为啥 GCC 会为几乎相同的 C 代码生成如此完全不同的程序集？

Posted 2023-02-14

技术标签:

【中文标题】为啥 GCC 会为几乎相同的 C 代码生成如此完全不同的程序集？【英文标题】：Why does GCC generate such radically different assembly for nearly the same C code?为什么 GCC 会为几乎相同的 C 代码生成如此完全不同的程序集？ 【发布时间】：2012-05-02 06:52:25 【问题描述】：

在编写优化的ftol 函数时，我在GCC 4.6.1 中发现了一些非常奇怪的行为。让我先给你看代码（为清楚起见，我标记了不同之处）：

fast_trunc_one, C:

int fast_trunc_one(int i) 
    int mantissa, exponent, sign, r;

    mantissa = (i & 0x07fffff) | 0x800000;
    exponent = 150 - ((i >> 23) & 0xff);
    sign = i & 0x80000000;

    if (exponent < 0) 
        r = mantissa << -exponent;                       /* diff */
     else 
        r = mantissa >> exponent;                        /* diff */
    

    return (r ^ -sign) + sign;                           /* diff */

fast_trunc_two, C:

int fast_trunc_two(int i) 
    int mantissa, exponent, sign, r;

    mantissa = (i & 0x07fffff) | 0x800000;
    exponent = 150 - ((i >> 23) & 0xff);
    sign = i & 0x80000000;

    if (exponent < 0) 
        r = (mantissa << -exponent) ^ -sign;             /* diff */
     else 
        r = (mantissa >> exponent) ^ -sign;              /* diff */
    

    return r + sign;                                     /* diff */

看起来一样吧？那么GCC不同意。使用gcc -O3 -S -Wall -o test.s test.c 编译后，这是汇编输出：

fast_trunc_one，生成：

_fast_trunc_one:
LFB0:
    .cfi_startproc
    movl    4(%esp), %eax
    movl    $150, %ecx
    movl    %eax, %edx
    andl    $8388607, %edx
    sarl    $23, %eax
    orl $8388608, %edx
    andl    $255, %eax
    subl    %eax, %ecx
    movl    %edx, %eax
    sarl    %cl, %eax
    testl   %ecx, %ecx
    js  L5
    rep
    ret
    .p2align 4,,7
L5:
    negl    %ecx
    movl    %edx, %eax
    sall    %cl, %eax
    ret
    .cfi_endproc

fast_trunc_two，生成：

_fast_trunc_two:
LFB1:
    .cfi_startproc
    pushl   %ebx
    .cfi_def_cfa_offset 8
    .cfi_offset 3, -8
    movl    8(%esp), %eax
    movl    $150, %ecx
    movl    %eax, %ebx
    movl    %eax, %edx
    sarl    $23, %ebx
    andl    $8388607, %edx
    andl    $255, %ebx
    orl $8388608, %edx
    andl    $-2147483648, %eax
    subl    %ebx, %ecx
    js  L9
    sarl    %cl, %edx
    movl    %eax, %ecx
    negl    %ecx
    xorl    %ecx, %edx
    addl    %edx, %eax
    popl    %ebx
    .cfi_remember_state
    .cfi_def_cfa_offset 4
    .cfi_restore 3
    ret
    .p2align 4,,7
L9:
    .cfi_restore_state
    negl    %ecx
    sall    %cl, %edx
    movl    %eax, %ecx
    negl    %ecx
    xorl    %ecx, %edx
    addl    %edx, %eax
    popl    %ebx
    .cfi_restore 3
    .cfi_def_cfa_offset 4
    ret
    .cfi_endproc

这是一个极端的区别。这实际上也显示在配置文件中，fast_trunc_one 比 fast_trunc_two 快 30% 左右。现在我的问题是：是什么原因造成的？

【问题讨论】：

出于测试目的，我创建了一个 gist here，您可以在其中轻松复制/粘贴源代码，看看是否可以在其他系统/版本的 GCC 上重现该错误。将测试用例放在自己的目录中。用-S -O3 -da -fdump-tree-all 编译它们。这将创建中间表示的许多快照。并排浏览它们（它们已编号），您应该能够在第一种情况下找到缺失的优化。建议二：将int全部改成unsigned int，看看差异是否消失。这两个函数的数学运算似乎略有不同。虽然结果可能相同，但表达式 (r + shifted) ^ sign 与 r + (shifted ^ sign) 不同。我想这让优化器感到困惑？ FWIW, MSVC 2010 (16.00.40219.01) 生成的列表几乎完全相同：gist.github.com/2430454 @DCoder：该死的！我没有发现。但是，这不是差异的解释。让我用一个新版本来更新这个问题，排除这个问题。 【参考方案1】：

这是编译器的本质。假设他们将采取最快或最好的路径，这是完全错误的。任何暗示您不需要对代码做任何优化的人，因为“现代编译器”填补了空白，做最好的工作，制作最快的代码等等。实际上我看到 gcc 从 3.x 到4.x 至少在手臂上。此时，4.x 可能已经赶上了 3.x，但在早期它产生的代码较慢。通过练习，您可以学习如何编写代码，这样编译器就不必费力工作，从而产生更一致和预期的结果。

这里的错误是您对将要生产的产品的期望，而不是实际生产的产品。如果您希望编译器生成相同的输出，请为其提供相同的输入。数学上不一样，有点不一样，但实际上是一样的，没有不同的路径，没有从一个版本到另一个版本的共享或分发操作。这是一个很好的练习，可以帮助您了解如何编写代码并了解编译器如何处理它。不要错误地假设，因为某个处理器目标的一个版本的 gcc 有一天会产生某种结果，那就是所有编译器和所有代码的规则。您必须使用许多编译器和许多目标才能了解正在发生的事情。

gcc 很讨厌，我邀请你看看幕后，看看 gcc 的胆量，尝试添加一个目标或自己修改一些东西。它几乎没有被管道胶带和钢丝绳固定在一起。在关键位置添加或删除的额外代码行会崩溃。它产生了可用的代码这一事实值得高兴，而不是担心为什么它没有达到其他期望。

您是否查看过 gcc 产生的不同版本？ 3.x 和 4.x 尤其是 4.5 vs 4.6 vs 4.7 等？对于不同的目标处理器、x86、arm、mips 等或不同风格的 x86，如果这是您使用的本机编译器、32 位与 64 位等？然后 llvm (clang) 用于不同的目标？

Mystical 在解决分析/优化代码问题所需的思考过程中做得非常出色，期望编译器能够提出任何“现代编译器”所不具备的。

不涉及数学属性，这种形式的代码

if (exponent < 0) 
  r = mantissa << -exponent;                       /* diff */
 else 
  r = mantissa >> exponent;                        /* diff */

return (r ^ -sign) + sign;                           /* diff */

将引导编译器到 A：以那种形式实现它，执行 if-then-else 然后收敛于通用代码以完成并返回。或 B：保存一个分支，因为这是函数的结尾。也不必费心使用或保存 r。

if (exponent < 0) 
  return((mantissa << -exponent)^-sign)+sign;
 else 
  return((mantissa << -exponent)^-sign)+sign;

然后你可以进入 Mystical 指出的符号变量一起消失的代码。我不希望编译器看到符号变量消失，所以您应该自己完成，而不是强迫编译器尝试找出它。

这是深入了解 gcc 源代码的绝佳机会。您似乎发现了一种情况，优化器在一种情况下看到一件事，然后在另一种情况下看到另一件事。然后进行下一步，看看能不能让gcc看到那个case。每个优化都在那里，因为一些个人或团体认识到优化并故意将其放在那里。每次有人必须将它放在那里（然后对其进行测试，然后将其维护到未来）时，这种优化就在那里并发挥作用。

绝对不要假设代码越少越快，代码越多越慢，很容易创建和查找不正确的示例。通常情况下，更少的代码比更多的代码更快。正如我从一开始就展示的那样，尽管您可以创建更多代码来保存这种情况下的分支或循环等，并最终获得更快的代码。

底线是您为编译器提供了不同的源并期望得到相同的结果。问题不在于编译器输出，而在于用户的期望。为特定的编译器和处理器演示是相当容易的，添加一行代码会使整个函数显着变慢。例如为什么改变 a = b + 2;到 a = b + c + 2;导致_fill_in_the_blank_compiler_name_ 生成完全不同且速度较慢的代码？答案当然是编译器在输入上输入了不同的代码，因此编译器生成不同的输出是完全有效的。（更好的是当您交换两行不相关的代码并导致输出发生巨大变化时）输入的复杂性和大小与输出的复杂性和大小之间没有预期的关系。将这样的内容输入到 clang 中：

for(ra=0;ra<20;ra++) dummy(ra);

它产生了 60-100 行汇编程序。它展开了循环。我没有数行数，你想想，它必须添加，复制结果到输入到函数调用，进行函数调用，最少三个操作。所以取决于目标，至少可能是 60 条指令，如果每个循环有 4 条指令，则为 80 条，如果每个循环有 5 条，则为 100 条，等等。

【讨论】：

你为什么破坏你的答案？ Oded 似乎也不同意编辑；-)。 @PeterA.Schneider 他的所有答案似乎都在同一天遭到破坏。我认为有人拥有他的（被盗？）帐户数据。【参考方案2】：

Mysticial 已经给出了很好的解释，但我想我要补充一点，FWIW，关于为什么编译器会针对一个而不是另一个进行优化，实际上并没有什么基本原理。

例如，LLVM 的 clang 编译器为两个函数提供相同的代码（函数名称除外），给出：

_fast_trunc_two:                        ## @fast_trunc_one
        movl    %edi, %edx
        andl    $-2147483648, %edx      ## imm = 0xFFFFFFFF80000000
        movl    %edi, %esi
        andl    $8388607, %esi          ## imm = 0x7FFFFF
        orl     $8388608, %esi          ## imm = 0x800000
        shrl    $23, %edi
        movzbl  %dil, %eax
        movl    $150, %ecx
        subl    %eax, %ecx
        js      LBB0_1
        shrl    %cl, %esi
        jmp     LBB0_3
LBB0_1:                                 ## %if.then
        negl    %ecx
        shll    %cl, %esi
LBB0_3:                                 ## %if.end
        movl    %edx, %eax
        negl    %eax
        xorl    %esi, %eax
        addl    %edx, %eax
        ret

此代码不像 OP 中的第一个 gcc 版本那么短，但没有第二个那么长。

来自另一个编译器（我不会命名）的代码，为 x86_64 编译，为这两个函数生成：

fast_trunc_one:
        movl      %edi, %ecx        
        shrl      $23, %ecx         
        movl      %edi, %eax        
        movzbl    %cl, %edx         
        andl      $8388607, %eax    
        negl      %edx              
        orl       $8388608, %eax    
        addl      $150, %edx        
        movl      %eax, %esi        
        movl      %edx, %ecx        
        andl      $-2147483648, %edi
        negl      %ecx              
        movl      %edi, %r8d        
        shll      %cl, %esi         
        negl      %r8d              
        movl      %edx, %ecx        
        shrl      %cl, %eax         
        testl     %edx, %edx        
        cmovl     %esi, %eax        
        xorl      %r8d, %eax        
        addl      %edi, %eax        
        ret

这很有趣，因为它计算了if 的两边，然后在末尾使用条件移动来选择正确的。

Open64 编译器生成以下内容：

fast_trunc_one: 
    movl %edi,%r9d                  
    sarl $23,%r9d                   
    movzbl %r9b,%r9d                
    addl $-150,%r9d                 
    movl %edi,%eax                  
    movl %r9d,%r8d                  
    andl $8388607,%eax              
    negl %r8d                       
    orl $8388608,%eax               
    testl %r8d,%r8d                 
    jl .LBB2_fast_trunc_one         
    movl %r8d,%ecx                  
    movl %eax,%edx                  
    sarl %cl,%edx                   
.Lt_0_1538:
    andl $-2147483648,%edi          
    movl %edi,%eax                  
    negl %eax                       
    xorl %edx,%eax                  
    addl %edi,%eax                  
    ret                             
    .p2align 5,,31
.LBB2_fast_trunc_one:
    movl %r9d,%ecx                  
    movl %eax,%edx                  
    shll %cl,%edx                   
    jmp .Lt_0_1538

和fast_trunc_two 的类似但不相同的代码。

无论如何，在优化方面，它是一种彩票——它就是这样......要知道为什么你的代码会以任何特定的方式编译并不总是那么容易。

【讨论】：

编译器是你不会命名的绝密超级编译器吗？最高机密编译器可能是 Intel icc。我只有 32 位版本，但它生成的代码与此非常相似。我也相信是ICC。编译器知道处理器具有指令级并行能力，因此可以同时计算两个分支。条件移动的开销远低于错误分支预测的开销。【参考方案3】：

已更新以与 OP 的编辑同步

通过修改代码，我设法了解 GCC 如何优化第一种情况。

在了解它们为何如此不同之前，我们首先必须了解 GCC 如何优化fast_trunc_one()。

信不信由你，fast_trunc_one() 正在为此优化：

int fast_trunc_one(int i) 
    int mantissa, exponent;

    mantissa = (i & 0x07fffff) | 0x800000;
    exponent = 150 - ((i >> 23) & 0xff);

    if (exponent < 0) 
        return (mantissa << -exponent);             /* diff */
     else 
        return (mantissa >> exponent);              /* diff */

这会产生与原始 fast_trunc_one() 完全相同的程序集 - 注册名称和所有内容。

请注意，fast_trunc_one() 的程序集中没有 xors。这就是给我的原因。

怎么会？

第 1 步： sign = -sign

首先，让我们看一下sign 变量。由于sign = i & 0x80000000;，sign 只能取两个可能的值：

sign = 0 sign = 0x80000000

现在认识到在这两种情况下，sign == -sign。因此，当我把原来的代码改成这样：

int fast_trunc_one(int i) 
    int mantissa, exponent, sign, r;

    mantissa = (i & 0x07fffff) | 0x800000;
    exponent = 150 - ((i >> 23) & 0xff);
    sign = i & 0x80000000;

    if (exponent < 0) 
        r = mantissa << -exponent;
     else 
        r = mantissa >> exponent;
    

    return (r ^ sign) + sign;

它生成与原始fast_trunc_one() 完全相同的程序集。我会省去你的程序集，但它是相同的 - 注册名称和所有。

第 2 步： 数学简化：x + (y ^ x) = y

sign 只能取两个值之一，0 或 0x80000000。

当x = 0，然后x + (y ^ x) = y 然后微不足道。 0x80000000 的添加和异或是相同的。它翻转符号位。因此x + (y ^ x) = y 在x = 0x80000000 时也成立。

因此，x + (y ^ x) 简化为 y。代码简化为：

int fast_trunc_one(int i) 
    int mantissa, exponent, sign, r;

    mantissa = (i & 0x07fffff) | 0x800000;
    exponent = 150 - ((i >> 23) & 0xff);
    sign = i & 0x80000000;

    if (exponent < 0) 
        r = (mantissa << -exponent);
     else 
        r = (mantissa >> exponent);
    

    return r;

同样，这将编译为完全相同的程序集 - 寄存器名称和所有。

以上版本最终简化为：

int fast_trunc_one(int i) 
    int mantissa, exponent;

    mantissa = (i & 0x07fffff) | 0x800000;
    exponent = 150 - ((i >> 23) & 0xff);

    if (exponent < 0) 
        return (mantissa << -exponent);             /* diff */
     else 
        return (mantissa >> exponent);              /* diff */

这几乎正是 GCC 在程序集中生成的内容。

那么为什么编译器不将fast_trunc_two() 优化为同样的东西呢？

fast_trunc_one() 的关键部分是x + (y ^ x) = y 优化。在fast_trunc_two() 中，x + (y ^ x) 表达式正在跨分支拆分。

我怀疑这可能足以让 GCC 不进行此优化。（它需要将^ -sign 提升出分支并将其合并到最后的r + sign 中。）

例如，这会产生与fast_trunc_one() 相同的程序集：

int fast_trunc_two(int i) 
    int mantissa, exponent, sign, r;

    mantissa = (i & 0x07fffff) | 0x800000;
    exponent = 150 - ((i >> 23) & 0xff);
    sign = i & 0x80000000;

    if (exponent < 0) 
        r = ((mantissa << -exponent) ^ -sign) + sign;             /* diff */
     else 
        r = ((mantissa >> exponent) ^ -sign) + sign;              /* diff */
    

    return r;                                     /* diff */

【讨论】：

编辑，看起来我已经回答了第二版。当前版本翻转了两个示例并稍微更改了代码......这令人困惑。 @nightcracker 不用担心。我已更新我的答案以与当前版本同步。 @Mysticial：您的最终陈述不再适用于新版本，使您的答案无效（它没有回答最重要的问题，“为什么 GCC 会生成如此完全不同的程序集".) 答案再次更新。我不确定它是否足够令人满意。但如果不确切了解相关的 GCC 优化传递如何工作，我认为我不能做得更好。 @Mysticial：严格来说，只要在这段代码中错误地使用了有符号类型，编译器在这里所做的几乎所有转换都是在行为未定义的情况下进行的......

以上是关于为啥 GCC 会为几乎相同的 C 代码生成如此完全不同的程序集？的主要内容，如果未能解决你的问题，请参考以下文章

为啥我的字体文本看起来如此粗体？

为啥 GCC 没有尽可能地优化这组分支和条件？

为啥只有注释更改的两个程序二进制文件在 gcc 中不完全匹配？

为啥 emacs 会为修改过的文件创建临时符号链接？

为啥每次使用 std::random_device 和 mingw gcc4.8.1 运行都会得到相同的序列？

为啥 auc 与 sklearn 和 R 的逻辑回归如此不同