具有内在函数的前导零计算答案

【问题标题】：Leading zeros calculation with intrinsic function具有内在函数的前导零计算
【发布时间】：2023-03-21 12:48:01
【问题描述】：

我正在尝试优化一些在嵌入式系统中工作的代码（FLAC 解码、Windows CE、ARM 926 MCU）。

/* counts the # of zero MSBs in a word */
#define COUNT_ZERO_MSBS(word) ( \
 (word) <= 0xffff ? \
  ( (word) <= 0xff? byte_to_unary_table[word] + 24 : \
              byte_to_unary_table[(word) >> 8] + 16 ) : \
  ( (word) <= 0xffffff? byte_to_unary_table[word >> 16] + 8 : \
              byte_to_unary_table[(word) >> 24] ) \
)

static const unsigned char byte_to_unary_table[] = {
    8, 7, 6, 6, 5, 5, 5, 5, 4, 4, 4, 4, 4, 4, 4, 4,
    3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3,
    2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
    2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0
};

但是大多数 CPU 已经有专用指令，x86 上的 bsr 和 ARM 上的 clz (http://www.devmaster.net/articles/fixed-point-optimizations/)，应该更有效。

在 Windows CE 上，我们有内部函数 _CountLeadingZeros，它应该只调用该值。但是它比宏慢 4 倍（以 1000 万次迭代测量）。

一个（应该）依赖于专用 ASM 指令的内部函数怎么可能慢 4 倍？

【问题讨论】：

标签： arm bit-manipulation windows-ce intrinsics leading-zero

【解决方案1】：

检查拆卸。您确定编译器插入了指令吗？在备注部分有这样的文字：

这个功能可以通过调用运行时函数。

我怀疑这就是你的情况。

请注意，CLZ 指令仅在 ARMv5 及更高版本中可用。如果你想要 ARMv5 代码，你需要告诉编译器：

/QRarch5 ARM5 Architecture
/QRarch5T ARM5T Architecture

（微软错误地使用“ARM5”而不是“ARMv5”）

【讨论】：

我会检查生成的代码。如果它真的是一个函数调用（而不是一个真正的内在函数），那么调用开销就可以解释为什么它这么慢。