为什么GCC要在我的机器上创建额外的装配指令？

Question

自从我开始使用SSE/AVX内部函数以来，已经有一段时间了。最近，我开始为矩阵转换编写一个标题。我使用了大量的if constexpr分支，因此编译器总是根据某些模板参数选择最优的指令集。现在，我想通过查看使用objdump的本地反汇编来检查是否一切都像预期的那样工作。在使用Clang时，我得到了一个清晰的输出，它基本上只包含与所使用的内在函数相对应的装配指令。然而，如果我使用GCC，拆卸是相当臃肿的额外指示。快速检查一下哥德波特，我就知道GCC拆卸中的额外指令不应该在那里。

下面是一个小例子：

#include <x86intrin.h>
#include <array>

std::array<__m256, 1> Test(std::array<__m256, 1> a)
{
    std::array<__m256, 1> b;

    b[0] = _mm256_unpacklo_ps(a[0], a[0]);
    return b;
}

我用-march=native -Wall -Wextra -Wpedantic -pthread -O3 -DNDEBUG -std=gnu++1z编译。然后对对象文件使用objdump -S -Mintel libassembly.a > libassembly.dump。对于Clang (6.0.0)，其结果是：

In archive libassembly.a:

libAssembly.cpp.o:     file format elf64-x86-64


Disassembly of section .text:

0000000000000000 <_Z4TestSt5arrayIDv8_fLm1EE>:
   0:   c4 e3 7d 04 c0 50       vpermilps ymm0,ymm0,0x50
   6:   c3                      ret    

这与戈德波特返回的内容相同：哥德波特- Clang 6.0.0

GCC (7.4)的产出是

In archive libassembly.a:

libAssembly.cpp.o:     file format elf64-x86-64


Disassembly of section .text:

0000000000000000 <_Z4TestSt5arrayIDv8_fLm1EE>:
   0:   4c 8d 54 24 08          lea    r10,[rsp+0x8]
   5:   48 83 e4 e0             and    rsp,0xffffffffffffffe0
   9:   c5 fc 14 c0             vunpcklps ymm0,ymm0,ymm0
   d:   41 ff 72 f8             push   QWORD PTR [r10-0x8]
  11:   55                      push   rbp
  12:   48 89 e5                mov    rbp,rsp
  15:   41 52                   push   r10
  17:   48 83 ec 28             sub    rsp,0x28
  1b:   64 48 8b 04 25 28 00    mov    rax,QWORD PTR fs:0x28
  22:   00 00 
  24:   48 89 45 e8             mov    QWORD PTR [rbp-0x18],rax
  28:   31 c0                   xor    eax,eax
  2a:   48 8b 45 e8             mov    rax,QWORD PTR [rbp-0x18]
  2e:   64 48 33 04 25 28 00    xor    rax,QWORD PTR fs:0x28
  35:   00 00 
  37:   75 0c                   jne    45 <_Z4TestSt5arrayIDv8_fLm1EE+0x45>
  39:   48 83 c4 28             add    rsp,0x28
  3d:   41 5a                   pop    r10
  3f:   5d                      pop    rbp
  40:   49 8d 62 f8             lea    rsp,[r10-0x8]
  44:   c3                      ret    
  45:   c5 f8 77                vzeroupper 
  48:   e8 00 00 00 00          call   4d <_Z4TestSt5arrayIDv8_fLm1EE+0x4d>

正如你所看到的，有很多额外的指令。与此形成对比的是，戈德波特并没有包括所有这些额外的指令：天栓- GCC 7.4

这是怎么回事？我刚刚开始学习装配，所以也许对有装配经验的人来说这是完全清楚的，但是我有点困惑为什么GCC会在我的机器上创建这些额外的指令。

事先向大家问好和感谢。

编辑

为了避免进一步的混淆，我只是使用以下方法编译：

gcc-7 -I/usr/local/include -O3 -march=native -Wall -Wextra -Wpedantic -pthread -std=gnu++1z -o test.o -c /<PathToFolder>/libAssembly.cpp

产出保持不变。我不确定这是否相关，但它会生成警告：warning: ignoring attributes on template argument ‘__m256 {aka __vector(8) float}’ [-Wignored-attributes]

通常，我压制这个警告，这不应该是一个问题：

GCC警告的含义:忽略模板参数上的属性(-忽略-属性)

处理器是Intel(R) Core(TM) i7-6700K CPU @ 4.00GHz

这是gcc -v

gcc-7 -v
Using built-in specs.
COLLECT_GCC=gcc-7
COLLECT_LTO_WRAPPER=/usr/lib/gcc/x86_64-linux-gnu/7/lto-wrapper
OFFLOAD_TARGET_NAMES=nvptx-none
OFFLOAD_TARGET_DEFAULT=1
Target: x86_64-linux-gnu
Configured with: ../src/configure -v --with-pkgversion='Ubuntu 7.4.0-1ubuntu1~18.04.1' --with-bugurl=file:///usr/share/doc/gcc-7/README.Bugs --enable-languages=c,ada,c++,go,brig,d,fortran,objc,obj-c++ --prefix=/usr --with-gcc-major-version-only --program-suffix=-7 --program-prefix=x86_64-linux-gnu- --enable-shared --enable-linker-build-id --libexecdir=/usr/lib --without-included-gettext --enable-threads=posix --libdir=/usr/lib --enable-nls --with-sysroot=/ --enable-clocale=gnu --enable-libstdcxx-debug --enable-libstdcxx-time=yes --with-default-libstdcxx-abi=new --enable-gnu-unique-object --disable-vtable-verify --enable-libmpx --enable-plugin --enable-default-pie --with-system-zlib --with-target-system-zlib --enable-objc-gc=auto --enable-multiarch --disable-werror --with-arch-32=i686 --with-abi=m64 --with-multilib-list=m32,m64,mx32 --enable-multilib --with-tune=generic --enable-offload-targets=nvptx-none --without-cuda-driver --enable-checking=release --build=x86_64-linux-gnu --host=x86_64-linux-gnu --target=x86_64-linux-gnu
Thread model: posix
gcc version 7.4.0 (Ubuntu 7.4.0-1ubuntu1~18.04.1) 

Answer 1

-fno-stack-protector 使用

你当地的GCC默认为-fstack-protector-strong，但的GCC安装没有。

mov rax,QWORD PTR fs:0x28 是告密线索；fs:40 aka fs:0x28的线程本地存储是GCC保持堆栈cookie不变的地方。call在ret之后是call __stack_chk_fail (但是您不使用objdump -dr来显示重定位，就可以分解.o，所以占位符+0偏移量看起来仍然是这个函数中的一个目标)。

由于有数组(或包含数组的类)，即使它们的大小是编译时常量，堆栈保护程序也会启动。因此，您可以获得存储堆栈cookie的代码，然后检查它并在堆栈溢出时分支。(即使这个MVCE中的大小为1的数组也足以触发该数组。)

在堆栈上使用32字节对齐(用于__m256)的数组需要32字节对齐，而GCC比GCC8更老，所以您将得到一个异常笨重的堆栈对齐代码，该代码构建堆栈帧的完整副本，包括一个返回地址。用于堆栈变量扩展对齐的生成程序集 (明确地说，GCC8仍然在这里对齐堆栈，只是在上面浪费了更少的指令)。

这几乎是一个错过了优化；gcc从来没有真正溢出或重新加载到这些数组，所以它可以只是优化了他们，以及堆栈对齐，就像它没有堆栈保护器。

最近GCC在更多情况下优化了对齐局部变量的内存后，更好地优化了对置堆栈对齐，但这是AVX代码中一个持久的遗漏优化。幸运的是，在循环函数中，成本可以忽略不计；只要小助手函数是内联的。

带有-fstack-protector-strong 关于地脚螺栓的编制 的关于地脚螺栓的编制会复制您的输出。较新的GCC (包括当前主干道10)仍然没有进行优化，但堆栈对齐所需的指令较少，因为它只使用RBP作为帧指针并对RSP对齐，然后引用相对于对齐的RSP的局部变量。它仍然检查堆栈cookie (在存储它和检查它之间没有指令)。

在您的桌面上，使用-fno-stack-protector进行编译应该是很好的asm。