如何執行更多的指令加速執行

Question

當我運行以下函數時，我得到了一些意想不到的結果。

在我的機器上，下面的代碼一直需要大約6秒鐘才能運行。但是，如果我取消註釋「;dec [variable + 24]」行，，因此執行更多代碼大約需要4.5秒運行。爲什麼？

.DATA 
variable dq 0 dup(4) 
.CODE    

runAssemblyCode PROC 
    mov rax, 2330 * 1000 * 1000 
start: 
    dec [variable] 
    dec [variable + 8] 
    dec [variable + 16] 
    ;dec [variable + 24] 
    dec rax 
    jnz start 
    ret 
runAssemblyCode ENDP 
END 

我注意到，已經有堆棧溢出類似的問題，但他們的代碼樣本並不如此簡單，我找不到任何簡潔的回答這個問題。

我已經嘗試用nop填充代碼以查看它是否是對齊問題，並且還將親和性設置爲單個處理器。沒有任何區別。

Answer 1

簡單的答案是，因爲現代CPU非常複雜。在引擎蓋下有很多事情對觀察者來說顯得不可預知或隨機。

插入該額外的指令可能會導致它安排不同的指令，在這樣的緊密循環中，可能會產生差異。但這只是一個猜測。

就我所見，它觸及與前一條指令相同的緩存行，所以它似乎不是一種預取。我無法真正想到一個合理的解釋，但是CPU再一次使用了大量的無文檔啓發式和猜測來儘可能快地執行代碼，有時候，這意味着奇怪的角落案例，他們失敗了，代碼變爲比你想象的要慢。

你在不同的CPU型號上測試過嗎？看看它是否在你的特定CPU上，或者其他x86 CPU是否展現相同的東西，會很有趣。

Answer 2

這並不壞。平均而言，完整循環需要2.6 ns執行，而另一個需要1.9 ns。假設2GHz的CPU具有0.5ns的週期，每個迴路的差別大約爲(2.6 - 1.9)/0.5 = 1 clock cycle，這並不奇怪。
雖然由於您要求的週期數，時差會變得非常明顯：0.5 ns * 2330000000 = 1.2 seconds，您觀察到的差異。

Answer 3

bob.s

.data 
variable: 
    .word 0,0,0,0 
    .word 0,0,0,0 
    .word 0,0,0,0 
    .word 0,0,0,0 
    .word 0,0,0,0 
    .word 0,0,0,0 

.text 
.globl runAssemblyCode 
runAssemblyCode: 
    mov $0xFFFFFFFF,%eax 

start_loop: 
    decl variable+0 
    decl variable+8 
    decl variable+16 
    ;decl variable+24 
    dec %eax 
    jne start_loop 
    retq 

ted.c

#include <stdio.h> 
#include <time.h> 

void runAssemblyCode (void); 

int main (void) 
{ 
    volatile unsigned int ra,rb; 

    ra=(unsigned int)time(NULL); 
    runAssemblyCode(); 
    rb=(unsigned int)time(NULL); 
    printf("%u\n",rb-ra); 
    return(0); 
} 

GCC -02 ted.c bob.s -o特德

，這是與額外的指令：

00000000004005d4 <runAssemblyCode>: 
    4005d4: b8 ff ff ff ff   mov $0xffffffff,%eax 

00000000004005d9 <start_loop>: 
    4005d9: ff 0c 25 28 10 60 00 decl 0x601028 
    4005e0: ff 0c 25 30 10 60 00 decl 0x601030 
    4005e7: ff 0c 25 38 10 60 00 decl 0x601038 
    4005ee: ff 0c 25 40 10 60 00 decl 0x601040 
    4005f5: ff c8     dec %eax 
    4005f7: 75 e0     jne 4005d9 <start_loop> 
    4005f9: c3      retq 
    4005fa: 90      nop 

我沒有看到區別，也許你可以糾正我的代碼或其他人可以嘗試在他們的系統，看看他們看到了什麼......

這是一個非常痛苦的指令，如果你正在做的東西以外的字節爲基礎的內存遞減未對齊，並將痛苦的內存系統。所以這個例程應該對高速緩存行以及內核數量敏感。

無論有沒有額外的指令，它都需要大約13秒。

的AMD Phenom 9950四核處理器

上

英特爾（R）核心（TM）2 CPU 6300

歷時約9-10秒有或沒有額外的指令。

兩個處理器： 英特爾（R）至強（TM）CPU

了約13秒，或沒有額外的指令。

在此： 英特爾（R）核心（TM）2 Duo處理器T7500

8秒有或無。

所有正在運行的Ubuntu 64位10.04或10.10，可能是11.04在那裏。

一些更多的機器中，64位，的ubuntu

英特爾（R）至強（R）CPU X5450（8芯）

6秒具有或不具有額外的指令。

英特爾（R）至強（R）CPU E5405（8芯）

9秒有或無。

系統中DDR/DRAM的速度是多少？你正在運行什麼樣的處理器（如果在Linux上是cat/proc/cpuinfo）。

英特爾（R）至強（R）CPU E5440（8芯）

6秒具有或不具有

稀釋，發現單核，至強雖然： 英特爾（R）至強（TM） CPU

15秒，或者沒有額外的指令