Clang在回答另一个问题时遇到了一些低效的代码生成(如何使用openmp并行化此代码并减少(
让我们考虑一下这个简单的代码：
void scale(float* inout, ptrdiff_t n, ptrdiff_t m, ptrdiff_t stride, float value)
{
const float inverse = 1.f / value;
# pragma omp parallel for
for(ptrdiff_t i = 0; i < n; ++i) {
# pragma omp simd
for(ptrdiff_t j = 0; j < m; ++j)
inout[i * stride + j] *= inverse;
}
}
你把逆的计算放在哪里？它重要吗？我探索过的选项：
- 循环外，在示例中
- 在平行段中，但在环路之前
- 在外环
- 在内环
对于GCC-11，选项1生成最佳代码：一个分区，然后每个线程加载和广播一个内存。选项2-4都生成基本相同的代码，每个线程进行一次除法运算。
Clang组件
然而，Clang-13的代码却大不相同。
选项1：在内部循环中执行冗余内存加载和广播。它不通过堆栈指针加载，而是浪费了一个通用寄存器作为常量的指针。如果您将代码更改为需要多个常量，Clang将浪费多个GP寄存器。
选项2：与GCC 相同的代码模式
选项3：外循环每次迭代重复一次除法
选项4：在内部环路中重复划分
摘要
Clang的代码生成似乎在从OpenMP循环中提取冗余计算方面存在一些问题。有趣的是，它似乎不会影响数组索引的计算。它可以很好地从内环中拉出。
如果我想要在GCC和Clang上都能很好地工作的代码，我必须写这样的东西：
void scale(float* inout, ptrdiff_t n, ptrdiff_t m, ptrdiff_t stride, float value)
{
# pragma omp parallel
{
const float inverse = 1.f / value;
# pragma omp for nowait
for(ptrdiff_t i = 0; i < n; ++i) {
# pragma omp simd
for(ptrdiff_t j = 0; j < m; ++j)
inout[i * stride + j] *= inverse;
}
}
}
但这太冗长了。在这个代码示例中，这整件事是一个小麻烦，但如果您查看上面另一个答案中的代码，它会变得非常糟糕(尤其是GP寄存器浪费(，严重影响性能。
总之，我是不是错过了什么？我是否应该以不同的方式编写循环，以确保Clang和GCC都有良好的代码？
补充信息
这是一个允许轻松测试的代码版本，这里是Godbolt链接
#include <cstddef>
// using std::ptrdiff_t
#define CONST_LOCATION 1
void scale(float* inout, std::ptrdiff_t n, std::ptrdiff_t m, std::ptrdiff_t stride,
float value)
{
# if CONST_LOCATION == 1
/*
* Clang-13.0.1: Redundant broadcast from memory in inner loop.
* Wastes GP register for pointer to constant
* GCC-11.2: Optimal
*/
const float inv = 1.f / value;
#endif
# pragma omp parallel
{
# if CONST_LOCATION == 2
/*
* Clang: Redundant computation in outer loop setup. Otherwise optimal
* GCC: Same as Clang
*/
const float inv = 1.f / value;
# endif
# pragma omp for nowait
for(std::ptrdiff_t i = 0; i < n; ++i) {
# if CONST_LOCATION == 3
/*
* Clang: Redundant computation in inner loop setup!
* GCC: Same as 2
*/
const float inv = 1.f / value;
# endif
# pragma omp simd
for(std::ptrdiff_t j = 0; j < m; ++j) {
# if CONST_LOCATION == 4
/*
* Clang: Redundant computation in inner loop!
* GCC: Same as 2
*/
const float inv = 1.f / value;
# endif
inout[i*stride + j] *= inv;
}
}
}
}
使用-O3 -mavx2 -mfma -fopenmp进行测试，以获得一个相当通用的现代编译。
回答我自己，是内部循环中的pragma omp simd扰乱了clang的代码生成。这是一种耻辱，因为在某些情况下，它确实对一些编译器产生了积极的影响。