登录
当前位置： 首页 > 知识库问答 >
问题：

为什么在C代码中添加“if”会显著加快速度？

法子昂
2023-03-14

（注：问题下方有更新）

看看这个精简的small\u vector基准测试：

#include <cstdlib>

#define NOINLINE __attribute__((noinline))

class Array {
public:
    Array() : m_data(m_buffer), m_size(0) {}
    ~Array() {
        // if (m_data != m_buffer) free(m_data);
    }

    void append(int v) {
        if (m_size >= 3) expand();
        m_data[m_size++] = v;
    }

private:
    int *m_data;
    int m_size;
    int m_buffer[3];

    NOINLINE void expand() {}
};

NOINLINE
void add(Array &array) {
    array.append(11);
    array.append(22);
    array.append(33);
}

int main() {
    for (int i = 0; i < 1000000000; i++) {
        Array array;
        add(array);
    }
}

（使用NOINLINE是因为这是编译器决定内联原始small_vector代码的方式）

如果此代码是用clang 11编译的，那么如果我取消对数组中已注释行的注释，速度会更快（注意，从不执行自由调用）。在我的机器（i7 8750）上，差异为18%。在快速工作台上。com，差异较小，为5.3%。

我知道这是一个微基准测试，可能会发生疯狂的事情，但是：add是一个37条指令、120字节的代码，所以它并没有那么小。并且在两个版本中都是一样的。唯一的区别是main，也没有太大的不同，只是循环编译有点不同。然而，有很大的性能差异，并且具有更多指令/分支的版本运行得更快。如果我运行perf stat-d-d，我没有看到任何可疑的地方（分支/cache-misses没有显着差异，但仍然，insn/循环差异很大：2.4 vs 3.12）：

       3939.23 msec task-clock                #    1.000 CPUs utilized
            10      context-switches          #    0.003 K/sec
             0      cpu-migrations            #    0.000 K/sec
           107      page-faults               #    0.027 K/sec
   13345669446      cycles                    #    3.388 GHz                      (38.26%)
   32029499558      instructions              #    2.40  insn per cycle           (45.98%)
    6005787151      branches                  # 1524.610 M/sec                    (45.99%)
         71062      branch-misses             #    0.00% of all branches          (46.09%)
    6000238616      L1-dcache-loads           # 1523.202 M/sec                    (46.20%)
        180237      L1-dcache-load-misses     #    0.00% of all L1-dcache accesses  (46.30%)
         35516      LLC-loads                 #    0.009 M/sec                    (30.87%)
         13655      LLC-load-misses           #   38.45% of all LL-cache accesses  (30.87%)
not supported       L1-icache-loads
        545548      L1-icache-load-misses                                         (30.87%)
    6003584439      dTLB-loads                # 1524.051 M/sec                    (30.86%)
          5290      dTLB-load-misses          #    0.00% of all dTLB cache accesses  (30.76%)
          4583      iTLB-loads                #    0.001 M/sec                    (30.65%)
          4222      iTLB-load-misses          #   92.12% of all iTLB cache accesses  (30.55%)
not supported       L1-dcache-prefetches
not supported       L1-dcache-prefetch-misses

   3.939756460 seconds time elapsed

   3.939678000 seconds user
   0.000000000 seconds sys

       3316.00 msec task-clock                #    1.000 CPUs utilized
             5      context-switches          #    0.002 K/sec
             0      cpu-migrations            #    0.000 K/sec
           110      page-faults               #    0.033 K/sec
   11235910328      cycles                    #    3.388 GHz                      (38.24%)
   35013565821      instructions              #    3.12  insn per cycle           (45.96%)
    7002622651      branches                  # 2111.770 M/sec                    (45.96%)
         59596      branch-misses             #    0.00% of all branches          (46.02%)
    7001546754      L1-dcache-loads           # 2111.446 M/sec                    (46.14%)
        143554      L1-dcache-load-misses     #    0.00% of all L1-dcache accesses  (46.26%)
         20608      LLC-loads                 #    0.006 M/sec                    (30.88%)
          3562      LLC-load-misses           #   17.28% of all LL-cache accesses  (30.88%)
not supported       L1-icache-loads
        431694      L1-icache-load-misses                                         (30.88%)
    7003243717      dTLB-loads                # 2111.958 M/sec                    (30.88%)
          3296      dTLB-load-misses          #    0.00% of all dTLB cache accesses  (30.82%)
          2836      iTLB-loads                #    0.855 K/sec                    (30.70%)
          3436      iTLB-load-misses          #  121.16% of all iTLB cache accesses  (30.58%)
not supported       L1-dcache-prefetches
not supported       L1-dcache-prefetch-misses

   3.316414943 seconds time elapsed

   3.312479000 seconds user
   0.003995000 seconds sys

注意：如果我在主菜单中手动展开循环，则如下所示：

    for (int i = 0; i < 250000000; i++) {
        {Array array; add(array);}
        {Array array; add(array);}
        {Array array; add(array);}
        {Array array; add(array);}
    }

性能差异保持不变。

你知道差异的原因吗？有什么提示需要检查吗？

以下是asm列表供参考：

  401190:   55                      push   rbp
  401191:   41 56                   push   r14
  401193:   53                      push   rbx
  401194:   48 83 ec 20             sub    rsp,0x20
  401198:   bd 00 ca 9a 3b          mov    ebp,0x3b9aca00
  40119d:   4c 8d 74 24 14          lea    r14,[rsp+0x14]
  4011a2:   48 8d 5c 24 08          lea    rbx,[rsp+0x8]
  4011a7:   66 0f 1f 84 00 00 00    nop    WORD PTR [rax+rax*1+0x0]
  4011ae:   00 00 
  4011b0:   4c 89 74 24 08          mov    QWORD PTR [rsp+0x8],r14
  4011b5:   c7 44 24 10 00 00 00    mov    DWORD PTR [rsp+0x10],0x0
  4011bc:   00 
  4011bd:   48 89 df                mov    rdi,rbx
  4011c0:   e8 4b ff ff ff          call   401110 <add(Array&)>
  4011c5:   83 c5 ff                add    ebp,0xffffffff
  4011c8:   75 e6                   jne    4011b0 <main+0x20>
  4011ca:   31 c0                   xor    eax,eax
  4011cc:   48 83 c4 20             add    rsp,0x20
  4011d0:   5b                      pop    rbx
  4011d1:   41 5e                   pop    r14
  4011d3:   5d                      pop    rbp
  4011d4:   c3                      ret    

  4011b0:   55                      push   rbp
  4011b1:   41 56                   push   r14
  4011b3:   53                      push   rbx
  4011b4:   48 83 ec 20             sub    rsp,0x20
  4011b8:   bd 00 ca 9a 3b          mov    ebp,0x3b9aca00
  4011bd:   48 8d 5c 24 14          lea    rbx,[rsp+0x14]
  4011c2:   4c 8d 74 24 08          lea    r14,[rsp+0x8]
  4011c7:   eb 0c                   jmp    4011d5 <main+0x25>
  4011c9:   0f 1f 80 00 00 00 00    nop    DWORD PTR [rax+0x0]
  4011d0:   83 c5 ff                add    ebp,0xffffffff
  4011d3:   74 26                   je     4011fb <main+0x4b>
  4011d5:   48 89 5c 24 08          mov    QWORD PTR [rsp+0x8],rbx
  4011da:   c7 44 24 10 00 00 00    mov    DWORD PTR [rsp+0x10],0x0
  4011e1:   00 
  4011e2:   4c 89 f7                mov    rdi,r14
  4011e5:   e8 46 ff ff ff          call   401130 <add(Array&)>
  4011ea:   48 8b 7c 24 08          mov    rdi,QWORD PTR [rsp+0x8]
  4011ef:   48 39 df                cmp    rdi,rbx
  4011f2:   74 dc                   je     4011d0 <main+0x20>
  4011f4:   e8 37 fe ff ff          call   401030 <free@plt>
  4011f9:   eb d5                   jmp    4011d0 <main+0x20>
  4011fb:   31 c0                   xor    eax,eax
  4011fd:   48 83 c4 20             add    rsp,0x20
  401201:   5b                      pop    rbx
  401202:   41 5e                   pop    r14
  401204:   5d                      pop    rbp
  401205:   c3                      ret

（慢速和快速相同）

  401130:   53                      push   rbx
  401131:   48 89 fb                mov    rbx,rdi
  401134:   8b 4f 08                mov    ecx,DWORD PTR [rdi+0x8]
  401137:   83 f9 03                cmp    ecx,0x3
  40113a:   7c 0b                   jl     401147 <add(Array&)+0x17>
  40113c:   48 89 df                mov    rdi,rbx
  40113f:   e8 cc 00 00 00          call   401210 <Array::expand()>
  401144:   8b 4b 08                mov    ecx,DWORD PTR [rbx+0x8]
  401147:   48 8b 03                mov    rax,QWORD PTR [rbx]
  40114a:   8d 51 01                lea    edx,[rcx+0x1]
  40114d:   89 53 08                mov    DWORD PTR [rbx+0x8],edx
  401150:   48 63 c9                movsxd rcx,ecx
  401153:   c7 04 88 0b 00 00 00    mov    DWORD PTR [rax+rcx*4],0xb
  40115a:   8b 4b 08                mov    ecx,DWORD PTR [rbx+0x8]
  40115d:   83 f9 03                cmp    ecx,0x3
  401160:   7c 0e                   jl     401170 <add(Array&)+0x40>
  401162:   48 89 df                mov    rdi,rbx
  401165:   e8 a6 00 00 00          call   401210 <Array::expand()>
  40116a:   8b 4b 08                mov    ecx,DWORD PTR [rbx+0x8]
  40116d:   48 8b 03                mov    rax,QWORD PTR [rbx]
  401170:   8d 51 01                lea    edx,[rcx+0x1]
  401173:   89 53 08                mov    DWORD PTR [rbx+0x8],edx
  401176:   48 63 c9                movsxd rcx,ecx
  401179:   c7 04 88 16 00 00 00    mov    DWORD PTR [rax+rcx*4],0x16
  401180:   8b 4b 08                mov    ecx,DWORD PTR [rbx+0x8]
  401183:   83 f9 03                cmp    ecx,0x3
  401186:   7c 0e                   jl     401196 <add(Array&)+0x66>
  401188:   48 89 df                mov    rdi,rbx
  40118b:   e8 80 00 00 00          call   401210 <Array::expand()>
  401190:   8b 4b 08                mov    ecx,DWORD PTR [rbx+0x8]
  401193:   48 8b 03                mov    rax,QWORD PTR [rbx]
  401196:   8d 51 01                lea    edx,[rcx+0x1]
  401199:   89 53 08                mov    DWORD PTR [rbx+0x8],edx
  40119c:   48 63 c9                movsxd rcx,ecx
  40119f:   c7 04 88 21 00 00 00    mov    DWORD PTR [rax+rcx*4],0x21
  4011a6:   5b                      pop    rbx
  4011a7:   c3                      ret

我设法使差异更大，将main更改为this（这只是一个添加的malloc和免费调用）：

void *d;
int main() {
    d = malloc(1);
    for (int i = 0; i < 1000000000; i++) {
        Array array;
        add(array);
    }
    free(d);
}

使用此主功能，慢速版本会变得更慢，慢速和快速之间的差异约为30%！

共有1个答案

洪宏硕
2023-03-14

这个问题来自两个综合问题：

  • JCC勘误表
  • 堆栈中局部变量的对齐方式

事实上，我可以在我的i5-9600KF Skylake处理器上重现这个问题，并且事件idq.mite对于慢速版本来说，与@PeterCordes在评论中指出的快速版本相比是相当大的。使用Clang标志-mclasts-venin-32B-边界似乎可以解决这个问题，因为idq.mite_uops要小得多。但是，这不足以消除两个版本之间的差异。

此外，像mov DWORD PTR[rbx 0x8]、edx或mov ecx、DWORD PTR[rdi 0x8]这样的指令在慢速版本中速度明显较慢。三个mov DWORD PTR[rax rcx*4]，xxx在两个版本中都需要大量时间，但在速度较慢的版本中尤其如此。可以注意到，rax rcx*4指向主函数的堆栈。结果表明，在慢速版本中，rbx和rbx 0x8指向两条不同的缓存线，而在快速版本中，它们指向同一缓存线。此外，在两个版本中，rax rcx*4指向相同的缓存线。使用叮当标志-mstackreallign修复了我机器上两个版本之间的差异（结果时间比快速版本慢，但比慢速版本快）。但是，对于使用此标志的两个版本，对齐方式都非常糟糕。更好的替代方法是用alignas（64）int*m\u数据（64）替换int*m\u数据（用于更便携的代码）。

            flags / config                       |  "slow"  |  "fast"
nothing                                          |   2,950  |   2,418
-mbranches-within-32B-boundaries                 |   2,868  |   2,472
-mstackrealign                                   |   2,669  |   2,833
-mstackrealign -mbranches-within-32B-boundaries  |   2,701  |   2,725
alignas(64)                                      |   2,585  |   2,583
-mbranches-within-32B-boundaries alignas(64)     |   2,497  |   2,499
 类似资料：
  • 为什么添加并发会使该golang代码变慢？

    问题内容： 我已经修改了一些Go代码，以解决与我姐夫玩的电子游戏有关的我的好奇心。 本质上，下面的代码模拟了游戏中与怪物的互动，以及他期望他们在失败后掉落物品的频率。我遇到的问题是，我希望这样的一段代码非常适合并行化，但是当我并发添加时，完成所有模拟所花费的时间往往会使原始代码的速度降低4-6倍没有并发。 为了使您更好地理解代码的工作方式，我有三个主要功能：交互功能，它是玩家和怪物之间的简单交互。

  • 如何在Eclipse中为Java代码添加快捷键

    问题内容： 假设我键入“ sout”，智能感知应将其扩展为“ System.out.println（）”。有没有添加此类模板的方法？ 问题答案： 该功能在Eclipse中称为“代码模板”。您可以使用以下方法添加模板： 窗口->首选项-> Java->编辑器->模板。 两篇好文章： 不要编写代码，生成它 自定义模板 另外，这个SO问题： 有用的Eclipse Java代码模板 已映射到，因此您可以通

  • 为什么这段代码在java中比在C++和C#中更快

    Java： 如果java以微弱优势击败了C和C#我不会感到惊讶，但速度快了20倍？！ 文件的格式如下： 另外，我认为值得注意的是，java在NetBeans中运行时大约需要11秒（即使是在“运行”模式下，而不是在“调试”模式下）。 我也尝试编译为C++而不是C，但没有什么不同。 我对C和C#都使用VS2015。 Java： 好吧，我按照建议重新做了测试： 首先，我在C和C#中都使用了类/struc

  • 为什么添加局部变量？NET代码更慢

    为什么注释掉for循环的前两行并取消注释第三行会导致42%的加速？ 在时间的背后是非常不同的汇编代码：循环中的13条和7条指令。该平台运行的是视窗7。NET 4.0 x64。代码优化已启用，测试应用程序在VS2010之外运行。[更新：重现项目，用于验证项目设置。] 消除中间布尔值是一个基本的优化，是我1980年代龙书时代最简单的优化之一。在生成 CIL 或 JITing x64 机器代码时，优化是

  • 为什么在日期列中添加NULL会导致显示值1900-01-01？

    我使用SSIS包导入一个基本文本文件，它有3个日期字段，有时一些日期字段是空的。 导入的表显示空字段，我想是因为它们是varchar（50）数据类型。但是我需要将该表中的记录插入到另一个表中，其中这些列被定义为Date数据类型。 当我运行insert语句时，目标表中的结果值都显示日期为1900-01-01，而不是NULL或空白。我试图强制该值为null，但无效： 如何使日期列只接受空白或空值？

  • 为什么C++代码的执行速度比Java慢？

    我最近用Java写了一个计算密集型算法，然后把它翻译成C++。令我吃惊的是，C++的执行速度要慢得多。我现在已经编写了一个更短的Java测试程序，以及一个相应的C++程序-参见下面。我的原始代码具有大量的数组访问功能，测试代码也是如此。C++的执行时间要长5.5倍（请参阅每个程序末尾的注释）。 以下1st21条评论后的结论... null null Java代码： C++代码：

相关问答

为什么maven插件在添加spring依赖项时会显示错误当我在预处理器中添加两个代码时，会显示MultipleCompilationErrorsException为什么在添加透明度时，透明按钮会显示帧的图像？c++ - 为什么代码没问题，vs会报错？c - 为什么会编译出错，代码逻辑存在什么问题？

相关文章

添加索引以加快Geocoder靠近搜索的速度为什么json_encode添加反斜杠？为什么Java代码在调试器中会变慢？jQuery附加表会自动在文本末尾添加结束标记。为什么？为什么打印到标准输出这么慢？可以加快速度吗？

相关阅读

jQuery 添加元素PDFBox添加矩形PDFBox添加文档PDFBox添加页面OpenCV添加边框

相关工具

md5和sha加密代码实现加速度传感器的使用横向Scrollview添加图片数字键盘添加“完成”按钮快速集成图片浏览器

相关文档

Sass 快速入门Python 快速教程Java 快速教程Consul 快速入门获得场景视频 云加速文档
快捷导航： 新手教程 算法原理 架构设计 Java进阶 数据库进阶 大厂专栏 面试经验 编程笔记 编程问答 所有专题 文档资料 工具软件 电子书籍 小牛导航
在线工具： 房贷计算器 个税计算器 Linux命令查询 Json格式化 正则表达式 颜色转换 AES加解密 SHA1加密 MD5加密 毒鸡汤 字数统计 随机密码生成 进制转换 Base64编解码 励志句子
Copyright © 2019-2024 小牛知识库@xnip.cn. All Rights Reserved.