使用 bts 汇编指令和 gcc 编译器答案

【问题标题】：Using bts assembly instruction with gcc compiler使用 bts 汇编指令和 gcc 编译器
【发布时间】：2010-12-31 07:07:33
【问题描述】：

我想在 Mac 上使用 bts 和 bt x86 汇编指令来加快我的 C++ 代码中的位操作。在 Windows 上，_bittestandset 和 _bittest 内部函数运行良好，并提供显着的性能提升。在 Mac 上，gcc 编译器似乎不支持这些，所以我尝试直接在汇编程序中进行。

这是我的 C++ 代码（注意“位”可以 >= 32）：

typedef unsigned long LongWord;
#define DivLongWord(w) ((unsigned)w >> 5)
#define ModLongWord(w) ((unsigned)w & (32-1))

inline void SetBit(LongWord array[], const int bit)
{
   array[DivLongWord(bit)] |= 1 << ModLongWord(bit);
}

inline bool TestBit(const LongWord array[], const int bit)
{
    return (array[DivLongWord(bit)] & (1 << ModLongWord(bit))) != 0;
}

以下汇编代码有效，但不是最佳的，因为编译器无法优化寄存器分配：

inline void SetBit(LongWord* array, const int bit)
{
   __asm {
      mov   eax, bit
      mov   ecx, array
      bts   [ecx], eax
   }
}

问题：如何让编译器围绕 bts 指令进行全面优化？以及如何用 bt 指令替换 TestBit？

【问题讨论】：

不是直接的答案，只是指向 cims.nyu.edu/cgi-systems/… Extended Asm 文档的链接。
由于疯狂的 CISC 语义，带有内存操作数的 BT* 很慢。让编译器发出您使用此代码获得的移位/或（或 TEST）指令序列实际上更快。（至少，这是一个修正错误的 64 位干净版本）。

标签： c++ performance macos gcc assembly

【解决方案1】：

BTS（和其他BT* insns）具有内存目标are slow. (>10 uops on Intel)。通过进行地址数学运算以找到正确的字节并将其加载到寄存器中，您可能会获得更快的代码。然后您可以使用注册目标执行BT / BTS 并存储结果。

或者可以将1 移动到正确的位置，并将OR 与SetBit 的内存目标一起使用，或者将AND 与TestBit 的内存源一起使用。当然，如果你避免内联汇编，编译器可以内联 TestBit 并使用 TEST 而不是 AND，这在某些 CPU 上很有用（因为它可以宏融合到更多 CPU 上的测试和分支比AND)。

This is in fact what gcc 5.2 generates from your C source（内存目标OR 或TEST）。对我来说看起来是最佳的（比内存目标bt 更少的微指令）。实际上，请注意您的代码已损坏，因为它假定 unsigned long 是 32 位，而不是 CHAR_BIT * sizeof(unsigned_long)。使用uint32_t 或char 会是一个更好的计划。注意 eax 的符号扩展为 rax 与 cqde 指令，由于写得很糟糕的 C 使用 1 而不是 1UL。

另请注意，内联 asm 无法返回标志作为结果（new-in-gcc v6 extension! 除外），因此对 TestBit 使用内联 asm 可能会导致糟糕的代码代码，例如：

...  ; inline asm
bt   reg, reg
setc al       ; end of inline asm
test al, al   ; compiler-generated
jz bit_was_zero

现代编译器可以并且确实在适当的时候使用BT（带有寄存器目标）。最终结果：您的 C 可能编译成比您建议使用内联汇编更快的代码。在被修正为正确和 64 位干净之后，它会更快。如果您正在优化代码大小，并且愿意付出显着的速度损失，那么强制使用 bts 可能会起作用，但 bt 可能仍然无法正常工作（因为结果进入了标志）。

【讨论】：

实际上，从 v6 开始，gcc can 返回标志。
@DavidWohlferd：谢谢！有趣的是，他们最终将其包括在内。
@PeterCordes 你见过编译器生成bts吗？我确实至少可以得到clang 和icc 为“测试位”类型functions 生成bt，但对bts 没有任何运气，尽管它似乎对“设置位”非常有用类型函数与使用 shl 或 shlx 和 or 的替代方法以及几个额外的操作来加载常量 1 等相比。
@BeeOnRope：我忘了。您所描述的听起来很熟悉：使用bt 测试位，但未能使用bts 设置位。我很确定这至少在英特尔 CPU 上是一场胜利，对于像 foo |= 1<<n 这样的东西，n 不是编译时常量，而 foo 已经在寄存器中。是的，刚刚测试过，没有运气：godbolt.org/g/9s6i9D
是的，这正是我在 Godbolt 链接中测试的 idom。我确实找到了一种仅在icc 上生成bts 的方法，在compile-time bit index 的特定情况下。 gcc 和 clang 都没有在那里使用 bts，如果位置是可变的，icc 不会使用它（可以说它更有用，因为用于可变移位的非bts 代码通常是甚至比常量情况还要慢，尤其是 pre-SHLX)。

【解决方案2】：

inline void SetBit(*array, bit) {
    asm("bts %1,%0" : "+m" (*array) : "r" (bit));
}

【讨论】：

完美，谢谢。这帮助我弄清楚了我的第二个问题： inline bool TestBit(const LongWord array[], const int bit) { bool flag; asm("bt %2,%1; setb %0" : "=q" (flag) : "m" (*array), "r" (bit));返回标志； }
@ephemient：您能否为您的答案添加解释。
如果bit 可能在 0..31 范围之外，您的内存操作数应该是整个数组，而不仅仅是它的第一个元素。（请记住带有内存操作数的 bts 的疯狂 CISC 位串语义。）此外，您应该让源操作数为 "ri"，因为它适用于立即操作数（并且这样慢得多）。但实际上你根本不应该在现代 x86 上使用它。 bts 带有内存操作数是 slow （见我的回答）。
这条指令破坏了 C 标志，但程序集没有指定。
@MaximEgorushkin：在 x86 和 x86-64 的 GNU C 内联汇编中隐含了一个“cc”clobber。这不是错误，尽管有些人认为手动指定它是一种很好的风格。

【解决方案3】：

另一个稍微间接的答案，GCC 从 4.1 版本开始公开a number of atomic operations。

【讨论】：