Question

我有两个8位寄存器，如果其中一个是0，则必须检查。

我现在的解决方案是：

cmp $0, %r10b
je end
cmp $0, %r11b
je end

还有其他办法吗？

问候

Answer 1

本答案中的性能讨论针对最近的英特尔CPU（Sandybridge，Haswell）。至少早在Pentium M，甚至更早的P6（Pentium Pro / Pentium II）上都适用。有关微文档文档，请参阅http://agner.org/optimize/。 AMD的性能考虑因素应该类似，不过它们不会将测试和分支指令宏观融合到单个宏操作中，就像英特尔宏将它们融合到单个uop中一样。

分支预测器存在于每个流水线设计中，但对于像Haswell这样的东西比旧的Silvermont Atom更重要。不过，这部分非常普遍。

对您的版本进行小调整：

test %r10b, %r10b   ; test is shorter than cmp with an immediate, but no faster
jz   end
test %r11b, %r11b
jz   end

可能只有test / jz对中只有一对会在英特尔上进行宏观融合，因为它们可能都会在同一周期中击中解码器。此外，如果任一值是ALU op的输出，它可能已经设置了零标志。因此，请安排您的代码，以便其中一个分支不需要单独test。

您可以保存分支（以额外的uop为代价）。甚至非采用分支的吞吐量可能是一个非常紧密的循环的瓶颈。 Sandybridge每1-2个循环只能维持1个分支。所以这个想法可能有助于：

test  %r10b, %r10b
setnz %r15b          # 1 if %r10b == 0, else 0
dec   %r15b          # 0 if %r10b == 0, else 0xFF
test  %r11b, %r15b
je    end

这是另外一条指令（所有单指令指令都有1个周期延迟。）它会在分支指令退出之前增加更多延迟（将误预测惩罚增加3个周期），但它可以提高性能： / p>

为什么单个分支是好的：

如果a && b是可预测的，但是a或b实际上为零是不可预测的，这可以减少分支误预测的数量。尽管如此，基准/性能计数器测试它是：据说程序员在猜测哪些分支在代码中是可预测的时候是出了名的。 CPU具有有限大小的分支历史缓冲区，因此使用少一个条目可以帮助一点点。

针对吞吐量进行了优化，延迟稍差：

如果延迟并不重要，那么只是吞吐量（即错误预测很少）：

# mov     %r10b, %al    # have the byte you want already stored in %r10b
imul    %r11b           # Intel: 3 cycle latency, 1/cycle throughput.
# ZF is undefined, not set according to the result, unfortunately
test    %ax, %ax        # No imm16, so no Intel length-changing-prefix stall for a 16bit insn
je    .end

总共2次uop（测试/ je可以宏观融合，甚至在AMD上）。如果你需要保存％al的旧值，或者你不能免费获得％al中的一个值，那么这是一个额外的mov。

如果寄存器的高位字节为零，则可能获得速度：如果使用字节操作将字节值输入寄存器，则使用imul %r10d, %r11d会产生部分寄存器停顿（或额外的uop）合并）。如果您编写了完整的32位寄存器（例如movzx），则可以使用imul的2操作数形式，并测试32位结果。（上面的16将全部为零，这很好。）没有imul r8, r8的2操作数形式，无论如何你需要一个完整的16b结果，因为它没有根据结果。如果是，则可能存在比较指令，该指令测试了零和进位或溢出标志的正确组合。手册说在imul之后未定义ZF，所以不要依赖当前CPU发生的事情。这是做 need the upper bytes to be zero的一种情况。

使test %ax, %ax在16位寄存器上运行的操作数大小前缀不应导致Intel上的解码停顿，因为它不会改变指令的 rest 的长度。可怕的LCP失速发生在16位即时，如test $0xffff, %ax，所以除非你只针对AMD，否则请避免使用。

@Brett Hale对OP的评论：如果你的分支指令依赖于你，你只会获得部分标记停顿（或者在后来的CPU上，添加一个额外的uop以合并标志（很多更高效））标志位未被最后一条设置标志的指令修改。

Answer 2

您可以先and然后再做一个test吗？或者您也可以尝试按照@Peter Cordes的建议进行乘法，但不是使用imul，而是执行lea？

但我建议您保留当前的代码，只需使用test代替cmp，然后对其进行模糊处理。

实际上，由于test执行and，只需在两个寄存器之间执行test，然后jz或jnz，甚至cmov。

AMD64汇编程序：if- Statement

2 个答案:

为什么单个分支是好的：

针对吞吐量进行了优化，延迟稍差：