12

我目前正在编写一个 C++ 模板表达式库,并将一些实例化与汇编级别的手写代码进行比较。手写功能如下:

spinor multiply(vector const& a, vector const& b)
{
        spinor result = {
                a.at<1>() * b.at<1>() - a.at<2>() * b.at<2>()
                          - a.at<4>() * b.at<4>() - a.at<8>() * b.at<8>(),
                a.at<1>() * b.at<2>() - a.at<2>() * b.at<1>(),
                a.at<1>() * b.at<4>() - a.at<4>() * b.at<1>(),
                a.at<1>() * b.at<8>() - a.at<8>() * b.at<1>(),
                a.at<2>() * b.at<4>() - a.at<4>() * b.at<2>(),
                a.at<2>() * b.at<8>() - a.at<8>() * b.at<2>(),
                a.at<4>() * b.at<8>() - a.at<8>() * b.at<4>()
        };

        return result;
}

该类vector只是四个双精度的包装器,可以使用at<index>()成员函数读取。由于设计决策,四个组件的索引是使用而不是通常1, 2, 4, 8访问的。at<index>()0, 1, 2, 3

此函数的目的是返回两个向量相乘的结果(在 Minkowski 空间中)。如果您熟悉几何代数,您将看到点积( 的第一个分量,在和result的交换下对称)和楔积(其余分量,在和的交换下反对称)。如果您不熟悉几何代数,只需将此函数作为向量相乘的处方。abab

如果我用 GCC 4.7 编译上面的函数并查看objdump -SC a.out它给出的反汇编,我会得到以下输出:

400bc0: movsd  0x8(%rsi),%xmm6
400bc5: mov    %rdi,%rax
400bc8: movsd  (%rsi),%xmm8
400bcd: movsd  0x8(%rdx),%xmm5
400bd2: movapd %xmm6,%xmm9
400bd7: movsd  (%rdx),%xmm7
400bdb: movapd %xmm8,%xmm0
400be0: mulsd  %xmm5,%xmm9
400be5: movsd  0x10(%rsi),%xmm4
400bea: mulsd  %xmm7,%xmm0
400bee: movsd  0x10(%rdx),%xmm1
400bf3: movsd  0x18(%rdx),%xmm3
400bf8: movsd  0x18(%rsi),%xmm2
400bfd: subsd  %xmm9,%xmm0
400c02: movapd %xmm4,%xmm9
400c07: mulsd  %xmm1,%xmm9
400c0c: subsd  %xmm9,%xmm0
400c11: movapd %xmm3,%xmm9
400c16: mulsd  %xmm2,%xmm9
400c1b: subsd  %xmm9,%xmm0
400c20: movapd %xmm6,%xmm9
400c25: mulsd  %xmm7,%xmm9
400c2a: movsd  %xmm0,(%rdi)
400c2e: movapd %xmm5,%xmm0
400c32: mulsd  %xmm8,%xmm0
400c37: subsd  %xmm9,%xmm0
400c3c: movapd %xmm4,%xmm9
400c41: mulsd  %xmm7,%xmm9
400c46: mulsd  %xmm2,%xmm7
400c4a: movsd  %xmm0,0x8(%rdi)
400c4f: movapd %xmm1,%xmm0
400c53: mulsd  %xmm8,%xmm0
400c58: mulsd  %xmm3,%xmm8
400c5d: subsd  %xmm9,%xmm0
400c62: subsd  %xmm7,%xmm8
400c67: movapd %xmm4,%xmm7
400c6b: mulsd  %xmm5,%xmm7
400c6f: movsd  %xmm0,0x10(%rdi)
400c74: mulsd  %xmm2,%xmm5
400c78: movapd %xmm1,%xmm0
400c7c: mulsd  %xmm6,%xmm0
400c80: movsd  %xmm8,0x18(%rdi)
400c86: mulsd  %xmm3,%xmm6
400c8a: mulsd  %xmm2,%xmm1
400c8e: mulsd  %xmm4,%xmm3
400c92: subsd  %xmm7,%xmm0
400c96: subsd  %xmm5,%xmm6
400c9a: subsd  %xmm1,%xmm3
400c9e: movsd  %xmm0,0x20(%rdi)
400ca3: movsd  %xmm6,0x28(%rdi)
400ca8: movsd  %xmm3,0x30(%rdi)
400cad: retq   
400cae: nop
400caf: nop

这对我来说看起来很不错——第一个 ( %rsi) 和第二个 ( %rdx) 向量的分量只被访问一次,并且实际计算只在寄存器中完成。最后,将结果写入寄存器中的地址%rdi。由于这是第一个参数寄存器,我认为这里采用了返回值优化。

将其与上述函数的表达式模板版本的以下清单进行比较:

400cb0: mov    (%rsi),%rdx
400cb3: mov    0x8(%rsi),%rax
400cb7: movsd  0x1f1(%rip),%xmm4        # 400eb0 <_IO_stdin_used+0x10>
400cbe: 
400cbf: movsd  0x10(%rdx),%xmm3
400cc4: movsd  0x18(%rdx),%xmm0
400cc9: mulsd  0x10(%rax),%xmm3
400cce: xorpd  %xmm4,%xmm0
400cd2: mulsd  0x18(%rax),%xmm0
400cd7: movsd  0x8(%rdx),%xmm2
400cdc: movsd  (%rdx),%xmm1
400ce0: mulsd  0x8(%rax),%xmm2
400ce5: mulsd  (%rax),%xmm1
400ce9: subsd  %xmm3,%xmm0
400ced: subsd  %xmm2,%xmm0
400cf1: addsd  %xmm0,%xmm1
400cf5: movsd  %xmm1,(%rdi)
400cf9: movsd  (%rdx),%xmm0
400cfd: movsd  0x8(%rdx),%xmm1
400d02: mulsd  0x8(%rax),%xmm0
400d07: mulsd  (%rax),%xmm1
400d0b: subsd  %xmm1,%xmm0
400d0f: movsd  %xmm0,0x8(%rdi)
400d14: movsd  (%rdx),%xmm0
400d18: movsd  0x10(%rdx),%xmm1
400d1d: mulsd  0x10(%rax),%xmm0
400d22: mulsd  (%rax),%xmm1
400d26: subsd  %xmm1,%xmm0
400d2a: movsd  %xmm0,0x10(%rdi)
400d2f: movsd  0x8(%rdx),%xmm0
400d34: movsd  0x10(%rdx),%xmm1
400d39: mulsd  0x10(%rax),%xmm0
400d3e: mulsd  0x8(%rax),%xmm1
400d43: subsd  %xmm1,%xmm0
400d47: movsd  %xmm0,0x18(%rdi)
400d4c: movsd  (%rdx),%xmm0
400d50: movsd  0x18(%rdx),%xmm1
400d55: mulsd  0x18(%rax),%xmm0
400d5a: mulsd  (%rax),%xmm1
400d5e: subsd  %xmm1,%xmm0
400d62: movsd  %xmm0,0x20(%rdi)
400d67: movsd  0x8(%rdx),%xmm0
400d6c: movsd  0x18(%rdx),%xmm1
400d71: mulsd  0x18(%rax),%xmm0
400d76: mulsd  0x8(%rax),%xmm1
400d7b: subsd  %xmm1,%xmm0
400d7f: movsd  %xmm0,0x28(%rdi)
400d84: movsd  0x10(%rdx),%xmm0
400d89: movsd  0x18(%rdx),%xmm1
400d8e: mulsd  0x18(%rax),%xmm0
400d93: mulsd  0x10(%rax),%xmm1
400d98: subsd  %xmm1,%xmm0
400d9c: movsd  %xmm0,0x30(%rdi)
400da1: retq   

这个函数的签名是

spinor<product<vector, vector>>(product<vector, vector> const&)

我希望你相信我,两个版本都给出了相同的结果。前两行提取作为引用存储在 中的第一个和第二个向量product。我想知道以下几点:

  • movsd 0x1f1(%rip),%xmm4结合做什么xorpd %xmm4,%xmm0?我已经发现这被称为“RIP 相对寻址”,请参阅 http://www.x86-64.org/documentation/assembly.html
  • 为什么 GCC 不使用更多的寄存器,例如缓存0x10(%rax)被读取四次?

我还通过生成 100000000 个随机向量并花费两个函数所需的时间来对这两个函数进行基准测试:

ET: 7.5 sec
HW: 6.8 sec

手写功能快10%左右。有没有人有表达模板的经验并且知道如何让它们的表现更接近他们的手写对应物?

4

1 回答 1

3

如果我们确实知道 address 的内容,那将是很清楚的0x400eb0,但我怀疑它是0x8000 0000 0000 0000 8000 0000 0000 0000128 位 int 或类似的(可能带有前导 0,因为代码未矢量化)。

在这种情况下, axorpd确实会改变第二个操作数的符号。

为什么没有缓存寄存器读取 - 最好在 gcc-help 邮件列表中询问。可能编译器无法证明这两个向量或中间结果没有别名。

但与普遍看法相反,编译器并不总是完美地优化,但仅优于所有程序员的 90%(或 99%?)(如果他们尝试编写汇编),有时(很少)他们会产生非常慢的代码。

但是您的方法非常好 - 如果您想优化,基准测试和查看生成的目标代码是正确的做法。

PS:他们的代码可能会通过使用向量指令(mulpd而不是mulsd)来加速,它一次将两个或四个双精度数相乘),也就是 SSE 或 AVX。但是需要一些指令来将值洗牌到寄存器中的正确位置,因此增益总是慢于两到四倍。

于 2012-03-22T13:00:16.867 回答