gcc对国际刑事法院最快的复杂分工

Question

考虑一下这个简单的代码：

#include <complex.h>
complex double f(complex double x, complex double y) {
  return x/y;
}

在gcc 7.1中，你得到的是-O3 -三月=核心-avx2-ffast-数学：

f:
        vmulsd  xmm4, xmm1, xmm3
        vmovapd xmm6, xmm0
        vmulsd  xmm5, xmm3, xmm3
        vmulsd  xmm6, xmm6, xmm3
        vfmadd231sd     xmm4, xmm0, xmm2
        vfmadd231sd     xmm5, xmm2, xmm2
        vfmsub132sd     xmm1, xmm6, xmm2
        vdivsd  xmm0, xmm4, xmm5
        vdivsd  xmm1, xmm1, xmm5
        ret

这是有道理的，也很容易理解。然而，Intel C编译器给出了：

f:
        fld1                                                    #3.12
        vmovsd    QWORD PTR [-24+rsp], xmm2                     #3.12
        fld       QWORD PTR [-24+rsp]                           #3.12
        vmovsd    QWORD PTR [-24+rsp], xmm3                     #3.12
        fld       st(0)                                         #3.12
        fmul      st, st(1)                                     #3.12
        fld       QWORD PTR [-24+rsp]                           #3.12
        fld       st(0)                                         #3.12
        fmul      st, st(1)                                     #3.12
        vmovsd    QWORD PTR [-24+rsp], xmm0                     #3.12
        faddp     st(2), st                                     #3.12
        fxch      st(1)                                         #3.12
        fdivp     st(3), st                                     #3.12
        fld       QWORD PTR [-24+rsp]                           #3.12
        vmovsd    QWORD PTR [-24+rsp], xmm1                     #3.12
        fld       st(0)                                         #3.12
        fmul      st, st(3)                                     #3.12
        fxch      st(1)                                         #3.12
        fmul      st, st(2)                                     #3.12
        fld       QWORD PTR [-24+rsp]                           #3.12
        fld       st(0)                                         #3.12
        fmulp     st(4), st                                     #3.12
        fxch      st(3)                                         #3.12
        faddp     st(2), st                                     #3.12
        fxch      st(1)                                         #3.12
        fmul      st, st(4)                                     #3.12
        fstp      QWORD PTR [-16+rsp]                           #3.12
        fxch      st(2)                                         #3.12
        fmulp     st(1), st                                     #3.12
        vmovsd    xmm0, QWORD PTR [-16+rsp]                     #3.12
        fsubrp    st(1), st                                     #3.12
        fmulp     st(1), st                                     #3.12
        fstp      QWORD PTR [-16+rsp]                           #3.12
        vmovsd    xmm1, QWORD PTR [-16+rsp]                     #3.12
        ret 

有谁能解释一下它在做什么，它是否真的比gcc的做法更快？

因为我没有国际刑事法院，所以我自己无法对代码进行基准测试。ICC程序集使用https://godbolt.org/g/ZXZGy2创建。

Answer 1

根据问题和一些评论的要求，我运行了一个快速基准来比较GCC和ICC编译器在这一点C代码上的性能。

硬件设置

用于运行测试的机器具有AMDA8-5550MAPU四核处理器，频率为2.1 GHz。L1i的缓存大小为16k，L1d为64k，L2为2048K。

实验装置

我没有ICC编译器的副本，所以问题中列出的汇编代码直接用于这个基准测试。这两个程序集输出是使用NASM汇编程序编译的。为了使ICC版本兼容，需要做一些小的语法修改，但当然没有以任何方式改变功能或影响性能。编写了一个小的C包装器来调用这两个组装函数并监视时间。

下面是代码的一个版本，类似于用于这个简单基准测试的代码：

#include <stdio.h> 
#include <complex.h>
#include <time.h>

extern complex double gcc_f(complex double x, complex double y);
extern complex double icc_f(complex double x, complex double y);

int main() {
    struct timespec stop, start;
    complex double z1 = 1.0654575 + 3.0678788768 * I;
    complex double z2 = 2.225 - 8.0 * I;

    clock_gettime(CLOCK_MONOTONIC_RAW, &start);
    for(int i =0; i < 1000000000; ++i) {
        icc_f(z1, z2);
        // gcc_f(z1, z2);
    }
    clock_gettime(CLOCK_MONOTONIC_RAW, &stop);

    printf("Execution took %luns\n", ((stop.tv_sec - start.tv_sec) * 1000000000 + (stop.tv_nsec - start.tv_nsec)));
    return 0;
}

结果

这两个时间平均执行了10亿次。

GCC版本平均每次执行的为8.8ns。

国际商会版本平均每次执行为17.3ns。

因此，GCC编译器的性能大大超过ICC编译器，至少在上面描述的特定硬件设置中是如此。在这种情况下，GCC似乎更巧妙地使用了AVX指令集。

另外，有趣的是，如果您使用-Ofast而不是-O3进行编译，则ICC版本看起来更类似于GCC版本：

f:
        vunpcklpd xmm4, xmm2, xmm3                              #2.54
        vunpcklpd xmm6, xmm0, xmm1                              #2.54
        vunpckhpd xmm5, xmm4, xmm4                              #3.12
        vmulpd    xmm10, xmm4, xmm4                             #3.12
        vmulpd    xmm8, xmm5, xmm6                              #3.12
        vmovddup  xmm9, xmm4                                    #3.12
        vshufpd   xmm7, xmm6, xmm6, 1                           #3.12
        vshufpd   xmm11, xmm10, xmm10, 1                        #3.12
        vfmaddsub213pd xmm9, xmm7, xmm8                         #3.12
        vaddpd    xmm13, xmm10, xmm11                           #3.12
        vshufpd   xmm12, xmm9, xmm9, 1                          #3.12
        vdivpd    xmm0, xmm12, xmm13                            #3.12
        vunpckhpd xmm1, xmm0, xmm0                              #3.12
        ret 

这个替代的ICC版本速度要快得多，平均每执行一次9.0ns，但仍略落后于GCC版本。然而，如此微小的差异很可能与实验装置有关。

Answer 2

添加编译器标志：

-fp-model fast=2

这是ICC等效的-ffast-数学(在godbolt上，您可以通过单击警告三角形选项来检查编译器输出)。