gcc在哥德螺栓上的怪异自动矢量化研究

Question

我被自动矢量化结果搞糊涂了。以下代码addtest.c

#include <stdio.h>
#include <stdlib.h>

#define ELEMS 1024

int
main()
{
  float data1[ELEMS], data2[ELEMS];
  for (int i = 0; i < ELEMS; i++) {
    data1[i] = drand48();
    data2[i] = drand48();
  }
  for (int i = 0; i < ELEMS; i++)
    data1[i] += data2[i];
  printf("%g\n", data1[ELEMS-1]); 
  return 0;
}

是用gcc 11.1.0编译的

gcc-11 -O3 -march=haswell -masm=intel -save-temps -o addtest addtest.c

而加法循环被自动矢量化为

.L3:
    vmovaps ymm1, YMMWORD PTR [r12]
    vaddps  ymm0, ymm1, YMMWORD PTR [rax]
    add r12, 32
    add rax, 32
    vmovaps YMMWORD PTR -32[r12], ymm0
    cmp r12, r13
    jne .L3

这一点很清楚:从data1加载，从data2加载和添加，存储到data1，在中间提前索引。

如果我将相同的代码传递给https://godbolt.org，选择x86-64 gcc-11.1和options -O3 -march=haswell，我将得到以下汇编代码：

.L3:
        vmovaps ymm1, YMMWORD PTR [rbp-4112+rax]
        vaddps  ymm0, ymm1, YMMWORD PTR [rbp-8208+rax]
        vmovaps YMMWORD PTR [rbp-8240], ymm1
        vmovaps YMMWORD PTR [rbp-8208+rax], ymm0
        add     rax, 32
        cmp     rax, 4096
        jne     .L3

一个令人惊讶的事情是不同的地址处理，但让我完全困惑的是[rbp-8240]的附加存储。据我所知，这个位置再也不用了。

如果我选择了gcc 7.5，多余的商店消失了(但从8.1以上，它就产生了)。

所以我的问题是：

• 为什么我的编译器和戈德波特(不同的地址处理，多余的存储)之间有区别？
• 多余的商店是做什么的？

非常感谢你的帮助！

Answer 1

差异制造者是-fpie**，，默认情况下，大多数发行版都是，而不是哥德波特。**这没有多大意义，但编译器是复杂的机器，不是“智能”的。

它也不特定于-march=haswell或AVX；同样的区别只发生在-O3上。

与发行版相比，天栓为GCC配置了比发行版更简单的选项，例如，没有默认饼，也没有-fstack-protector-strong。若要在本地匹配“天栓”，请至少使用-fno-pie -no-pie -fno-stack-protector。也许还有其他我忘了的。

IDK为什么这会触发或避免漏掉的优化，但我可以确认它是在我的Arch /Linux系统上使用GCC 11.1实现的。

带gcc -O3 -march=haswell -fno-stack-protector -fno-pie的局部

(和-masm=intel -S -o- vec.c | less)它与哥德波特相匹配：

.L3:
        vmovaps ymm1, YMMWORD PTR [rbp-4112+rax]
        vaddps  ymm0, ymm1, YMMWORD PTR [rbp-8208+rax]
        vmovaps YMMWORD PTR [rbp-8240], ymm1
        vmovaps YMMWORD PTR [rbp-8208+rax], ymm0
        add     rax, 32
        cmp     rax, 4096
        jne     .L3

但是使用-O3 -march=haswell中配置发行版的GCC默认设置

.L3:
        vmovaps ymm1, YMMWORD PTR [r12]
        vaddps  ymm0, ymm1, YMMWORD PTR [rax]
        add     r12, 32
        add     rax, 32
        vmovaps YMMWORD PTR -32[r12], ymm0
        cmp     r12, r13
        jne     .L3

在没有-march=haswell的情况下，也会发生同样的丢失-opt；我们在循环中将movaps XMMWORD PTR [rsp], xmm1存储到一个固定地址。(由于GCC不需要对齐堆栈来溢出32字节的向量，所以它没有使用RBP作为帧指针。)

没有明显的原因，使用-fpie 关于戈德波特编译器浏览器 的让GCC使用两个指针增量，而不是索引寻址模式，同时也避免了冗余存储。(在本地制作相同的asm )。-fpie强迫GCC对静态存储中的数组执行此操作(因为[arr + rax]将要求符号地址作为32位绝对值：在x86-64 Linux中不再允许32位绝对地址？)。

您可以并且应该在 GCC的布奇拉 上使用关键字“错过优化”.报告这一点。