Assembly 组件x86-64-带-O3的movupd

我正在做一个关于x86-64汇编的练习，所以我使用-O3选项用GCC生成了汇编代码

用C编写的原始代码：

double dotprod(double *a, double *b, unsigned long long n)
{
  double d1 = 0.0;
  double d2 = 0.0;

  for (unsigned long long i = 0; i < n; i += 2) {
    d1 += a[i] * b[i];
    d2 += a[i + 1] * b[i + 1];
  }

  return (d1 + d2);
}

---

我想知道我们可以在一些指令中读取的int值是多少，例如

movupd 16（%rdi，%rax），%xmm1

“我们可以在一些指令中读取的int值是多少，例如movupd 16（%rdi，%rax），%xmm1”位移。请参阅“英特尔手册”中的第3.7.5节“指定偏移量”。它不是加载一个

int

，而是加载两个双精度。这就是为什么GCC使用

pd

指令，而不是

movdqu

或更紧凑的

movups

，后者在这里是更好的选择。但奇怪的是，下一条指令与

movlpd

合并到该负载的低一半。IDK如果GCC想要在XMM1中获得2个非连续的双精度，那么首先进行16字节加载的意义是，与

movsd

/

movhpd

相比。GCC搞得一团糟。这是一个严重的错过优化/反优化。GCC7和更早的版本只使用标量，这可能比GCC8和更高版本（如您所示）的性能差。GCC

-ffast math

正确，但简单的向量化已经按照源代码顺序进行了操作。我想知道GCC是否基本上是在分别对

d1

和

d2

进行向量化，而不是将这些C变量映射到单个向量的两半？报告如下

.L4:
    movupd  (%rdi,%rax), %xmm3
    movupd  (%rsi,%rax), %xmm2
    movupd  16(%rdi,%rax), %xmm1
    movlpd  8(%rdi,%rax), %xmm1
    movhpd  16(%rdi,%rax), %xmm3
    movhpd  16(%rsi,%rax), %xmm2
    mulpd   %xmm3, %xmm2
    addsd   %xmm2, %xmm4
    unpckhpd    %xmm2, %xmm2
    addsd   %xmm2, %xmm4
    movupd  16(%rsi,%rax), %xmm2
    movlpd  8(%rsi,%rax), %xmm2
    addq    $32, %rax
    mulpd   %xmm2, %xmm1
    movapd  %xmm1, %xmm2
    unpckhpd    %xmm1, %xmm1
    addsd   %xmm0, %xmm2
    movapd  %xmm1, %xmm0
    addsd   %xmm2, %xmm0
    cmpq    %rdx, %rax
    jne .L4
    movq    %rcx, %rdx
    andq    $-2, %rdx
    leaq    (%rdx,%rdx), %rax
    cmpq    %rcx, %rdx
    je  .L5