Clang + OpenMP低效循环不变量

Question

在回答一个不同的问题(如何使用openmp对此代码进行并行化？)时，我遇到了Clang的一些低效率的代码生成。

让我们考虑以下简单的代码：

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;
    }
}

你把逆的计算放哪儿了，它重要吗？我已经探讨过的选择：

1. 在循环之外，它在示例中的位置
2. 在并行段中，但在循环之前
3. 在外环
4. 在内环

对于GCC-11，选项1生成最佳代码:一个除法，然后一个内存负载和每个线程的广播。选项2-4都生成基本相同的代码，每个线程执行一次除法.

Clang组件

然而，使用Clang-13的代码却有很大的不同。

选项1:在内部循环中加载冗余内存并广播。它不通过堆栈指针加载，而是浪费一个通用寄存器作为指向常量的指针。如果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:在外部循环的每次迭代中重复一次除法

选项4:重复内部循环中的除法

摘要

似乎Clang的代码生成在从OpenMP循环中提取冗余计算时遇到了一些问题。有趣的是，它似乎不影响数组索引计算。把它从内部循环中拉出来很好。

如果我想要对GCC和Clang都有效的代码，我必须编写如下代码：

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;
        }
    }
}

但这是非常冗长的。这在这个代码示例中是一个小麻烦，但是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，我是不是漏掉了什么？我是否应该以不同的方式编写循环，以确保Clang和GCC都有好的代码？

补充信息

下面是一个允许简单测试的代码版本，下面是一个螺栓连接

#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;
            }
        }
    }
}

用-O3 -mavx2 -mfma -fopenmp进行测试，以获得合理的通用、现代编译。

Answer 1

要回答我自己，是内部循环中的pragma omp simd混淆了clang的代码生成。这是令人遗憾的，因为在某些情况下，它确实对某些编译器产生了积极影响。