x86上的C 64位循环性能
我需要使用原始套接字的一些IPv4 ICMP处理代码的Internet Checksumfunction（补码校验和），并且我无法解释在64位英特尔处理器（使用gcc 4.8.2）上无法解释的行为。 我想知道是否有人可以说明一点。
我使用32位累加器实现了第一个校验和function，并执行了16位和。 然后我使用64位累加器和32位和来实现，认为总和越less，执行速度越快。 结果是第一个实现的运行速度是第二个的两倍（使用O3优化）。 我简直不知道为什么…
下面的代码实际上并没有执行准确的校验和（我简化了它），但是说明了这个问题。 两者都编译为在64位本机平台上运行的64位（LP64：短16位，整型32位，长64位，指针64位）。
-
32位累加器和16位和
unsigned short cksum_16_le(unsigned char* data, size_t size) { unsigned short word; unsigned int sum = 0; unsigned int i; for(i = 0; i < size - 1; i += 2) sum += *((unsigned short*) (data + i)); sum = (sum & 0xffff) + (sum >> 16); sum = (sum & 0xffff) + (sum >> 16); return ~sum; }
在相同的10k数据上进行50,000次函数调用：约1.1秒。
-
64位累加器和32位和
unsigned short cksum_32_le(unsigned char* data, size_t size) { unsigned long word; unsigned long sum = 0; unsigned int i; for(i = 0; i < size - 3; i += 4) sum += *((unsigned int*) (data + i)); sum = (sum & 0xffffffff) + (sum >> 32); sum = (sum & 0xffffffff) + (sum >> 32); sum = (sum & 0xffff) + (sum >> 16); sum = (sum & 0xffff) + (sum >> 16); return ~sum; }
50,000个函数调用相同的10k数据：约2.2秒。
更新：
看来这个问题是由于硬件造成的。 运行内存诊断揭示了偶尔的总线奇偶校验错误（不知道为什么这会影响32位版本超过16位版本，但你去）。 代码按预期在其他服务器上运行。 在接下来的几个小时内将会删除这个问题（与硬件有关，不再特别有用）。
最终更新：
有趣的是，使用while循环replacefor循环并使用O3优化进行编译（下面显示了64位累加器的情况）可以使32位和64位累加器的情况都以相同的速度运行。 这是因为编译器执行一些循环展开（奇怪的是，它不展开for循环）并使用mmx寄存器执行求和…
uint64_t sum = 0; const uint32_t* dptr = (const uint32_t*) data; while (size > 3) { sum += (uint32_t) *dptr++; size -= 4; }
我之前有过类似的问题， 我在任何一个代码中都找不到任何问题。 但是什么对我来说是改变了编译器。
我的猜测是海湾合作委员会正在编写废弃的大会。
如果您可以反编译您的应用程序，我们可以在这个问题上发现更多的信息，但是这里没有足够的信息。
当我反编译我的代码，我发现它是重写整个方法多次。 但那可能只是为了我。
希望这对你有所帮助，这个地方几乎没有任何信息。
如果我不得不猜测，我会同意学习者，我很确定反编译的代码将指向for循环。 我对这个问题很感兴趣，所以请回复。
可能的答案：“i <size – 1”条件可以比“i <size – 3”更有效地编译和执行。 第一个只需要一个递减指令，而不是另一个需要一个常量3来加载的地方。 这个计算是每次迭代执行的。 你应该在别处存储这个计算的结果。
这与while循环无关。 当你重写while循环时，你也改变了迭代条件，并消除了上面的原因。
我也更喜欢在循环之外进行types转换，但是这也显示出一个限制 – 你的数据必须
你是否让编译器的工作困难？ 在内部循环中，您可以通过select索引步长和演员来自行计算字节偏移量。 这可能会阻止循环展开或任何其他尝试假设alignment的优化。 也可能不会让编译器使用寻址模式并出去计算自己的有效地址（或LEA它）。
如果我这样做，我会把循环顶部的数据指针转换为您的步幅types，并将您的循环计数器增加1.编译器可能会更快乐一些。
我认为它不能展开“for”循环，因为从char *转换为unsigned int *。 types转换通常会阻止编译器优化代码，因为在这种情况下不能进行完美的别名分析。 如果你首先声明一个额外的本地指针来在循环之前强制转换你的“数据”指针，这样在循环中没有任何强制转换，编译器应该能够优化“for”循环。
sum += *((unsigned int*) (data + i));
我不喜欢这样的演员
64位累加器和32位和
既然你写道：
两者都编译为在64位本机平台上运行的64位（LP64：短16位，整型32位，长整型，64位，指针64位）。
我会build议使用（无符号长*）。 有人build议检查反汇编代码实际上是怎么回事。 我认为这是因为你的int *与长累加器投。
如果没有O2 <> O3标志呢？ 你能展示一下正常编译模式下的速度吗？
