内联汇编中的子数组。 C++

Posted 2023-02-16

【中文标题】内联汇编中的子数组。 C++

【英文标题】：Subarrays in inline-assembly. C++

【发布时间】：2020-04-30 07:49:49

【问题描述】：

void new2d(int* aInit, int* aResult)

        int cyclic[34] = 0;
        for (int i = 0; i < 32; i++)
        
                cyclic[i] = aInit[i];
        
        cyclic[32] = aInit[0];
        cyclic[33] = aInit[1];
        float three = 3.0;
        for (int i = 0; i < 32; i += 4)
        
                int j = i + 1;
                int k = j + 1;
                __asm__ __volatile__
                (
                "vmovdqa (%0), %%xmm0;"
                "vmovdqa (%1), %%xmm1;"
                "vcvtdq2ps %%xmm0, %%xmm0;"
                "vcvtdq2ps %%xmm1, %%xmm1;"
                "addps %%xmm0, %%xmm1;"
                "vmovdqa (%2), %%xmm1;"
                "vcvtdq2ps %%xmm1, %%xmm1;"
                "addps %%xmm0, %%xmm1;"
                "vbroadcastss (%3), %%xmm1;"
                "divps %%xmm0, %%xmm1;"
                "vcvtps2dq %%xmm0, %%xmm0;"
                "vmovdqa %%xmm0, (%4);"
                :
                : "a"(&(cyclic[i])), "b"(&(cyclic[j])), "c"(&(cyclic[k])), "d"(&three), "S"(&aResult[i])
                );
        

尝试将一个初始数组的三个子数组相加，找到它们的均值，并将它们保存在结果数组中。虽然，在启动 .exe 文件后，它显示分段错误。 我该如何解决？使用 GNU 2.9.3，Ubuntu

【问题讨论】：

请注意，您的内联程序集无效，因为它没有声明适当的clobbers。使用内部函数可以更好地完成此类任务。

即使你安全地使用内联汇编，你也会因为许多错过的优化而自责，例如将3.0 的负载提升出循环，并乘以1.0/3 而不是使用慢除法。还为vcvtdq2ps 使用内存源操作数。如果您的整数不会溢出，请执行整数加法，而不是转换为 FP 并返回。此外，j 的负载 cyclic[i+1 + 0..3] 可以通过像 vpalignr 来自 cyclic[i] 向量和下一次迭代的 cyclic[i] 向量的随机播放来生成。未对齐的负载吞吐量通常非常好，所以可能不值得

如果你使用了内在函数，编译器可以为你做一些这样的事情，例如将vbroadcastss (_mm_set1_ps(3.0f)) 吊出循环。

【参考方案1】：

您正在对数组的未对齐元素使用vmovdqa 指令，该指令需要对齐的内存操作数。请改用vmovdqu，用于加载和存储。或者更好的是，在实际计算指令中使用内存操作数（但这仅在 AVX 中有效；在传统 SSE 中，大多数指令的内存操作数必须对齐）。

汇编程序块还有其他低效率和问题。例如，正如 cmets 中所提到的，您缺少 clobbers，它指示可能由 asm 块修改的 CPU 和内存状态片段。在您的情况下，您缺少“memory”、“xmm0”和“xmm1”clobbers。如果没有这些，编译器将假定 asm 块不会影响内存内容（特别是 aResult 数组）或 xmm 寄存器（例如，将这些寄存器用于其自身目的与您的 asm 块冲突)。

此外，在某些情况下，您在覆盖或不使用先前指令的结果时，似乎弄乱了 addps 和 divps 指令中的输入和输出寄存器。在 gcc 使用的 AT&T x86 asm 语法中，最后一个操作数是输出操作数。在使用任何 AVX 指令时，您通常应该使用每条指令的 AVX 版本，尽管如果 YMM 寄存器的上半部分已经干净（例如 vzeroupper），将 128 位 AVX 指令与传统 SSE 混合不会导致 SSE/AVX 转换停止。使用 vaddps / vdivps 是可选的，但建议使用。

此外，您传递对输入和输出数组的引用效率低下。与其将指针传递给数组的特定元素，不如将内存引用传递给那些更有效，这允许编译器使用比普通指针更复杂的内存引用参数。这消除了在您的 asm 块之前在单独的指令中计算指针的需要。此外，在xmm 寄存器而不是内存中传递tree 常量更有效。理想情况下，您希望将 vbroadcastss 移出循环，但这只有在支持内在函数的情况下才有可能。 （或者在一个 asm 语句中编写循环。）

更正和改进的 asm 语句如下所示：

__asm__ __volatile__
(
    "vcvtdq2ps %1, %%xmm0;"
    "vcvtdq2ps %2, %%xmm1;"
    "vaddps %%xmm1, %%xmm0;"
    "vcvtdq2ps %3, %%xmm1;"
    "vaddps %%xmm1, %%xmm0;"
    "vbroadcastss %4, %%xmm1;"
    "vdivps %%xmm0, %%xmm1;"
    "vcvtps2dq %%xmm1, %0;"
    : "=m"(aResult[i])
    : "m"(cyclic[i]), "m"(cyclic[j]), "m"(cyclic[k]), "x"(three)
    : "memory", "xmm0", "xmm1"
);

（实际上不必再是volatile，因为内存输出是显式操作数。）

但更好的解决方案是使用内部函数来实现这个 asm 块。这不仅会使 asm 块更安全，而且会更高效，因为它会启用额外的编译器优化。当然，这只有在你的编译器支持内在函数时才有可能。

【讨论】：

是的，但这不会使内联汇编安全；它还缺少它使用的 XMM 寄存器上的 "memory" clobber 和 clobbers。 Buggy GNU C inline asm 编译并看起来可以工作是非常危险的；一个滴答作响的定时炸弹，等待破解周围的代码。编写有错误的代码也很容易（即很难正确），所以我认为重要的是我们不要让内联 asm 代码中的错误在 Stack Overflow 答案中未提及；这对于任何可能复制/粘贴一些代码作为示例而不阅读 SO commnets 的人来说都是危险的。

@PeterCordes 我已经扩展了我的答案。

"vbroadcastss %4, %%xmm1;" 内部循环内部仍然很糟糕，但至少它不是一个正确性错误。在不使用 Intel 内在函数的情况下，您可以像 xmmintrin.h 一样使用 GNU C 本机向量语法； typedef float v4f __attribute__((vector_size(16))) 这样您就可以将广播 3.0 作为寄存器操作数。顺便说一句，我认为您 不需要 需要 "memory" clobber，因为您已将其转换为使用 "m" 输入/输出。我还会使用像[vi] "m"(cyclic[i]) 这样的命名操作数，所以我可以在asm 模板中使用%vi 而不是%1；容易混淆数字。

哦，"vcvtdq2ps %3, %%xmm1;" 是原始来源的错误；它会覆盖上一条指令的addps 结果。可能他们想要"vaddps %%xmm0, %%xmm1, %%xmm0 \n\t"。还有其他类似的错误，类似于 AT&T 与 Intel 的语法混淆。

@PeterCordes 您确实需要“内存”破坏器，因为编译器不知道 aResult 数组的哪些部分被修改。关于内在函数和向量属性，我很谨慎，因为 OP 提到了 gcc 2.9.3（可能是 2.93？），这可能是古老的，我真的不知道它支持什么。