执行更多指令如何加快执行速度

Question

当我运行以下函数时，我得到了一些意想不到的结果。

在我的机器上，下面的代码始终需要大约 6 秒才能运行。但是，如果我取消注释“;dec [variable + 24]”行，因此会执行更多代码，运行时间大约为 4.5 秒。为什么？

.DATA
variable dq 0 dup(4)
.CODE             

runAssemblyCode PROC
    mov rax, 2330 * 1000 * 1000
start:
    dec [variable]
    dec [variable + 8]
    dec [variable + 16]
    ;dec [variable + 24]
    dec rax
    jnz start
    ret 
runAssemblyCode ENDP 
END

我注意到 Stack Overflow 上已经有类似的问题，但他们的代码示例并不像这样简单，我找不到这个问题的任何简洁答案。

我尝试用 nop 指令填充代码，看看是否是对齐问题，并将亲和力设置为单个处理器。两者都没有任何区别。

Answer 1

简单的答案是因为现代CPU 极其复杂。在观察者看来，幕后发生的许多事情似乎是不可预测或随机的。

插入额外的指令可能会导致它以不同的方式调度指令，这在这样的紧密循环中可能会产生影响。但这只是一个猜测。

据我所知，它与前一条指令触及相同的缓存行，因此它似乎不是一种预取。我真的想不出一个合乎逻辑的解释，但同样，CPU 利用大量未记录的启发式方法和猜测来尽可能快地执行代码，有时，这意味着它们失败的奇怪的极端情况，并且代码变成比你想象的要慢。

你在不同的CPU型号上测试过这个吗？看看这是否只发生在您的特定 CPU 上，或者其他 x86 CPU 是否也出现同样的情况，将会很有趣。

Answer 2

bob.s

.data
variable:
    .word 0,0,0,0
    .word 0,0,0,0
    .word 0,0,0,0
    .word 0,0,0,0
    .word 0,0,0,0
    .word 0,0,0,0

.text
.globl runAssemblyCode
runAssemblyCode:
  mov    $0xFFFFFFFF,%eax

start_loop:
  decl variable+0
  decl variable+8
  decl variable+16
  ;decl variable+24
  dec    %eax
  jne    start_loop
  retq

ted.c

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

void runAssemblyCode ( void );

int main ( void )
{
    volatile unsigned int ra,rb;

    ra=(unsigned int)time(NULL);
    runAssemblyCode();
    rb=(unsigned int)time(NULL);
    printf("%u\n",rb-ra);
    return(0);
}

gcc -O2 ted.c bob.s -o ted

这是带有额外指令的：

00000000004005d4 <runAssemblyCode>:
  4005d4:   b8 ff ff ff ff          mov    $0xffffffff,%eax

00000000004005d9 <start_loop>:
  4005d9:   ff 0c 25 28 10 60 00    decl   0x601028
  4005e0:   ff 0c 25 30 10 60 00    decl   0x601030
  4005e7:   ff 0c 25 38 10 60 00    decl   0x601038
  4005ee:   ff 0c 25 40 10 60 00    decl   0x601040 
  4005f5:   ff c8                   dec    %eax
  4005f7:   75 e0                   jne    4005d9 <start_loop>
  4005f9:   c3                      retq   
  4005fa:   90                      nop

我没有看到差异，也许你可以纠正我的代码，或者其他人可以在他们的系统上尝试看看他们看到了什么。 ..

这是一条极其痛苦的指令，而且如果您正在执行除基于字节的内存递减之外的其他操作，那么这些指令是未对齐的，并且会给内存系统带来痛苦。因此这个例程应该对缓存行以及核心数量等敏感。

无论有没有额外的指令，它都花费了大约 13 秒。

AMD Phenom 9950 四核处理器

在

Intel(R) Core(TM)2 CPU 6300

无论有或没有额外指令，

上运行大约需要 9-10 秒。两个处理器：
Intel(R) Xeon(TM) CPU

无论有或没有额外指令，

大约需要 13 秒。对此：
Intel(R) Core(TM)2 Duo CPU T7500

8 秒（带或不带）。

所有都运行 Ubuntu 64 位 10.04 或 10.10，可能还有 11.04。

更多机器，64 位，ubuntu

Intel(R) Xeon(R) CPU X5450（8 核）

6 秒，有或没有额外指令。

Intel(R) Xeon(R) CPU E5405（8 核）

9 秒，有或没有。

您系统中 DDR/DRAM 的速度是多少？您正在运行哪种处理器（如果在 Linux 上，则为 cat /proc/cpuinfo）。

Intel(R) Xeon(R) CPU E5440（8 核）

6 秒，有或没有

啊，找到了一个单核，xeon：
Intel(R) Xeon(TM) CPU

15 秒（带或不带额外指令）

Answer 3

没那么糟糕。平均而言，完整循环的执行时间为 2.6 ns，而另一个循环的执行时间为 1.9 ns。假设 2GHz CPU 的周期为 0.5 ns，则差异约为每个循环 (2.6 - 1.9) / 0.5 = 1 个时钟周期，这并不奇怪。
不过，由于您请求的周期数，时间差异变得如此明显：0.5 ns * 2330000000 = 1.2 秒，即您观察到的差异。