问题标签 [iaca]

我发现了这个有趣且强大的工具，称为IACA（英特尔架构代码分析器），但我无法理解它。我可以用它做什么，它有什么限制，我可以如何：

• 用它来分析 C 或 C++ 中的代码？
• 用它来分析 x86 汇编器中的代码？

使用英特尔® 架构代码分析器(IACA) ，我发现了一些意想不到的东西（对我来说）。

以下指令使用[base+index]寻址

根据 IACA，不进行微熔断。但是，如果我[base+offset]这样使用

IACA 报告说它确实融合了。

英特尔优化参考手册的第 2-11 节以“所有解码器可以处理的微融合微操作”为例给出以下内容

Agner Fog 的优化组装手册也给出了使用[base+index]寻址的微操作融合示例。例如，参见第 12.2 节“Core2 上的相同示例”。那么正确答案是什么？

我正在尝试使用英特尔的 IACA 进行一些代码分析。我已经使用这个 Stack Overflow 问题来设置制造商。我遇到的问题是，如果我使用 gcc 并直接从源代码编译到二进制文件，我很好。程序编译并且 IACA 工作正常。但是，如果我先使用 -S 编译为 asm，然后在其上使用 gcc，则会出现以下错误。

我承认这些是 IACA 注入的指令。但我不知道为什么当我首先编译为 asm 时它们只是一个问题。

我想这样做的原因是我希望能够在 FORTRAN 代码上使用 IACA，所以我无法使用 c 头文件。我应该可以手动将标记放在 asm 中，但之后我无法编译代码。

为了清楚起见，对于我在这里发布的代码，我只使用了头文件并得到了这个错误。我没有在 asm 中添加任何内容。刚编译成asm，然后编译成二进制。

主.c：

生成文件：

make all工作正常，然后 IACA 接受二进制文件并运行分析。make asm紧随其后make final会产生上述错误。

我在 Intel Xeon-2699 和 gcc 4.9.1 上运行 64 位 Ubuntu 14.10。

我正在尝试确定内存绑定矢量化循环的性能基线。我在 32 字节对齐的环境中使用带有 AVX2 指令的 Intel Broadwell 芯片执行此操作。

基线循环一次使用 8 个 YMM 寄存器从一个位置加载并非临时存储到另一个位置：

我用 YASM 组装它，然后用英特尔架构代码分析器 (IACA) 进行测试，它告诉我：

我的印象是，我可以在 Broadwell 上一次获得 2 倍负载，同时在端口 2 和 3 上同时加载。为什么没有发生这种情况？

谢谢

更新

根据以下建议，将 pd 替换为 ps，并将地址合并到一个寄存器中，新代码如下所示：

然后 IACA 告诉我：

这告诉我商店现在可以使用端口 7 作为地址并且操作已存储。IACA 告诉我，“块吞吐量”仍然是 8 次操作，因为需要额外操作才能将地址​​放到单个寄存器上。也许我做错了？

我还是不明白为什么加载操作不能融合

我一直在玩IACA（英特尔的静态代码分析器）。
在使用可以手动输入魔术标记字节的程序集片段进行测试时，它可以正常工作，如下所示：

有没有办法用所需的魔法标记为非汇编代码添加前缀/后缀，以便我可以分析编译器生成的代码？

我知道我可以从 CPU 视图复制粘贴生成的程序集并使用它创建一个例程，但我希望有一个更简单的工作流程

编辑
我正在寻找适用于 64 位编译器的解决方案。我知道我可以在 32 位编译器中混合汇编和普通代码。

更新
@Dsm 的建议有效。@Rudy 的把戏没有。

以下虚拟代码有效：

更新 2
如果那里有一个 call 语句，IACA 似乎会炸毁并且不想分析代码。抱怨非法指令。然而，基本的想法是有效的。显然，您需要减去初始ret成本及其相关成本。

tl;dr：我有两个功能等效的 C 代码，我用 Clang 编译（事实上它是 C 代码并不重要；我认为只有程序集很有趣），IACA 告诉我应该更快，但我不明白为什么，我的基准测试显示两个代码的性能相同。

我有以下 C 代码（暂时忽略#include "iacaMarks.h", IACA_START, IACA_END）：

参考c：

我想知道是否可以通过手动重新调度一些指令来优化它（我很清楚 C 编译器应该产生有效的调度，但我的实验表明并非总是如此）。在某些时候，我尝试了以下代码（它与上面的代码相同，只是没有使用临时变量来存储稍后分配给*r5and的 XOR 的结果*r6）：

重新调度.c：

我正在使用针对我的 i5-6500 (Skylake) 的 Clang 5.0.0 编译这些代码，并带有标志-O3 -march=native（我省略了生成的汇编代码，因为它们可以在下面的 IACA 输出中找到，但如果你愿意要直接将它们放在这里，问我，我会添加它们）。我对这两个代码进行了基准测试，并没有发现它们之间的任何性能差异。出于好奇，我对它们运行了 IACA，我惊讶地发现它说第一个版本需要 6 个周期才能运行，而第二个版本需要 7 个周期。以下是 IACA 的产出：

对于第一个版本：

对于第二个版本：

如您所见，在第二个版本中，IACA 表示瓶颈是后端，并且“后端分配因不可用的分配资源而停止”。

两种汇编代码都包含相同的指令，唯一的区别是最后 7 条指令的调度以及它们使用的寄存器。

我能想到的唯一可以解释为什么第二个代码更慢的事实是它xmm0在最后 4 条指令中写入了两次，从而引入了依赖关系。但由于这些写入是独立的，我希望 CPU 为它们使用不同的物理寄存器。但是，我无法真正证明这个理论。此外，如果像这样使用两次xmm0是一个问题，我希望 Clang 为其中一条指令使用不同的寄存器（特别是因为这里的寄存器压力很低）。

我的问题：第二个代码应该更慢（基于汇编代码），为什么？

编辑：IACA 跟踪：

第一版：https
://pastebin.com/qGXHVW6a 第二版：https ://pastebin.com/dbBNWsc2

注意：C 代码是 Serpent 密码的第一个 S-box 的实现，由 Osvik在此处计算。

我想通过 IACA 分析器运行一些代码，看看它使用了多少微指令——我从一个简单的函数开始，看看它是否工作..

不幸的是，当我插入 IACA 说要使用的宏时，生成的程序集非常不同，因此对其进行任何分析都没有帮助。

这是在没有 IACA 的情况下生成的组件

这是我添加 IACA 宏后它产生的结果..（我正在测试 MSVC 生成的二进制文件，所以我正在使用 IACA_VC64_START 和 IACA_VC64_END 作为手册所说的）。

所以它插入了很多动作，现在我的（希望）融合添加不再融合-..

我希望它能告诉我是否

保持融合，但它一起删除了这段代码..

这是一个已知问题，还是因为我使用的 MSVC 可能不太常见？

有没有办法解决这个问题，或者有更好的与 MSVC 兼容的工具？