Leistungsunterschied zwischen Windows und Linux mit Intel Compiler: Betrachten Sie die Assembly
Ich führe ein Programm unter Windows und Linux (x86-64) aus. Es wurde mit demselben Compiler (Intel Parallel Studio XE 2017) mit denselben Optionen kompiliert, und die Windows-Version ist dreimal schneller als die Linux-Version. Der Täter ist ein Aufruf von std :: erf , der in beiden Fällen in der Intel-Mathematikbibliothek aufgelöst wird (standardmäßig wird er unter Windows dynamisch und unter Linux statisch verknüpft, aber die Verwendung der dynamischen Verknüpfung unter Linux ergibt das gleiche Leistung).
Hier ist ein einfaches Programm, um das Problem zu reproduzieren.
#include <cmath>
#include <cstdio>
int main() {
int n = 100000000;
float sum = 1.0f;
for (int k = 0; k < n; k++) {
sum += std::erf(sum);
}
std::printf("%7.2f\n", sum);
}
Wenn ich dieses Programm mit vTune profiliere, stelle ich fest, dass sich die Assembly zwischen der Windows- und der Linux-Version etwas unterscheidet. Hier ist die Aufrufstelle (die Schleife) unter Windows
Block 3:
"vmovaps xmm0, xmm6"
call 0x1400023e0 <erff>
Block 4:
inc ebx
"vaddss xmm6, xmm6, xmm0"
"cmp ebx, 0x5f5e100"
jl 0x14000103f <Block 3>
Und der Beginn der erf-Funktion ruft Windows auf
Block 1:
Push rbp
"sub rsp, 0x40"
"lea rbp, ptr [rsp+0x20]"
"lea rcx, ptr [rip-0xa6c81]"
"movd edx, xmm0"
"movups xmmword ptr [rbp+0x10], xmm6"
"movss dword ptr [rbp+0x30], xmm0"
"mov eax, edx"
"and edx, 0x7fffffff"
"and eax, 0x80000000"
"add eax, 0x3f800000"
"mov dword ptr [rbp], eax"
"movss xmm6, dword ptr [rbp]"
"cmp edx, 0x7f800000"
...
Unter Linux ist der Code etwas anders. Die Aufrufstelle ist:
Block 3
"vmovaps %xmm1, %xmm0"
"vmovssl %xmm1, (%rsp)"
callq 0x400bc0 <erff>
Block 4
inc %r12d
"vmovssl (%rsp), %xmm1"
"vaddss %xmm0, %xmm1, %xmm1" <-------- hotspot here
"cmp $0x5f5e100, %r12d"
jl 0x400b6b <Block 3>
und der anfang der aufgerufenen funktion (erf) ist:
"movd %xmm0, %edx"
"movssl %xmm0, -0x10(%rsp)" <-------- hotspot here
"mov %edx, %eax"
"and $0x7fffffff, %edx"
"and $0x80000000, %eax"
"add $0x3f800000, %eax"
"movl %eax, -0x18(%rsp)"
"movssl -0x18(%rsp), %xmm0"
"cmp $0x7f800000, %edx"
jnl 0x400dac <Block 8>
...
Ich habe die 2 Punkte gezeigt, bei denen die Zeit unter Linux verloren geht.
Versteht jemand Assembly genug, um mir den Unterschied der beiden Codes zu erklären und warum die Linux-Version dreimal langsamer ist?
In beiden Fällen werden die Argumente und Ergebnisse nur in Registern gemäß den jeweiligen Aufrufkonventionen unter Windows und GNU/Linux übergeben.
In der GNU/Linux-Variante wird die Summe mit xmm1 Akkumuliert. Da es sich um ein von Anrufen überlastetes Register handelt (das von einem Anrufer gespeichert wurde), wird es bei jedem Anruf im Stack-Frame des Anrufers gespeichert (und wiederhergestellt).
In der Windows-Variante wird die Summe mit xmm6 Akkumuliert. Dieses Register wird in der Windows-Aufrufkonvention (aber nicht in der GNU/Linux-Konvention) gespeichert.
Zusammenfassend gesagt, speichert die GNU/Linux-Version sowohl xmm0 (Im Aufrufer [1]) als auch xmm1 (Im Aufrufer), während die Windows-Version nur xmm6 (In der Angerufenen).
[1] müssen sich std::errf Ansehen, um herauszufinden, warum.
Unter Verwendung von Visual Studio 2015, Win 7 64-Bit-Modus, finde ich den folgenden Code für einige der in erf () verwendeten Pfade (nicht alle Pfade werden angezeigt). Jeder Pfad enthält bis zu 8 (möglicherweise mehr für andere Pfade) Konstanten, die aus dem Speicher gelesen werden. Daher ist es unwahrscheinlich, dass ein einzelnes Speichern/Laden zum Speichern eines Registers zu einem dreifachen Geschwindigkeitsunterschied zwischen Linux und Windows führt. Was das Speichern/Wiederherstellen betrifft, werden in diesem Beispiel xmm6 und xmm7 gespeichert und wiederhergestellt. Wie für die Zeit, das Programm in der ursprünglichen Veröffentlichung dauert etwa 0,86 Sekunden auf einem Intel 3770K (3,5 GHz CPU) (VS2015/Win 7 64 Bit). Update - Ich habe später festgestellt, dass der Overhead für das Speichern und Wiederherstellen eines xmm-Registers bei den Programmen 10 ^ 8 Schleifen (ca. 3 Nanosekunden pro Schleife) ca. 0,03 Sekunden beträgt.
000007FEEE25CF90 mov rax,rsp
000007FEEE25CF93 movss dword ptr [rax+8],xmm0
000007FEEE25CF98 sub rsp,48h
000007FEEE25CF9C movaps xmmword ptr [rax-18h],xmm6
000007FEEE25CFA0 lea rcx,[rax+8]
000007FEEE25CFA4 movaps xmmword ptr [rax-28h],xmm7
000007FEEE25CFA8 movaps xmm6,xmm0
000007FEEE25CFAB call 000007FEEE266370
000007FEEE25CFB0 movsx ecx,ax
000007FEEE25CFB3 test ecx,ecx
000007FEEE25CFB5 je 000007FEEE25D0AF
000007FEEE25CFBB sub ecx,1
000007FEEE25CFBE je 000007FEEE25D08F
000007FEEE25CFC4 cmp ecx,1
000007FEEE25CFC7 je 000007FEEE25D0AF
000007FEEE25CFCD xorps xmm7,xmm7
000007FEEE25CFD0 movaps xmm2,xmm6
000007FEEE25CFD3 comiss xmm7,xmm6
000007FEEE25CFD6 jbe 000007FEEE25CFDF
000007FEEE25CFD8 xorps xmm2,xmmword ptr [7FEEE2991E0h]
000007FEEE25CFDF movss xmm0,dword ptr [7FEEE298E50h]
000007FEEE25CFE7 comiss xmm0,xmm2
000007FEEE25CFEA jbe 000007FEEE25D053
000007FEEE25CFEC movaps xmm2,xmm6
000007FEEE25CFEF mulss xmm2,xmm6
000007FEEE25CFF3 movaps xmm0,xmm2
000007FEEE25CFF6 movaps xmm1,xmm2
000007FEEE25CFF9 mulss xmm0,dword ptr [7FEEE298B34h]
000007FEEE25D001 mulss xmm1,dword ptr [7FEEE298B5Ch]
000007FEEE25D009 addss xmm0,dword ptr [7FEEE298B8Ch]
000007FEEE25D011 addss xmm1,dword ptr [7FEEE298B9Ch]
000007FEEE25D019 mulss xmm0,xmm2
000007FEEE25D01D mulss xmm1,xmm2
000007FEEE25D021 addss xmm0,dword ptr [7FEEE298BB8h]
000007FEEE25D029 addss xmm1,dword ptr [7FEEE298C88h]
000007FEEE25D031 mulss xmm0,xmm2
000007FEEE25D035 mulss xmm1,xmm2
000007FEEE25D039 addss xmm0,dword ptr [7FEEE298DC8h]
000007FEEE25D041 addss xmm1,dword ptr [7FEEE298D8Ch]
000007FEEE25D049 divss xmm0,xmm1
000007FEEE25D04D mulss xmm0,xmm6
000007FEEE25D051 jmp 000007FEEE25D0B2
000007FEEE25D053 movss xmm1,dword ptr [7FEEE299028h]
000007FEEE25D05B comiss xmm1,xmm2
000007FEEE25D05E jbe 000007FEEE25D076
000007FEEE25D060 movaps xmm0,xmm2
000007FEEE25D063 call 000007FEEE25CF04
000007FEEE25D068 movss xmm1,dword ptr [7FEEE298D8Ch]
000007FEEE25D070 subss xmm1,xmm0
000007FEEE25D074 jmp 000007FEEE25D07E
000007FEEE25D076 movss xmm1,dword ptr [7FEEE298D8Ch]
000007FEEE25D07E comiss xmm7,xmm6
000007FEEE25D081 jbe 000007FEEE25D08A
000007FEEE25D083 xorps xmm1,xmmword ptr [7FEEE2991E0h]
000007FEEE25D08A movaps xmm0,xmm1
000007FEEE25D08D jmp 000007FEEE25D0B2
000007FEEE25D08F mov eax,8000h
000007FEEE25D094 test Word ptr [rsp+52h],ax
000007FEEE25D099 je 000007FEEE25D0A5
000007FEEE25D09B movss xmm0,dword ptr [7FEEE2990DCh]
000007FEEE25D0A3 jmp 000007FEEE25D0B2
000007FEEE25D0A5 movss xmm0,dword ptr [7FEEE298D8Ch]
000007FEEE25D0AD jmp 000007FEEE25D0B2
000007FEEE25D0AF movaps xmm0,xmm6
000007FEEE25D0B2 movaps xmm6,xmmword ptr [rsp+30h]
000007FEEE25D0B7 movaps xmm7,xmmword ptr [rsp+20h]
000007FEEE25D0BC add rsp,48h
000007FEEE25D0C0 ret