根據支持的說明選擇要使用的裝配實現

Question

我正在開發一個C庫，它編譯/鏈接到.a文件，用戶可以靜態鏈接到他們的代碼。 庫的性能非常重要，因此我在x86-64匯編中編寫性能關鍵的例程來優化性能。

對於某些例程，如果使用BMI2指令，我可以獲得明顯更好的性能，而不是堅持使用“標准”x86-64指令集。 麻煩的是，BMI2最近剛推出，我的一些用戶使用不支持這些指令的處理器。

所以，我寫了兩次優化例程，一次使用BMI2指令，一次不使用它們。 在我目前的設置中，我將分發兩個版本的.a文件：一個需要支持BMI2指令的“快速”版本，以及一個不需要支持BMI2指令的“慢”版本。

我問是否有辦法通過分發單個.a文件來簡化這一過程，該文件將根據最終應用程序運行的CPU是否支持BMI2指令動態選擇正確的實現。

與StackOverflow上的類似問題不同，這里有兩個特點：

• 選擇功能的技術需要在關鍵路徑中具有特別低的開銷。 在匯編優化之后，所討論的例程在~10 ns內運行，因此即使單個if語句也可能很重要。
• 需要“動態”選擇的功能在開始時選擇一次，然后在程序的持續時間內保持固定。 我希望這將提供比這個問題中建議的更快的解決方案： 在運行時選擇方法實現

我到目前為止提出的最快解決方案是執行以下操作：

1. 使用cpuid指令檢查CPU是否支持BMI2指令。
2. 根據結果​​設置全局變量true或false 。
3. 在每個函數調用上對此全局變量的值進行分支。

我對這種方法不滿意，因為它有兩個缺點：

• 我不知道如何自動運行cpuid並在程序開頭設置一個全局變量，因為我正在分發一個.a文件並且無法控制最終二進制文件中的main函數。 如果它提供了更好的解決方案，我很高興在這里使用C ++，只要最終的庫仍然可以與C程序鏈接和調用。
• 這會在每次函數調用時產生開銷，理想情況下，唯一的開銷是在程序啟動時。

有沒有比我上面詳述的更有效的解決方案？

Answer 1

x264使用init函數（在調用其他任何東西之前需要調用庫的用戶，或類似的東西）來根據CPUID結果設置函數指針的結構。 包括考慮到pshufb在一些支持它的早期CPU上pshufb緩慢。

如果你的功能依賴於pdep / pext ，你可能想要檢測AMD與英特爾，因為AMD的pdep / pext非常慢，並且可能不值得在Ryzen上使用，即使它可用。 （有關說明表，請參閱https://agner.org/optimize/ 。）

---

函數指針的開銷相當低，與調用共享庫或DLL中的函數大致相同。 call [rel funcptr]而不是call func 。 （在編譯器生成的asm中調用您的函數）。

CPU依賴代碼：如何避免函數指針？ 在C中展示了一個非常簡單的例子，並且正在尋找避免它的方法。 通過動態鏈接，您可以在動態鏈接時進行CPU檢測，因此動態鏈接間接也成為您的CPU調度間接（就像glibc選擇優化的memcpy實現一樣）。

但是對於.a靜態鏈接，只需創建靜態初始化為基線版本的函數指針，並且您的CPU初始化函數（希望在任何函數指針被解除引用之前運行）將其重寫為指向最佳版本的當前的CPU。

Answer 2

如果您使用的是gcc，則可以讓編譯器自動實現所有樣板代碼。 關於函數多版本化的gcc手冊頁