Tag: 汇编

用64位代替32位循环计数variables引入了疯狂的性能偏差: 我正在寻找最快的方式来popcount大量的数据。我遇到了一个非常奇怪的结果：将循环variables从unsigned更改为uint64_t使得我的PC上的性能下降了50％。基准 #include <iostream> #include <chrono> #include <x86intrin.h> int main(int argc, char* argv[]) { using namespace std; if (argc != 2) { cerr << "usage: array_size in MB" << endl; return -1; } uint64_t size = atol(argv[1])<<20; uint64_t* buffer = new uint64_t[size/8]; char* charbuffer = reinterpret_cast<char*>(buffer); for (unsigned i=0; i<size; ++i) charbuffer[i] = rand()%256; […]

如果只需要结果的低部分，那么哪个2的补码整数运算可以在input中不调零高位的情况下使用？: 在汇编编程中，通常需要从寄存器的低位计算某些值，而不保证其他位为零。在像C这样的高级语言中，只需简单地将input转换为较小的大小，然后让编译器决定是否需要单独清零每个input的高位，或者是否可以在结束之后剔除结果的高位事实。对于x86-64（也就是AMD64）来说，这是非常常见的，原因有很多，其中一些出现在其他ISA中。我将用64位x86作为例子，但其目的是一般性地询问/讨论2的补码和无符号的二进制算术，因为所有现代的CPU都使用它。（请注意，C和C ++不保证二进制补码4 ，并且这个有符号溢出是未定义的行为。）作为例子，考虑一个可以编译成LEA指令的简单函数2 。（在x86-64 SysV（Linux） ABI 3中，前两个函数参数在rdi和rsi ，返回值是rax ， int是32位types。 ; int intfunc(int a, int b) { return a + b*4 + 3; } intfunc: lea eax, [edi + esi*4 + 3] ; the obvious choice, but gcc can do better ret gcc知道，即使是负符号整数，除了从右到左，input的高位不会影响进入eax 。因此，它保存了一个指令字节并使用 lea […]

num ++可以是'int num'的primefaces吗？: 通常，对于int num ， num++ （或++num ）作为读取 – 修改 – 写入操作是不primefaces的。但是我经常看到编译器，比如GCC ，为它生成下面的代码（试试这里）：由于对应于num++第5行是一条指令，所以在这种情况下，我们可以得出结论： num++ 是primefaces吗？如果是这样，这是否意味着这样生成的num++可以在并发（multithreading）的情况下使用，没有任何数据竞争的危险（即，我们不需要，例如， std::atomic<int>并强加相关的成本，因为它primefaces无论如何）？ UPDATE 请注意，这个问题并不是增量是否是primefaces的（这不是，而且是问题的开场白线）。这是否可以在特定情况下，即在某些情况下是否可以利用单指令性质来避免lock前缀的开销。而且，正如接受的答案中提到的关于单处理机的部分，以及这个答案，在它的评论和其他人的谈话中解释，它可以（但不是用C或C ++）。

为什么你必须链接C中的math库？: 如果在C程序中包含<stdlib.h>或<stdio.h> ，那么在编译时就不必将它们链接起来，但是我必须使用-lm和gcc链接到<math.h> ，例如： gcc test.c -o test -lm 这是什么原因？为什么我必须明确地链接math库，而不是其他库？

为什么循环指令很慢？英特尔能不能有效地实现它？: loop递减ecx / rcx，然后在非零时跳转。速度很慢，但英特尔不能以低廉的速度让它变得更快？一个dec和分支uop已经是可能的了（唯一的区别是设置标志）。从Agner Fog的指令表中 loop使用各种微架构： K8 / K10：7米推土机家族/ Ryzen：1 m-op（与macros电子testing分支相同的成本，或jecxz ） P4：4个jecxz （与jecxz相同） P6（PII / PIII）：8个 Pentium M，Core2：11 uops Nehalem：6个uops。（11 loope / loopne ） SnB系列：7个。（11个为loope / loopne ）。对于jecxz只有2个jecxz Silvermont：7个uops AMD捷豹（低功耗）：8个微处理器，5c吞吐量通过Nano3000：2微软难道解码器只是解码像lea rcx, [rcx-1] / jrcxz ？那将是3个微笑。至less在没有地址大小的前缀的情况下是这样，否则如果跳转被使用，则必须使用ecx并截断RIP到EIP 。也许地址大小控制的减less宽度的奇数select解释了许多微软。或者更好，只是将它解码为一个融合的十进制分支，不设置标志？ jnz上的dec ecx / jnz解码为单个uop（设置标志）。我知道真正的代码并没有使用它（因为它至lessP5或者其他东西已经很慢了），但是AMD决定让推土机变得很快是值得的。 […]

引用内存位置的内容。（x86寻址模式）: 我有一个内存位置包含一个字符，我想与另一个字符比较（它不在堆栈的顶部，所以我不能只是pop它）。我如何引用一个内存位置的内容，以便我可以比较它？基本上，我怎样才能在语法上做到这一点。

为什么大部分的x64指令会将32位寄存器的上半部分清零？: 今天我了解了x64程序集（资料来源： http : //x86asm.net/articles/x86-64-tour-of-intel-manuals/ ）也许最令人惊讶的事实是，诸如MOV EAX，EBX之类的指令自动将RAX寄存器的高32位清零。英特尔文档（3.4.1.1通用基本体系结构中的64位模式的通用寄存器）在同一来源中引用告诉我们： 64位操作数在目标通用寄存器中生成一个64位结果。 32位操作数产生一个32位结果，在目标通用寄存器中零扩展为一个64位结果。 8位和16位操作数生成8位或16位结果。目标通用寄存器的高56位或48位（分别）不会被操作修改。如果8位或16位操作的结果是用于64位地址计算的，则明确地将寄存器扩展为完整的64位。在x86-32汇编中，16位指令如 mov ax, bx 不要performance出这种eax的上位字“零”的“奇怪”的行为。因此：这种行为被引入的原因是什么？乍一看这似乎不合逻辑（但原因可能是我习惯了x86-32汇编的怪癖）。

微融合和寻址模式: 使用英特尔®架构代码分析器（IACA），我发现了一些意想不到的情况（对我来说）。以下指令使用[base+index]寻址 addps xmm1, xmmword ptr [rsi+rax*1] 根据IACA没有微熔丝。但是，如果我这样使用[base+offset] addps xmm1, xmmword ptr [rsi] IACA报告说它确实融合了。 “ 英特尔优化参考手册”第2-11部分提供了以下内容作为“可由所有解码器处理的微型熔合微操作” FADD DOUBLE PTR [RDI + RSI*8] Agner Fog的优化组装手册也给出了使用[base+index]寻址的微操作融合的例子。例如，请参见第12.2节“Core2上的相同示例”。那么正确的答案是什么？

在i386和x86-64上，UNIX和Linux系统调用的调用约定是什么？: 以下链接解释了UNIX（BSD flavor）和Linux的x86-32系统调用约定： http://www.int80h.org/bsdasm/#system-calls http://www.freebsd.org/doc/en/books/developers-handbook/x86-system-calls.html 但是，UNIX和Linux上的x86-64系统调用约定是什么？