmm0, xmm1      ; loop starts here
 .L3
        movdqa  xmm1, xmm0      ; grrr! 

仅这一点让我质疑优化器的完整性。 显然，额外的MOVDQA不会干扰数据，但从面值来看，它似乎在gcc方面显得过于疏忽。

在汇编代码（未示出）的早期， xmm0和xmm2被初始化为对于矢量化有意义的某个值，因此很明显，在循环开始时，代码必须跳过第一个MOVDQA。 但是为什么gcc不会简单地重新排列，如下所示。

.L3
        movdqa  xmm1, xmm0     ; initialize xmm1 PRIOR to loop
.L6
        movdqa  xmm0, xmm1     ; loop starts here 

或者甚至更好，只需初始化xmm1而不是xmm0并完全转储MOVDQA xmm1 ， xmm0步骤！

我愿意相信，CPU是足够聪明跳过多余的步骤或类似的东西，但我怎么能相信GCC全面优化复杂的代码，如果它甚至能得到这个简单的代码吧？ 或者有人能提供一个合理的解释，让我相信gcc -O3是好东西吗？

Answer 1

我不是100％肯定，但看起来你的循环通过将其转换为float来破坏xmm0 ，所以你要在xmm1得到整数值，然后复制到另一个寄存器（在本例中为xmm0 ）。

虽然已知编译器有时会发出不必要的指令，但在这种情况下我无法真正看到这种情况。

如果你想让xmm0 （或xmm1 ）保持整数，那么对于i的第一个值，不要使用float xmm0 。 也许你想要做的是：

 for (i=0;i<100;i++) 
    a[i]= (float)(i*i);

但另一方面，gcc 4.9.2似乎没有这样做：

g++ -S -O3 floop.cpp

.L2:
    cvtdq2ps    %xmm1, %xmm0
    mulps   %xmm0, %xmm0
    addq    $16, %rax
    paddd   %xmm2, %xmm1
    movaps  %xmm0, -16(%rax)
    cmpq    %rbp, %rax
    jne .L2

clang也不是（大约3周前的3.7.0）

 clang++ -S -O3 floop.cpp


    movdqa  .LCPI0_0(%rip), %xmm0   # xmm0 = [0,1,2,3]
    xorl    %eax, %eax
    .align  16, 0x90
.LBB0_1:                                # %vector.body
                                        # =>This Inner Loop Header: Depth=1
    movd    %eax, %xmm1
    pshufd  $0, %xmm1, %xmm1        # xmm1 = xmm1[0,0,0,0]
    paddd   %xmm0, %xmm1
    cvtdq2ps    %xmm1, %xmm1
    mulps   %xmm1, %xmm1
    movaps  %xmm1, (%rsp,%rax,4)
    addq    $4, %rax
    cmpq    $100, %rax
    jne .LBB0_1

我编译的代码：

extern int printf(const char *, ...);

int main()
{
    int i;
    float a[100];

    for (i=0;i<100;i++)
        a[i]= (float) i*i;

    for (i=0; i < 100; i++)
        printf("%f\n", a[i]);
}

（我添加了printf以避免编译器摆脱所有代码）