x86“cmp”指令的奇怪行为

Question

代码如下：

#include <iostream>
#include <time.h>

using namespace std;

#define ARR_LENGTH 1000000
#define TEST_NUM 0
typedef unsigned int uint;

uint arr[ARR_LENGTH];

uint inc_time(uint x) {
    uint y = 0, tm = clock();
    for (uint i = 0; i < x; i++) y++;
        return clock() - tm;
}

int main() {
    uint div = 0, mod = 0, tm = 0, overall = 0, inc_tm;
    srand(time(NULL));
    for (uint i = 0; i < ARR_LENGTH; i++) arr[i] = (uint)rand() + 2;

    tm = clock();
    for (uint i = 0; i < ARR_LENGTH - 1; i++)
        if (arr[i] % arr[i+1] != TEST_NUM) mod++;
    overall = clock() - tm;
    inc_tm = inc_time(mod);
    cout << "mods - " << mod << endl;
    cout << "Overall time - " << overall<< endl;
    cout << "   wasted on increment - " << inc_tm << endl;
    cout << "   wasted on condition - " << overall - inc_tm << endl << endl;

    tm = clock();
    for (uint i = 0; i < ARR_LENGTH - 1; i++)
        if (arr[i]/arr[i+1] != TEST_NUM) div++;
    overall = clock()-tm;
    inc_tm = inc_time(div);
    cout << "divs - " << div << endl;
    cout << "Overall time - " << overall << endl;
    cout << "   wasted on increment - " << inc_tm << endl;
    cout << "   wasted on condition - " << overall - inc_tm << endl << endl;

    return 0;
}

如果您使用 Visual Studio，只需在 DEBUG（而非 RELEASE）模式下编译，如果您使用 GCC，则禁用死代码消除 (-fno-dce)，否则某些部分代码将无法工作。

所以问题是：当您将 TEST_NUM 常量设置为非零（例如 5）时，两个条件（模数和除法）几乎同时执行，但是当您将 TEST_NUM 设置为 0 时，第二个条件执行较慢（最多 3 次！）。为什么？

这里是反汇编列表：disassembly listing image http://img213.imageshack.us/slideshow/webplayer.php?id=wp000076.jpg

如果为 0，则使用 test 指令而不是 cmp X, 0，但即使您将 cmp X, 5（如果为 5）修补到 cmp X, 0，您也会看到它不会影响模运算, 但会影响除法运算。

在更改TEST_NUM 常量时，请仔细观察操作计数和时间的变化情况。

如果有人可以，请解释一下这是怎么发生的？
谢谢。

Answer 1

在TEST_NUM == 0 的情况下，第一个条件很少为真。分支预测将识别这一点并将条件预测为始终为假。这种预测在大多数情况下都是正确的，因此很少需要执行代价高昂的错误预测分支。

“TEST_NUM == 5”的情况几乎相同：第一个条件很少为真。

对于第二个条件 abd TEST_NUM == 0，除法的结果对于每个 arr[i] < arr[i+1] 都为零，其概率约为 0.5。对于分支预测器来说，这是最坏的情况 - 每隔一秒就会预测出错误的分支。平均而言，您将获得错误预测分支所需时钟周期的一半（取决于架构，这可能在 10 到 20 个周期之间）。

如果您的值为TEST_NUM == 5，则第二个条件现在很少为真，概率约为 0.1（此处不太确定）。这是更好的“可预测”。通常，预测器将预测为（几乎）总是错误的，中间有一些随机的正确，但这取决于处理器的内部结构。但无论如何，对于错误的预测分支，您不会经常获得额外的循环，每五次就会出现一次最差的情况。