gcc - 为什么 `mov %eax, %eax; nop` 比 `nop` 快？

Question

Apparently ，现代处理器可以判断您是否做了一些愚蠢的事情，例如将寄存器移动到自身 ( mov %eax, %eax ) 并将其优化。为了验证该声明，我运行了以下程序:

#include <stdio.h>
#include <time.h>

static inline void f1() {
   for (int i = 0; i < 100000000; i++)
      __asm__(
            "mov %eax, %eax;"
            "nop;"
            );
}

static inline void f2() {
   for (int i = 0; i < 100000000; i++)
      __asm__(
            "nop;"
            );
}

static inline void f3() {
   for (int i = 0; i < 100000000; i++)
      __asm__(
            "mov %ebx, %eax;"
            "nop;"
            );
}

int main() {
   int NRUNS = 10;
   clock_t t, t1, t2, t3;

   t1 = t2 = t3 = 0;
   for (int run = 0; run < NRUNS; run++) {
      t = clock(); f1(); t1 += clock()-t;
      t = clock(); f2(); t2 += clock()-t;
      t = clock(); f3(); t3 += clock()-t;
   }

   printf("f1() took %f cycles on avg\n", (float) t1/ (float) NRUNS);
   printf("f2() took %f cycles on avg\n", (float) t2/ (float) NRUNS);
   printf("f3() took %f cycles on avg\n", (float) t3/ (float) NRUNS);

   return 0;
}

这给了我:

f1() took 175587.093750 cycles on avg
f2() took 188313.906250 cycles on avg
f3() took 194654.296875 cycles on avg

正如人们所料，f3()出来最慢。但令人惊讶的是(至少对我而言)，f1()比 f2() 快.这是为什么？

更新 : 编译 -falign-loops定性地给出相同的结果:

f1() took 164271.000000 cycles on avg
f2() took 173783.296875 cycles on avg
f3() took 177765.203125 cycles on avg

Answer 1

The part of the linked article that made me think that this can be optimized away is: "the move function takes care of checking for equivalent locations"

那就是说(move r x) SBCL 中的函数，而不是 x86 mov操作说明。它谈论的是从低级中间语言生成代码期间的优化，而不是硬件在运行时的优化。

都没有 mov %eax, %eax也不是 nop完全免费。它们都消耗前端吞吐量，并且 mov %eax,%eax在 64 位模式下甚至不是 NOP(它将 EAX 零扩展到 RAX，并且因为它是相同的寄存器，所以在 Intel CPU 上移动消除失败。)

见 Can x86's MOV really be "free"? Why can't I reproduce this at all?有关前端/后端吞吐量瓶颈与延迟的更多信息。

您可能会看到代码对齐的一些副作用，或者可能是像 Adding a redundant assignment speeds up code when compiled without optimization 中那样时髦的 Sandybridge 系列存储转发延迟效应。因为您还在禁用优化的情况下编译，让您的编译器制作反优化代码以进行一致的调试，从而将循环计数器保留在内存中。 (通过存储/重新加载约 6 个循环循环携带的依赖链，而不是对于正常的小循环每个时钟进行 1 次迭代。)

如果您的结果可以通过更大的迭代次数重现，那么您所看到的可能有一些微体系结构的解释，但这可能与您尝试测量的任何内容无关。

当然，您还需要修复 mov %ebx, %eax; f3 中的错误在启用优化的情况下成功编译。在不告诉编译器的情况下破坏 EAX 将踩到编译器生成的代码。你没有解释你试图用它测试什么，所以 IDK 如果它是一个错字。