c++ - recursos - Diferencia de rendimiento entre Windows y Linux usando el compilador de Intel: mirando el ensamblado

windows 7 vs windows 10 rendimiento 2017

Question

Estoy ejecutando un programa en Windows y Linux (x86-64). Se ha compilado con el mismo compilador (Intel Parallel Studio XE 2017) con las mismas opciones, y la versión de Windows es 3 veces más rápida que la de Linux. El culpable es una llamada a std::erf que se resuelve en la biblioteca matemática de Intel para ambos casos (de forma predeterminada, está vinculado dinámicamente en Windows y estáticamente en Linux, pero el uso del enlace dinámico en Linux ofrece el mismo rendimiento).

Aquí hay un programa simple para reproducir el problema.

#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);
}

Cuando perfilo este programa usando vTune, encuentro que el ensamblaje es un poco diferente entre Windows y la versión de Linux. Aquí está el sitio de llamadas (el bucle) en Windows

Block 3:
"vmovaps xmm0, xmm6"
call 0x1400023e0 <erff>
Block 4:
inc ebx
"vaddss xmm6, xmm6, xmm0"
"cmp ebx, 0x5f5e100"
jl 0x14000103f <Block 3>

Y el comienzo de la función erf llamada en Windows

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"
...

En Linux, el código es un poco diferente. El sitio de la llamada es:

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>

y el comienzo de la función llamada (erf) es:

"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>
...

He mostrado los 2 puntos donde se pierde el tiempo en Linux.

¿Alguien entiende el ensamblaje lo suficiente como para explicarme la diferencia de los 2 códigos y por qué la versión de Linux es 3 veces más lenta?

Answer 1

En ambos casos, los argumentos y resultados se pasan solo en registros, según las convenciones de llamada respectivas en Windows y GNU / Linux.

En la variante GNU / Linux, el xmm1 se usa para acumular la suma. Dado que se trata de un registro de capa de llamada (también conocido como guardado por la persona que llama), se almacena (y restaura) en el marco de la pila de la persona que llama en cada llamada.

En la variante de Windows, el xmm6 se usa para acumular la suma. Este registro se guarda en la convención de llamadas de Windows ( pero no en la de GNU / Linux ).

En resumen, la versión GNU / Linux guarda / restaura tanto xmm0 (en la llamada [1]) como xmm1 (en la llamada), mientras que la versión de Windows guarda / restaura solo xmm6 (en la llamada).

[1] necesita mirar std::errf para descubrir por qué.

Answer 2

Usando Visual Studio 2015, modo Win 7 de 64 bits, encuentro el siguiente código para algunas de las rutas utilizadas en erf () (no se muestran todas las rutas). Cada ruta implica hasta 8 (tal vez más para otras rutas) constantes leídas de la memoria, por lo que una sola tienda / carga para guardar un registro parece poco probable que dé como resultado un diferencial de velocidad 3x entre Linux y Windows. En cuanto a guardar / restaurar, este ejemplo guarda y restaura xmm6 y xmm7. En cuanto al tiempo, el programa en la publicación original tarda aproximadamente 0,86 segundos en un Intel 3770K (CPU de 3,5 ghz) (VS2015 / Win 7 64 bit). Actualización: más tarde determiné que la sobrecarga para guardar y restaurar un registro xmm es de aproximadamente 0.03 segundos en el caso de los programas 10 ^ 8 bucles (aproximadamente 3 nanosegundos por bucle).

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