内联装配性能优于C

Question

首先，请原谅我，因为我的问题可能看起来很愚蠢，但我很好奇为什么在这个非常简单的代码中我得到了性能提升。

以下是组装代码：

__asm {
    mov eax, 0
    mov ecx, 0
    jmp startloop
    notequal:
    inc eax
    mov ecx, eax
    sub ecx, 2
    startloop:
    cmp eax, 2000000000
    jne notequal
};

这是C代码：

long x = 0;
long ii = 0;
for(; ii < 2000000000; ++ii)
{
    x = ii - 2;
};

C代码在我的i5 2500 k机器上完成大约1060 ms (在发行版构建)，组装以780 ms完成。它的速度增加了25%。我不明白为什么我得到这个结果，因为25%是一个很大的差别。编译器是否足够聪明，能够生成我编写的相同的汇编代码？

顺便说一句，我正在使用MSVC 2010。

谢谢

下面是MSVC生成的(asm)代码

$LL3@main:
; Line 36
    lea esi, DWORD PTR [eax-2]
    inc eax
    cmp eax, 2000000000             ; 77359400H
    jl  SHORT $LL3@main

在这种情况下，lea指令是做什么的？

更新2

非常感谢大家。我刚刚在Nehalem上测试了这段代码，结果在这里是相同的。看起来是因为一个未知的原因，asm代码在Sandy上运行得更快。

Answer 1

@modelnine 9的注释是正确的-- lea被用来简化循环中的赋值。你有：

x = ii - 2;

而lea (load有效地址)指令正在有效地执行：

esi = &(*(eax - 2));

&和*相互取消(这很重要--在本例中取消引用eax可能会导致问题)，因此您可以获得：

esi = eax - 2;

这正是你的C代码想要做的。

Answer 2

我比较了非asm版本：

#include <iostream>
#include <chrono>

int main() {
    auto start = std::chrono::high_resolution_clock::now();

    long x = 0;
    long ii = 0;
    for(; ii < 2000000000; ++ii)
    {
        x = ii - 2;
    };

    auto finish = std::chrono::high_resolution_clock::now();
    std::cout << (finish-start).count() << '\n';
    std::cout << x << ii << '\n';
}

asm版本：

#include <iostream>
#include <chrono>

int main() {
    auto start = std::chrono::high_resolution_clock::now();

    asm (R"(
         mov $0, %eax
         mov $0, %ecx
         jmp startloop
         notequal:
         inc %eax
         mov %eax,%ecx
         sub $2,%ecx
         startloop:
         cmp $2000000000,%eax
         jne notequal
    )");

    auto finish = std::chrono::high_resolution_clock::now();
    std::cout << (finish-start).count() << '\n';
}

使用clang 3.1

在打开优化之后，asm版本大约需要1.4秒，而非asm版本则需要45纳秒。这样做的结果是程序集版本慢了3200万%。

以下是为非asm版本生成的程序集：

movl    $1999999997, %esi       ## imm = 0x773593FD
callq   __ZNSt3__113basic_ostreamIcNS_11char_traitsIcEEElsEl
movq    %rax, %rdi
movl    $2000000000, %esi       ## imm = 0x77359400
callq   __ZNSt3__113basic_ostreamIcNS_11char_traitsIcEEElsEl

Answer 3

你为什么不试试gcc -Ofast或者gcc -O1

下面是一个挑逗者：gcc -Q -Ofast --help=optimizers，就在gnu手册上！

下面是一个比较：

section .text
global _start

_start:
    mov eax, 0
    mov ecx, 0
    jmp startloop
    notequal:
    inc eax
    mov ecx, eax
    sub ecx, 2
    startloop:
    cmp eax, 2000000000
    jne notequal

    int     0x80

    mov     ebx,0
    mov     eax,1
    int     0x80

为此，我获得了1.306ms，而C语言将其计时为：

real    0m0.001s
user    0m0.000s
sys     0m0.000s

使用gcc -O1计时是：

real    0m1.295s
user    0m1.262s
sys     0m0.006s

它实际上执行了代码。

对于MSVC，应该能够使用/O2或/O1编译选项获得类似的结果。这里的详细信息，http://msdn.microsoft.com/en-us/library/k1ack8f1.aspx