我在 Windows 和 Linux (x86-64) 上运行一个程序。它使用相同的编译器（Intel Parallel Studio XE 2017）和相同的选项编译，Windows 版本比 Linux 版本快 3 倍。罪魁祸首是在英特尔数学库中解决了这两种情况的调用std::erf（默认情况下，它在 Windows 上动态链接，在 Linux 上静态链接，但在 Linux 上使用动态链接提供相同的性能）。
这是一个重现问题的简单程序。
#include <cmath>
#include <cstdio>
int main() {
int n = 100000000;
float sum = 1.0f;
for (int k = 0; k < n; k++) {
sum += std::erf(sum);
}
std::printf("%7.2f\n", sum);
}
当我使用 vTune 分析这个程序时，我发现程序集在 Windows 和 Linux 版本之间有点不同。这是 Windows 上的调用站点（循环）
Block 3:
"vmovaps xmm0, xmm6"
call 0x1400023e0 <erff>
Block 4:
inc ebx
"vaddss xmm6, xmm6, xmm0"
"cmp ebx, 0x5f5e100"
jl 0x14000103f <Block 3>
以及在 Windows 上调用的 erf 函数的开头
Block 1:
push rbp
"sub rsp, 0x40"
"lea rbp, ptr [rsp+0x20]"
"lea rcx, ptr [rip-0xa6c81]"
"movd edx, xmm0"
"movups xmmword ptr [rbp+0x10], xmm6"
"movss dword ptr [rbp+0x30], xmm0"
"mov eax, edx"
"and edx, 0x7fffffff"
"and eax, 0x80000000"
"add eax, 0x3f800000"
"mov dword ptr [rbp], eax"
"movss xmm6, dword ptr [rbp]"
"cmp edx, 0x7f800000"
...
在 Linux 上，代码有点不同。调用站点是：
Block 3
"vmovaps %xmm1, %xmm0"
"vmovssl %xmm1, (%rsp)"
callq 0x400bc0 <erff>
Block 4
inc %r12d
"vmovssl (%rsp), %xmm1"
"vaddss %xmm0, %xmm1, %xmm1" <-------- hotspot here
"cmp $0x5f5e100, %r12d"
jl 0x400b6b <Block 3>
被调用函数（erf）的开头是：
"movd %xmm0, %edx"
"movssl %xmm0, -0x10(%rsp)" <-------- hotspot here
"mov %edx, %eax"
"and $0x7fffffff, %edx"
"and $0x80000000, %eax"
"add $0x3f800000, %eax"
"movl %eax, -0x18(%rsp)"
"movssl -0x18(%rsp), %xmm0"
"cmp $0x7f800000, %edx"
jnl 0x400dac <Block 8>
...
我已经展示了在 Linux 上浪费时间的 2 点。
有没有人足够了解汇编来解释这两个代码的区别以及为什么 Linux 版本慢了 3 倍？