例如，使用此函数，
void mask_rol(unsigned char *a, unsigned char *b) {
a[0] &= __rolb(-2, b[0]);
a[1] &= __rolb(-2, b[1]);
a[2] &= __rolb(-2, b[2]);
a[3] &= __rolb(-2, b[3]);
a[4] &= __rolb(-2, b[4]);
a[5] &= __rolb(-2, b[5]);
a[6] &= __rolb(-2, b[6]);
a[7] &= __rolb(-2, b[7]);
}
gcc产生
mov edx, -2
mov rax, rdi
movzx ecx, BYTE PTR [rsi]
mov edi, edx
rol dil, cl
and BYTE PTR [rax], dil
...
虽然我不明白为什么它要填充dx和ax，但这是来自clang的。
mov cl, byte ptr [rsi]
mov al, -2
rol al, cl
and byte ptr [rdi], al
...
它不像gcc那样做看似不必要的mov，但它也不关心使用movzx清除高位。
据我所知，gcc执行movzx的原因是为了消除脏高位的错误依赖，但也许clang也有不这样做的原因，所以我运行了一个简单的基准测试，结果就是这样。
$ time ./rol_gcc
2161860550
real 0m0.895s
user 0m0.877s
sys 0m0.002s
$ time ./rol_clang
3205979094
real 0m1.328s
user 0m1.311s
sys 0m0.001s
至少在这种情况下，clang的方法似乎是错误的。
这显然是clang的错误吗，还是在某些情况下clang的方法可以产生更高效的代码？
基准代码
#include <stdio.h>
#include <x86intrin.h>
__attribute__((noinline))
static void mask_rol(unsigned char *a, unsigned char *b) {
a[0] &= __rolb(-2, b[0]);
a[1] &= __rolb(-2, b[1]);
a[2] &= __rolb(-2, b[2]);
a[3] &= __rolb(-2, b[3]);
a[4] &= __rolb(-2, b[4]);
a[5] &= __rolb(-2, b[5]);
a[6] &= __rolb(-2, b[6]);
a[7] &= __rolb(-2, b[7]);
}
static unsigned long long rdtscp() {
unsigned _;
return __rdtscp(&_);
}
int main() {
unsigned char a[8] = {0}, b[8] = {7, 0, 6, 1, 5, 2, 4, 3};
unsigned long long c = rdtscp();
for (int i = 0; i < 300000000; ++i) {
mask_rol(a, b);
}
printf("%11llun", rdtscp() - c);
return 0;
}
clang/LLVM通常对错误的依赖关系是鲁莽的。我认为，它试图避免在单个函数内的循环中创建循环携带的dep链，但通过制作这个经常被称为noinline的小函数，您已经克服了这一点。
有时，避免xor整条指令归零整数或向量regs可能值得冒险，但为mov al而不是movzx eax节省1字节的代码似乎不值得冒险。多年来，所有x86 CPU都具有高效的movzx负载。
几乎重复为什么添加xorps指令会使使用cvtsi2ss和addss~5x的函数更快？-由于clang对虚假依赖的傲慢态度，非内联函数调用创建了一个循环携带的dep链。在这种情况下，在XMM寄存器上，而不是标量int，其中P6家族的部分寄存器重命名实际上会打破错误的dep，在Sandybridge上也是如此。但在Haswell和更高版本中没有，它没有将low8与完整寄存器分开重命名：为什么GCC不使用部分寄存器？
所以，是的，这是一个clang遗漏的优化错误，或者是启发式没有得到回报的情况。我很好奇clang在不需要它来避免循环携带的错误依赖的代码中，总是使用movzx进行窄负载会有多大区别(正或负(。
如果在不同的CPU类型上，任何不利因素都很小，或者至少通过避免这样的速度减慢来平衡，Clang可能会改变这一点。(通过不必加载+合并，只需加载，需要更少的后端uop即可占用RS中的空间，从而提高性能。现代英特尔将mov al, mem解码为微融合加载+ALU。(
或者，如果出于某种原因，always-movzx策略总体上并不更好，它仍然应该在这个长的非循环dep链中的某个位置使用一个策略，比如AL和CL中的每一个至少在中间使用一个，以创建更多的ILP，即使函数只运行一次。和/或交替AL和DL或其他什么。(clang 13令人惊讶地将DL用于最后一个字节，但将AL用于前一个7：https://godbolt.org/z/7PYWGxsse-在未来的问题中，最好包含您自己的编译器资源管理器链接，其中包含与您测试的版本/选项相匹配的版本。(
虽然我不明白为什么它要填充dx和ax
看起来GCC正在重用相同的-2常量，使用mov edi, edx(2字节(八次，而不是mov edi, -2(5字节(八倍。也许代码大小不是原因，因为GCC正常情况下会花费代码大小来保存指令。IDK。
此外，GCC的寄存器分配有时在硬寄存器约束(如函数参数和返回值(方面是次优的。所以，是的，这只是在浪费指令，将传入的指针复制到RAX。函数不返回。dil是寄存器旋转的愚蠢选择；当CCD_ 23或CCD_。