有什么合理的替代办法吗？

Question

我有一个内循环的程序，由于它执行的迭代次数，它需要非常快。为了分析这段代码，我一直在使用val差制/回调。我觉得它是个很棒的工具。不幸的是，我在优化方面的努力使我不得不使用较新的指令集，如fma (英特尔)/ fma4 (amd)，每当我使用这些回调时，它就会爆炸，因为它不支持这些指令。

我知道一种解决方案是简单地不使用这些本质，并让编译器发出不包含这些指令的代码，但老实说，我认为这没有任何意义，我想分析一下代码的原貌，而不是valgrind能够处理的代码。

这就引出了我的问题。是否有任何开源的或者免费的分析器，可以做得和val差制/回调一样好？我知道gprof，但据我理解，它实际上只是隔一段时间停止程序，看它在哪里，并计数它看到每件事情的次数，这就像撕开一只眼睛，而不是给我打电话。

Answer 1

我很可能会坚持坚持“英勇/无情”：

在不同的处理器上尝试编译标志mavx和mfma4也会给我带来问题: FMA4主要是一个AMD功能，虽然对它的支持是对英特尔芯片的过滤，而AVX主要是英特尔的一个特性(支持被过滤到AMD芯片中)，但是在支持的情况下，实际上比使用SSE5 1/2/3/4 (FMA4填充SSE51、2、3.)的性能要慢。

使用这两种优化可能不是最好的方法，很可能导致您正在经历的行为，因为它们实际上是对立的，主要是为特定品牌的处理器设计的。如果您正在为支持AVX的Intel进行编译，则尝试删除FMA4；如果为支持FMA4的进行编译，则使用FMA4。

话虽如此，编译器将不允许将乘法和添加到FMA中的组合，因为这将使FMA中的2次循环减少到1次四舍五入，因此，您需要使用一个轻松的浮点模型(类似于-ffast-数学*)，或者通过转换一个简单的浮点模型并将其添加到FMA，从而使IEEE浮点遵从性失败。当您具体地调用本质时，不确定它是如何工作的，但是编译器可能不会根据标志来优化它们，因为它们是非常具体的指令。

我的英特尔CPU上的FMA标志(mfma4)可靠地产生了相同的结果，与您发布的相同的结果相似，但是它在AMD机器上的性能很好(我认为您的处理器是Intel?)：

vex amd64->IR: unhandled instruction bytes: 0xC4 0x43 0x19 0x6B 0xE5 0xE0 0xF2 0x44
vex amd64->IR:   REX=0 REX.W=0 REX.R=1 REX.X=0 REX.B=1
vex amd64->IR:   VEX=1 VEX.L=0 VEX.nVVVV=0xC ESC=0F3A
vex amd64->IR:   PFX.66=1 PFX.F2=0 PFX.F3=0

这是来自下面的测试代码。

FMA3 Intrinsics：(AVX2 - Intel Haswell)

_mm_fmadd_pd(), _mm256_fmadd_pd()
_mm_fmadd_ps(), _mm256_fmadd_ps()

除了.还有更多的。

FMA4 Intrinsics：(XOP - AMD推土机)

_mm_macc_pd(), _mm256_macc_pd()
_mm_macc_ps(), _mm256_macc_ps()

除了.还有更多的。

备注

FMA提供了对计划成为SSE5一部分的特性的支持，例如：

XOP：整数向量多积指令，整数向量水平加法，整数向量比较，移位和旋转指令，字节置换和条件移动指令，浮点数提取。FMA4：浮点向量多重累加。F16C：半精度浮点转换.

测试代码

float vfmaddsd_func(float f1, float f2, float f3){
  return f1*f2 + f3;
}


int main() {
  float f1,f2,f3;
        f1 = 1.1;
        f2 = 2.2;
        f3 = 3.3;
        float f4 = vfmaddsd_func(f1,f2,f3);
        printf("%f\n", f4);
        return 0;
}