装配性能调整

我正在编写一个编译器（更多的是为了好玩），但我想尝试使其尽可能高效。例如，我被告知在英特尔架构上使用除EAX执行数学运算会产生成本（大概是因为它交换为EAX进行实际的数学计算）。这里至少有一个来源说明了这种可能性（http://www.swansontec.com/sregisters.html）。

我想验证并测量这些性能特征的差异。因此，我用 C++ 编写了这个程序：

#include "stdafx.h"
#include <intrin.h>
#include <iostream>

using namespace std;

int _tmain(int argc, _TCHAR* argv[])
{
    __int64 startval;
    __int64 stopval;
    unsigned int value; // Keep the value to keep from it being optomized out

    startval = __rdtsc(); // Get the CPU Tick Counter using assembly RDTSC opcode

    // Simple Math: a = (a << 3) + 0x0054E9
    _asm {
        mov ebx, 0x1E532 // Seed
        shl ebx, 3
        add ebx, 0x0054E9
        mov value, ebx
    }

    stopval = __rdtsc();
    __int64 val = (stopval - startval);
    cout << "Result: " << value << " -> " << val << endl;

    int i;
    cin >> i;

    return 0;
}

我尝试过这个代码交换eax and ebx但我没有得到“稳定”的数字。我希望测试是确定性的（每次都是相同的数字），因为它太短了，以至于在测试过程中不太可能发生上下文切换。目前来看，不存在统计差异，但数字波动如此之大，以至于无法做出这样的决定。即使我采集了大量样本，数量仍然有不可能的变化。

我也想测试一下xor eax, eax vs mov eax, 0，但有同样的问题。

有没有办法在 Windows（或其他任何地方）上进行此类性能测试？当我过去为我的 TI-Calc 编写 Z80 程序时，我有一个工具，我可以在其中选择一些程序集，它会告诉我执行代码需要多少个时钟周期——难道我们的新型现代处理器不能做到这一点吗？

编辑：有很多答案表明要运行循环一百万次。澄清一下，这实际上让事情变得更糟。 CPU 更有可能进行上下文切换，并且测试涉及除我正在测试的内容之外的所有内容。

即使希望获得 RDTSC 提供的可重复、确定的时序，您也需要采取一些额外的步骤。首先，RDTSC 是not序列化指令，因此它可以乱序执行，这通常会使其在像上面这样的代码片段中毫无意义。

您通常需要使用序列化指令，然后是 RDTSC，然后是有问题的代码，另一个序列化指令，以及第二个 RDTSC。

用户模式下几乎唯一可用的序列化指令是CPUID。然而，这又增加了一个小问题：CPUID 被英特尔记录为需要不同的执行时间——前几次执行可能比其他执行慢。

因此，代码的正常时序将如下所示：

XOR EAX, EAX
CPUID
XOR EAX, EAX
CPUID
XOR EAX, EAX
CPUID            ; Intel says by the third execution, the timing will be stable.
RDTSC            ; read the clock
push eax         ; save the start time
push edx

    mov ebx, 0x1E532 // Seed // execute test sequence
    shl ebx, 3
    add ebx, 0x0054E9
    mov value, ebx

XOR EAX, EAX      ; serialize
CPUID   
rdtsc             ; get end time
pop ecx           ; get start time back
pop ebp
sub eax, ebp      ; find end-start
sbb edx, ecx

我们已经开始接近这一目标，但最后一点是在大多数编译器上使用内联代码很难处理：交叉缓存行也可能会产生一些影响，因此您通常希望强制代码与 16 对齐-字节（段落）边界。任何像样的汇编器都会支持这一点，但编译器中的内联汇编通常不会。

说了这么多，我认为你是在浪费时间。正如你可以猜到的，我已经在这个级别上做了相当多的计时，并且我很确定你所听到的完全是一个神话。事实上，所有最新的 x86 CPU 都使用一组所谓的“重命名寄存器”。长话短说，这意味着您为寄存器使用的名称实际上并不重要——CPU 有一组更大的寄存器（例如，Intel 大约有 40 个）用于实际操作，因此在 EBX 与 EAX 中输入值对 CPU 真正要在内部使用的寄存器几乎没有影响。两者都可以映射到任何重命名寄存器，主要取决于该指令序列开始时哪些重命名寄存器恰好是空闲的。