Question

我不想优化任何东西，我发誓，我只想出于好奇而问这个问题。我知道在大多数硬件上都有一个比特移位的汇编命令（例如shl，shr），这是一个命令。但是，你转移了多少比特（纳秒级，或CPU技巧）是否重要？换句话说，在任何CPU上都是以下哪一种更快？

x << 1;

和

x << 10;

请不要因为这个问题而讨厌我。：）

Answer 1

可能取决于CPU。

然而，所有现代CPU（x86，ARM）都使用“桶形移位器” - 专门设计用于在恒定时间内执行任意移位的硬件模块。

所以底线是......不。没有区别。

Answer 2

某些嵌入式处理器只有“逐个移位”指令。在此类处理器上，编译器会将x << 3更改为((x << 1) << 1) << 1。

我认为摩托罗拉MC68HCxx是受此限制的更受欢迎的家庭之一。幸运的是，这种架构现在非常罕见，现在大多数都包括一个具有可变移位尺寸的桶形移位器。

英特尔8051具有许多现代衍生产品，也无法移动任意数量的位。

Answer 3

有很多案例。

许多高速MPU都有桶形移位器，类似多路复用器的电子电路，可以在恒定时间内进行任何移位。
如果MPU只有1位移位x << 10通常会更慢，因为它主要通过10次移位或2次移位的字节复制完成。
但众所周知，x << 10甚至比<{1}}更快。如果x是16位，则只需要低6位（所有其他都将被移出），因此MPU只需加载较低的字节，因此只对8位存储器进行单一访问周期，而x << 1需要两个访问周期。如果访问周期慢于shift（并清除低位字节），x << 10将更快。这可能适用于具有快速板载程序ROM的微控制器，同时访问慢速外部数据RAM。

作为案例3的补充，编译器可能会关注x << 10中的有效位数，并优化对低宽度位的操作，例如将16x16乘法替换为16x8乘法（因为低位字节始终为零））。

注意，有些微控制器根本没有左移指令，而是使用x << 10。

Answer 4

在ARM上，这可以作为另一条指令的副作用来完成。所以潜在地，它们中的任何一个都没有延迟。

Answer 5

这是my favorite CPU，其中x<<2的时间是x<<1的两倍：）

Answer 6

这取决于CPU和编译器。即使底层CPU具有桶形移位器的任意位移，这只有在编译器利用该资源时才会发生。

请记住，在C和C ++中，将数据位宽度以外的任何内容移位是“未定义的行为”。签名数据的右移也是“实现定义的”。而不是过分关注速度，关注你在不同的实现上得到相同的答案。

引自ANSI C第3.3.7节：

3.3.7按位移位运算符

语法
      shift-expression:
              additive-expression
              shift-expression <<  additive-expression
              shift-expression >>  additive-expression
约束

每个操作数都应具有   积分型。

语义

整体促销活动   在每个操作数上执行。   结果的类型是   提升左操作数。如果值   右操作数是否定的或是   大于或等于宽度   升级的左操作数的位，   行为未定义。

E1的结果＆lt;＆lt; E2是E1   左移E2位位置;腾空   位用零填充。如果E1有   无符号类型，值的   结果是E1乘以   数量，2增加到功率E2，   如果E1有，则减少模数ULONG_MAX + 1   输入unsigned long，UINT_MAX + 1   除此以外。（常量ULONG_MAX   和UINT_MAX在标题中定义    。）

E1＆gt;的结果＆gt; E2是E1   右移E2位位置。如果E1   有一个无符号类型或E1有一个   签名类型和非负值，   结果的值是   E1的商的组成部分   除以数量，2提高到   权力E2。如果E1有签名   类型和负值，   结果价值是   实现定义的。

所以：

x = y << z;

“＆lt;＆lt;”：y×2 ^z（未定义，如果发生溢出）;

x = y >> z;

“＆gt;＆gt;”：为签名定义的实现（通常是算术移位的结果：y / 2 ^z）。

Answer 7

可以想象，在8位处理器上，对于16位值，x<<1实际上比<{em}慢得多。

例如x<<10的合理翻译可能是：

x<<1

而byte1 = (byte1 << 1) | (byte2 >> 7) byte2 = (byte2 << 1)会更简单：

x<<10

请注意byte1 = (byte2 << 2) byte2 = 0如何更频繁地转变，甚至比x<<1更远。此外，x<<10的结果不依赖于byte1的内容。这可以进一步加快操作。

Answer 8

在几代英特尔CPU上（P2或P3？但不是AMD，如果我没记错的话），比特移位操作速度非常慢。 Bitshift by 1 bit应该总是很快，因为它只能使用加法。要考虑的另一个问题是，通过恒定位数的位移是否比可变长度位移更快。即使操作码的速度相同，在x86上，位移的非常量右手操作数也必须占用CL寄存器，这会对寄存器分配造成额外的限制，并且可能会使程序慢下来。

Answer 9

与往常一样，它取决于周围的代码上下文：例如你使用x<<1作为数组索引吗？或者将其添加到其他东西？在任何一种情况下，小的移位计数（1或2）通常可以比编译器最终必须只移位时更优化。更不用说整个吞吐量与延迟与前端瓶颈之间的权衡。微小片段的表现不是一维的。

硬件转换指令不是编译器编译x<<1的唯一选项，但其他答案主要是假设。

x << 1完全等同于x+x 表示无符号和2的补码有符号整数。编译器总是知道他们在编译时所针对的硬件，因此他们可以利用这样的技巧。

在Intel Haswell上，add每时钟吞吐量为4，但立即计数的shl每时钟吞吐量仅为2。（有关说明表以及http://agner.org/optimize/标记wiki中的其他链接，请参阅x86）。 SIMD向量移位为每时钟1个（Skylake中为2个），但SIMD向量整数加上每个时钟2个（Skylake中为3个）。但延迟是相同的：1个周期。

还有一个shl的特殊转换编码，其中计数隐含在操作码中。 8086没有立即计数轮班，只有一个和cl注册。这主要与右移相关，因为除非你移动内存操作数，否则你可以添加左移。但如果稍后需要该值，最好先加载到寄存器中。但无论如何，shl eax,1或add eax,eax比shl eax,10短一个字节，代码大小可以直接（解码/前端瓶颈）或间接（L1I代码缓存未命中）影响性能。

更一般地说，在x86上的寻址模式下，有时可以将小移位计数优化为缩放索引。目前常用的大多数其他架构都是RISC，并且没有扩展索引寻址模式，但x86是一个通用的架构，值得一提。（例如，如果要索引一个4字节元素的数组，则int arr[]; arr[x<<1]）可以将比例因子增加1。

在仍然需要x的原始值的情况下，需要复制+移位。但大多数x86整数指令就地运行。（目标是add或shl等指令的来源之一。）x86-64 System V调用约定通过寄存器中的args，edi中的第一个arg和eax中的返回值，因此返回x<<10的函数也会使编译器发出copy + shift代码。

LEA instruction lets you shift-and-add（移位计数为0到3，因为它使用寻址模式机器编码）。它将结果放在一个单独的寄存器中。

gcc and clang both optimize these functions the same way, as you can see on the Godbolt compiler explorer：

int shl1(int x) { return x<<1; }
    lea     eax, [rdi+rdi]   # 1 cycle latency, 1 uop
    ret

int shl2(int x) { return x<<2; }
    lea     eax, [4*rdi]    # longer encoding: needs a disp32 of 0 because there's no base register, only scaled-index.
    ret

int times5(int x) { return x * 5; }
    lea     eax, [rdi + 4*rdi]
    ret

int shl10(int x) { return x<<10; }
    mov     eax, edi         # 1 uop, 0 or 1 cycle latency
    shl     eax, 10          # 1 uop, 1 cycle latency
    ret

具有2个组件的LEA在最近的Intel和AMD CPU上具有1个周期延迟和2个每时钟吞吐量。（Sandybridge家族和Bulldozer / Ryzen）。在英特尔，lea eax, [rdi + rsi + 123]只有1个时钟吞吐量，3c延迟。（相关：Why is this C++ code faster than my hand-written assembly for testing the Collatz conjecture?详细介绍了这一点。）

无论如何，复制+移位10需要单独的mov指令。在许多最近的CPU上可能是零延迟，但它仍然需要前端带宽和代码大小。（Can x86's MOV really be "free"? Why can't I reproduce this at all?）

还相关：How to multiply a register by 37 using only 2 consecutive leal instructions in x86?。

编译器也可以自由转换周围的代码，因此没有实际的转换，或者它与其他操作结合。

例如if(x<<1) { }可以使用and来检查除高位之外的所有位。在x86上，您使用test指令，例如test eax, 0x7fffffff / jz .false而不是shl eax,1 / jz。此优化适用于任何班次计数，它也适用于大计数班次较慢（如奔腾4）或不存在（某些微控制器）的计算机。

许多ISA都有位操作指令，而不仅仅是移位。例如PowerPC有很多位字段提取/插入指令。或者ARM将源操作数的移位作为任何其他指令的一部分。（因此，移位/旋转指令只是move的一种特殊形式，使用移位源。）

请记住， C不是汇编语言。在调整源代码以便有效编译时，请始终查看优化的编译器输出。

哪个更快：x <1或x <＆lt; 10？

9 个答案: