13

根据英特尔的软件开发人员手册（第 14.9 节），AVX 放宽了内存访问的对齐要求。如果数据直接加载到处理指令中，例如

vaddps ymm0,ymm0,YMMWORD PTR [rax]

加载地址不必对齐。但是，如果使用专用的对齐加载指令，例如

vmovaps ymm0,YMMWORD PTR [rax]

加载地址必须对齐（到 32 的倍数），否则会引发异常。

让我感到困惑的是内在函数的自动代码生成，在我的例子中是 gcc/g++（4.6.3，Linux）。请看下面的测试代码：

#include <x86intrin.h>
#include <stdio.h>
#include <stdlib.h>
#include <assert.h>

#define SIZE (1L << 26)
#define OFFSET 1

int main() {
  float *data;
  assert(!posix_memalign((void**)&data, 32, SIZE*sizeof(float)));
  for (unsigned i = 0; i < SIZE; i++) data[i] = drand48();
  float res[8]  __attribute__ ((aligned(32)));
  __m256 sum = _mm256_setzero_ps(), elem;
  for (float *d = data + OFFSET; d < data + SIZE - 8; d += 8) {
    elem = _mm256_load_ps(d);
    // sum = _mm256_add_ps(elem, elem);
    sum = _mm256_add_ps(sum, elem);
  }
  _mm256_store_ps(res, sum);
  for (int i = 0; i < 8; i++) printf("%g ", res[i]); printf("\n");
  return 0;
}

（是的，我知道代码有问题，因为我在未对齐的地址上使用了对齐的负载，但请耐心等待......）

我编译代码

g++ -Wall -O3 -march=native -o memtest memtest.C

在带有 AVX 的 CPU 上。如果我通过使用检查 g++ 生成的代码

objdump -S -M intel-mnemonic memtest | more

我看到编译器没有生成对齐的加载指令，而是直接在向量加法指令中加载数据：

vaddps ymm0,ymm0,YMMWORD PTR [rax]

代码执行没有任何问题，即使内存地址未对齐（OFFSET 为 1）。这一点很清楚，因为 vaddps 可以容忍未对齐的地址。

如果我取消注释带有第二个附加内在函数的行，编译器无法融合加载和附加，因为 vaddps 只能有一个内存源操作数，并生成：

vmovaps ymm0,YMMWORD PTR [rax]
vaddps ymm1,ymm0,ymm0
vaddps ymm0,ymm1,ymm0

现在程序段错误，因为使用了专用的对齐加载指令，但内存地址未对齐。（顺便说一句，如果我使用 _mm256_loadu_ps，或者如果我将 OFFSET 设置为 0，则程序不会出现段错误。）

以我的拙见，这使程序员受到编译器的摆布，并使行为部分不可预测。

我的问题是：有没有办法强制 C 编译器在处理指令中生成直接加载（例如 vaddps）或生成专用加载指令（例如 vmovaps）？

4

2 回答 2

7

无法使用内在函数显式控制负载折叠。我认为这是内在函数的弱点。如果要显式控制折叠，则必须使用程序集。

在以前版本的 GCC 中，我能够使用对齐或未对齐的负载在某种程度上控制折叠。但是，情况似乎不再如此（GCC 4.9.2）。我的意思是例如在AddDot4x4_vec_block_8wide 这里的函数中，负载被折叠

vmulps  ymm9, ymm0, YMMWORD PTR [rax-256]
vaddps  ymm8, ymm9, ymm8

然而，在之前的 GCC 版本中，负载没有折叠：

vmovups ymm9, YMMWORD PTR [rax-256]
vmulps  ymm9, ymm0, ymm9
vaddps  ymm8, ymm8, ymm9

显然，正确的解决方案是仅在您知道数据已对齐并且您确实想显式控制折叠使用程序集时才使用对齐的负载。

于 2015-06-28T10:23:03.273 回答
4

除了Z boson的回答，我可以说问题可能是由于编译器假设内存区域是对齐的（因为__attribute__ ((aligned(32)))标记了数组）。在运行时，该属性可能不适用于堆栈上的值，因为堆栈仅是 16 字节对齐的（请参阅此错误，在撰写本文时仍处于打开状态，尽管一些修复已将其纳入 gcc 4.6）。编译器有权选择实现内在函数的指令，因此它可能会将内存负载折叠到计算指令中，也可能不折叠，并且vmovaps在折叠不发生时它也有权使用（因为，如前所述，内存区域应该是对齐的）。

main您可以尝试通过指定-mstackrealign和-mpreferred-stack-boundary=5（请参见此处）强制编译器在进入时将堆栈重新对齐为 32 字节，但这会产生性能开销。

于 2016-12-11T10:15:38.453 回答