x86 - 为什么adox 和adcx 在锐龙上不能很好地协同工作？

Question

我花了很多时间手动优化低级整数算法，并取得了一些成功。例如，与 mpn_mul_basecase(6,6) 的 82 个滴答相比，我的 6x6 乘法子程序花费了 66 个滴答声。在天湖上。我的代码发布在 Github .
我目前正在为 AMD Ryzen 开发 8x8 乘法。我正在使用 Ryzen 7 3800X 进行基准测试。我努力避免延迟。我研究了 Agner Fog 的“指令表”以及 Torbjörn Granlund 的“指令延迟......”。没有任何迹象表明 Ryzen 上的 adox/adcx 存在重大问题； Ryzen 和 Skylake 在 adox/adcx 方面应该没有太大区别。我已经使用 mulx 和 adcq、adox 或 adcx 之一对乘法 8x1 子程序进行了基准测试；子程序的所有三个变体在 Skylake 和 Ryzen 上都运行得很快(18-19 个滴答声)。
但是，当我尝试将 adox 和 adcx 混合在一起时，我的代码在 Ryzen 上运行速度非常慢。例如，my 8x2 multiplication subroutine在 Skylake i7-6700 上花费 34 滴答，在 Ryzen 7 3800X 上花费 293 滴答(8 倍差)。
有什么建议为什么 mulx/adox/adcx 代码在 Ryzen 上执行速度慢 8 倍？

Answer 1

摆脱繁重的 xmm/ymm 使用解决了这个问题。
modified subroutine只需要 42 个滴答声。
看起来 Ryzen 对 adox/adcx 没有问题。 Ryzen 显然在 vmovdqu mem 注册和/或 vpextrq 和/或 vperm2i128 方面存在问题。
这个问题很愚蠢。
@NateEldredge 您的提示很有帮助。谢谢你。