我目前正在做一个测量各种x86-64命令(at&t语法)性能的作业。
我有点困惑的命令是"无条件的jmp"命令。这就是我实现它的方式:
.global uncond
uncond:
.rept 10000
jmp . + 2
.endr
mov $10000, %rax
ret
这相当简单。该代码创建一个名为"uncond"的函数,该函数使用 .rept 指令调用 jmp 命令 10000 次,然后将返回值设置为调用 jmp 命令的次数。
AT&T语法中的"."表示当前地址,为了说明JMP指令本身,我增加了2个字节(所以jmp . + 2应该简单地移动到下一条指令)。
我尚未显示的代码计算处理 10000 个命令所需的周期数。
我的结果表明 jmp 非常慢(处理单个 jmp 指令需要 10 个周期)——但根据我对流水线的理解,无条件跳转应该非常快(没有分支预测错误)。
我错过了什么吗?我的代码有误吗?
CPU 未针对无操作jmp
指令进行优化,因此它无法处理继续解码和管道 jmp 指令的特殊情况,这些指令只是跳转到下一个 insn。
不过,CPU 针对循环进行了优化。 jmp .
将在多个 CPU 上以每时钟一个 insn 运行,或在某些 CPU 上以每 2 个时钟运行一个。
跳转会在指令获取中产生气泡。 一次预测良好的跳跃是可以的,但除了跳跃什么都不跑是有问题的。 我在core2 E6600(Merom/Conroe微拱门)上重现了您的结果:
# jmp-test.S
.globl _start
_start:
mov $100000, %ecx
jmp_test:
.rept 10000
jmp . + 2
.endr
dec %ecx
jg jmp_test
mov $231, %eax
xor %ebx,%ebx
syscall # exit_group(0)
构建和运行:
gcc -static -nostartfiles jmp-test.S
perf stat -e task-clock,cycles,instructions,branches,branch-misses ./a.out
Performance counter stats for './a.out':
3318.616490 task-clock (msec) # 0.997 CPUs utilized
7,940,389,811 cycles # 2.393 GHz (49.94%)
1,012,387,163 instructions # 0.13 insns per cycle (74.95%)
1,001,156,075 branches # 301.679 M/sec (75.06%)
151,609 branch-misses # 0.02% of all branches (75.08%)
3.329916991 seconds time elapsed
从另一个运行:
7,886,461,952 L1-icache-loads # 2377.687 M/sec (74.95%)
7,715,854 L1-icache-load-misses # 2.326 M/sec (50.08%)
1,012,038,376 iTLB-loads # 305.119 M/sec (75.06%)
240 iTLB-load-misses # 0.00% of all iTLB cache hits (75.02%)
(每行末尾 (%) 中的数字是计数器处于活动状态的总运行时间的多少:当您要求计数器计数比硬件一次可以计数的更多内容时,perf
必须为您多路复用)。
因此,它实际上不是I缓存未命中,它只是由不断跳转引起的指令获取/解码前端瓶颈。
我的 SnB 机器坏了,所以我无法在上面测试数字,但是每个 jmp 持续吞吐量 8 个周期与您的结果非常接近(可能来自不同的微架构)。
有关更多详细信息,请参阅 x86 标记 wiki 中的 http://agner.org/optimize/和其他链接。