performance - 为什么内存往返比不执行往返更快？

Question

我有一些简单的 32 位代码，用于计算 32 位整数数组的乘积。内部循环如下所示:

@@loop:
mov esi,[ebx]
mov [esp],esi
imul eax,[esp]
add ebx, 4
dec edx
jnz @@loop

我想理解的是为什么上面的代码比这两个版本的代码快 6%，这两个版本不执行冗余内存往返:

@@loop:
mov esi,[ebx]
imul eax,esi
add ebx, 4
dec edx
jnz @@loop

和

@@loop:
imul eax,[ebx]
add ebx, 4
dec edx
jnz @@loop

后两段代码几乎同时执行，正如前面提到的，两者都比第一段慢 6%(165 毫秒对 155 毫秒，2 亿个元素)。

我试过手动将跳转目标对齐到 16 字节的边界，但这没有区别。

我在 Intel i7 4770k、Windows 10 x64 上运行它。

注意:我知道可以通过进行各种优化来改进代码，但是我只对上述代码段之间的性能差异感兴趣。

Answer 1

我怀疑但不能确定您是否阻止了数据依赖项的停顿:

代码如下所示:

@@loop:
    mov esi,[ebx]    # (1)Load the memory location to esi reg
    (mov [esp],esi)  # (1)optionally store the location on the stack      
    imul eax,[esp]   # (3) Perform the multiplication
    add ebx, 4       # (1) Add 4
    dec edx          # (1)decrement counter
    jnz @@loop       # (0**) loop 

括号中的那些数字是指令的延迟……如果分支预测器正确猜测，则跳转为 0(因为它大部分时间都会循环)。

所以:当乘法仍在进行时(3 条指令)，我们在 2 之后回到循环的顶部并尝试加载到内存中，但必须停止。或者我们可以做一个存储......我们可以在乘法的同时做，然后根本不会停顿。

你问的虚拟商店呢？为什么这样做？请注意，您正在存储我们用来乘以内存的临界值。因此处理器可以使用这个存储在内存中的值并破坏寄存器。

那么为什么处理器不能这样做呢？处理器不能产生比您要求的更多的内存访问，否则它可能会干扰多处理器程序(想象一下您正在写入的缓存线是共享的，并且您必须在每个循环中通过写入来使其在其他 CPU 上无效……哎哟!)。

所有这些都是纯粹的猜测，但它似乎与所有证据相符(您的代码和我对英特尔架构……和 x86 程序集的了解)。如果我有什么不对的地方，希望有人能指出。