Assembly x86可以独立或并行执行FPU操作吗？

我的老师声称处理器有时可以并行执行FPU操作。像这样：

float a = 3.14;
float b = 5.12;
float c;
float d = 3.02;
float e = 2.52;
float f;
c = a + b;
f = e + d;

因此，正如我所听说的，上面的2个add操作的执行速度比：

float a = 3.14;
float b = 5.12;
float c;
float d = 3.02;
float e = 2.52;
float f;
c = a + b;
f = c + d;

因为处理器必须等待

c

计算完成

我想验证这一点，所以我编写了一个函数来完成第二件事，它通过检查时间戳计数器来测量时间：

flds    h # st(7)
flds    g # st(6)
flds    f # st(5)
flds    e # st(4)
flds    d # st(3)
flds    c # st(2)
flds    b # st(1)
flds    a # st(0)
fadd    %st, %st(1) # i = a + b
fmul    %st, %st(2) # j = i * c
fadd    %st, %st(3) # k = j + d
fmul    %st, %st(4) # l = k + e
fadd    %st, %st(5) # m = l + f
fmul    %st, %st(6) # n = m * g
fadd    %st, %st(7) # o = n + h

这些都不是独立的。现在，我正在尝试写独立的。但问题是，无论我实际做什么，值总是保存到

ST（0）

（无论我使用哪个指令），然后可以选择弹出它，但这仍然意味着我们必须等待计算

我查看了编译器生成的代码（

gcc-S

）。它在

st

寄存器上不是这样运行的。对于每个数字，它都会：

flds number
fstps -some_value(%ebp)

然后（例如，对于a和b，其中

-4（%ebp）

是a，

-8（%ebp）

是b）：

因此，它首先加载到FPU，然后跳回正常堆栈。然后，它弹出一个值（到

st（0）

），将其添加到该值中，然后返回结果。所以它仍然不是独立的，因为我们必须等到

st（0）

被释放

我的老师说错了什么吗，或者有没有一种方法可以让它们独立起来，在我测量时，它们的执行时间会有明显的不同？

按照的风格，我将您的老师的说法“处理器有时可以并行执行FPU操作”评为“半正确”。在某些意义上和某些条件下，这是完全正确的；从其他意义上讲，这根本不是真的。因此，作出一般性的陈述是非常误导人的，而且很可能被误解

现在，很有可能，你的老师是在一个非常具体的背景下说这句话的，对他之前告诉你的内容做了一些假设，而你没有把所有这些都包括在问题中，所以我不会责怪他们故意误导。相反，我将试图澄清这一普遍主张，指出它在某些方面是正确的，在其他方面是错误的

最大的症结正是所谓的“FPU操作”。通常，x86处理器在一个单独的浮点协处理器（称为浮点单元，或FPU）x87上执行FPU操作。在80486处理器之前，这是一个安装在主板上的独立芯片。从80486DX开始，x87 FPU与主处理器直接集成在同一个硅上，因此可用于所有系统，而不仅仅是那些安装了专用x87 FPU的系统。今天，所有x86处理器都有内置的x87兼容FPU，这通常是人们在x86微体系结构中说“FPU”时所指的

然而，x87 FPU很少再用于浮点操作。尽管它仍然存在，但实际上已被SIMD单元所取代，SIMD单元更易于编程且（通常）更高效

AMD是第一个用3DNow推出这种专用的矢量单元的公司！K6-2微处理器中的技术（大约1998年）。由于各种技术和市场原因，除了在某些游戏和其他专业应用程序中，它并没有真正得到应用，也从未在业界流行（AMD已经在现代处理器上逐步淘汰了它），但它确实支持压缩单精度浮点值的算术运算

当英特尔发布带有奔腾III处理器的SSE扩展时，SIMD真正开始流行起来。SSE类似于3DNow！，因为它支持对单精度浮点值进行向量运算，但与之不兼容，并且支持稍大范围的运算。AMD也很快在处理器上增加了SSE支持。与3DNow相比，SSE真的很好！它使用了一组完全独立的寄存器，这使得编程更加容易。对于奔腾4，英特尔发布了SSE2，它是SSE的扩展，增加了对双精度浮点值的支持。支持64位长模式扩展（AMD64）的所有处理器都支持SSE2，这也是目前所有处理器的特点，因此64位代码实际上总是使用SSE2指令来操作浮点值，而不是x87指令。即使在32位代码中，SSE2指令今天也很常用，因为自奔腾4以来的所有处理器都支持它们

除了支持传统处理器外，今天使用x87指令的原因只有一个，那就是x87 FPU支持一种特殊的“长双精度”格式，精度为80位。SSE仅支持单精度（32位），而SSE2增加了对双精度（64位）值的支持。如果您绝对需要扩展精度，那么x87是您的最佳选择。（在单个指令的级别上，它的速度与在标量值上运行的SIMD单元相当。）否则，您更喜欢SSE/SSE2（以及后来的指令集SIMD扩展，如AVX等），当然，当我说“您”时，我不仅仅指汇编语言程序员；我也指编译器。例如，VisualStudio2010是最后一个默认为32位构建生成x87代码的主要版本。在所有更高版本中，除非您专门关闭SSE2指令（

/arch:IA32

）

使用这些SIMD指令，可以同时执行多个浮点操作，这是完全正确的，事实上，这就是整点操作。即使在处理标量（非压缩）浮点值时，如您所示的代码中所示，现代处理器通常有多个执行单元，允许同时执行多个操作（假设满足某些条件，如您所指出的缺少数据依赖性，则

flds    -4(%ebp)
fadds   -8(%ebp) # i = a + b
fstps   -32(%ebp)

fadd  st(1), st(0)    ; clock cycles 1 through 3
fadd  st(2), st(0)    ; clock cycles 2 through 4
fadd  st(3), st(0)    ; clock cycles 3 through 5
fadd  st(4), st(0)    ; clock cycles 4 through 6

fld  [a1]   ; cycle 1
fadd [a2]   ; cycles 2-4
fld  [b1]   ; cycle 3
fadd [b2]   ; cycles 4-6
fld  [c1]   ; cycle 5
fadd [c2]   ; cycles 6-8
fxch st(2)  ; cycle 6 (pairs with previous instruction)
fadd [a3]   ; cycles 7-9
fxch st(1)  ; cycle 7 (pairs with previous instruction)
fadd [b3]   ; cycles 8-10
fxch st(2)  ; cycle 8 (pairs with previous instruction)
fadd [c3]   ; cycles 9-11
fxch st(1)  ; cycle 9 (pairs with previous instruction)
fadd [a4]   ; cycles 10-12
fxch st(2)  ; cycle 10 (pairs with previous instruction)
fadd [b4]   ; cycles 11-13
fxch st(1)  ; cycle 11 (pairs with previous instruction)
fadd [c4]   ; cycles 12-14
fxch st(2)  ; cycle 12 (pairs with previous instruction)

flds    -4(%ebp)
fadds   -8(%ebp) # i = a + b
fstps   -32(%ebp)