与mov reg，imm64相比，RIP相对寻址的执行情况如何？

Question

众所周知，x86-64指令不支持64位立即值（mov除外）。 因此，在将代码从32位迁移到64位时，会执行如下指令：

    cmp rax, addr32

不能替换为以下内容：

    cmp rax, addr64

在这种情况下，我正在考虑两种选择：（a）使用临时寄存器加载常数或（b）使用rip-relative寻址。 这两种方法看起来像这样：

    mov r11, addr64 ; scratch register
    cmp rax, r11

---

ptr64: dq addr64

...
     cmp rax, [rel ptr64]    ; encoded as cmp rax, [rip+offset]

我写了一个非常简单的循环来比较两种方法的性能（我在下面粘贴）。 虽然（b）使用间接指针，但（a）在指令中具有立即编码（这可能导致i-cache的使用更差）。 令人惊讶的是，我发现（b）比（a）快〜10％。 这个结果在更常见的现实世界代码中应该是预期的吗？

---

true:  dq 0xFFFF0000FFFF0000
false: dq 0xAAAABBBBAAAABBBB

main:
    or rax, 1  ; rax is odd and constant "true" is even
    mov rcx, 0x1
    shl rcx, 30
branch:
    mov r11, 0xFFFF0000FFFF0000 ; not present in (b)
    cmp rax, r11                ; vs cmp rax, [rel true]
    je next
    add rax, 2
    loop branch

next:
    mov rax, 0
    ret

Answer 1

令人惊讶的是，我发现（b）比（a）快〜10％

您可能在AMD Bulldozer系列或Ryzen以外的CPU上进行了测试，这些CPU具有快速loop指令。 在其他CPU上， loop非常缓慢，主要是出于历史原因 ，因此您会遇到瓶颈 。 例如7个uops，Haswell每5c吞吐量一个。

mov r64, imm64对uop缓存吞吐量不利，因为在英特尔的uop缓存中立即占用2个插槽。 （参见Agner Fog的microarch pdf中的Sandybridge uop缓存部分）， 对于x86-64 ， 哪个更快，imm64或m64？ 在哪里我列出了细节。

即使除此之外，循环中的1个额外uop使其运行速度变慢并不令人惊讶 。 你可能不是在AMD CPU上（每2个时钟loop使用单uop / 1），因为在如此微小的循环中的额外mov会产生超过10％的差异。 或者完全没有区别，因为每2个时钟只有3个对4个uop，如果这是正确的，即使是微小的loop循环也限制为每2个时钟跳一次。

在Intel上， loop是7 uops，大多数CPU每5个时钟吞吐量一个，因此每个4个时钟的问题/重命名瓶颈将不会是你所要达到的。 loop是微编码的，因此前端不能从循环缓冲区运行。 （并且Skylake CPU通过微代码更新禁用了LSD以修复部分寄存器错误。）因此每次循环时都必须从uop缓存中重新读取mov r64,imm64 。

---

在高速缓存中命中的负载具有非常好的吞吐量 （每个时钟2个负载， 在这种情况下，微融合意味着没有额外的uop来使用内存操作数而不是cmp的寄存器 ）。 因此，从内存中使用常量的主要原因是额外的缓存占用空间和缓存未命中，但是您的微基准测试根本不会显示。 它对装载端口没有其他压力。

---

在一般情况下：

如果可能，使用RIP相对的lea生成64位地址常量。
例如lea rax, [rel addr64] 。 是的，这需要额外的指令来将常量输入寄存器。 （顺便说一下，只需使用default rel 。如果需要，你可以使用[abs fs:0] 。

如果使用默认（小）代码模型构建与位置相关的代码 ，则可以避免额外的指令， 因此静态地址适合虚拟地址空间的低32位并且可以用作中介 。 （实际上低2GiB，因此符号或零扩展两种工作）。 请参阅x86-64 Linux中不再允许的32位绝对地址？ 如果gcc抱怨绝对解决; 大多数发行版默认启用-pie 。 这当然不适用于Linux共享库，它只支持64位地址的文本重定位。 但是你应该尽可能地避免重定位，使用lea来创建位置无关的代码。

大多数整数构建时常量适合32位，因此即使在PIC代码中也可以使用cmp r64, imm32或cmp r32, imm32 。

如果确实需要64位非地址常量，请尝试将mov r64, imm64从循环中mov r64, imm64出来。 如果mov不在循环内，你的cmp循环会很好。 x86-64有足够的寄存器，您（或编译器）通常可以避免在整数代码中的最内层循环内重新加载。