是否可能影响GCC/Clang/Intel ICPC XMM/YMM寄存器分配？

我有一个高度优化的函数，在内部循环中反复调用，使用SSE2/AVX2加速编写。经过一些改进，现在我接近理论上的最佳性能（基于指令延迟和吞吐量）。但是，性能不是很好移植。问题在于有16个以上的

\uuuM128i

/

\uuuu256i

变量。当然，其中只有16个可以在寄存器中分配，其余的可以在堆栈中分配。函数大致如下所示：

void eval(size_t n, __m128i *rk /* other inputs */)
{
    __m128i xmmk0 = rk[0];
    // ...
    __m128i xmmk6 = rk[6];
    __m128i xmmk;

    __m128i xmmk[Rounds - 6];
    // copy rk[7] to r[Rounds] to xmmk

    while (n >= 8) {
        n -= 8;

        __m128i xmm0 = /* initialize state xmm0 */
        // do the same for xmm1 - xmm7

        // round 0
        xmm0 = /* a few instructions involving xmm0 and xmmk0 */;
        // do the same for xmm1 - xmm7

        // do the same for round 1 to 6, using xmmk1, ..., xmmk6

        // round 7, copy xmmk[0] to a temporary __m128i variable
        xmm0 = /* a few instructions involving xmm0 and xmmk[0] */;
        // do the same for xmm1 - xmm7

        // do the same for round 7 to Rounds, using xmmk[1], xmmk[Rounds - 7]
    }
}

涉及的变量超过16个。我能获得的最佳性能是，编译器将

xmm0

分配给

xmm7

，将

xmmk0

分配给

xmmk6

，将前7个循环常量分配到寄存器中，并将剩余的寄存器用作临时寄存器，为剩余的循环加载循环常量。当以与上述类似的方式编写时，GCC/clang正是这样做的，但Intel ICPC将一些

xmm0

分配给堆栈上的

xmm7

变量，并引入一些不必要的内存移动。如果相反，我写的方式与下面类似

__m128i xmmk[Rounds + 1]; // copy from input rk
// let compiler to figure out which of them are allocated on stack and which in registers,

然后GCC/ICPC在寄存器分配方面做得很好，而clang陷入了类似于前一个案例中ICPC的情况

当然，声明

\uuu m128i

类型的变量不会使其成为寄存器，在堆栈数组中声明也不会阻止编译器为其分配寄存器

我能够编写一个ASM实现，它完全符合我的要求。但是，实际函数涉及一些指定为模板策略的编译时常量。因此，在C++中用内联实现它们是更可取的。p>

---

我想知道的是，是否有办法影响这些编译器执行寄存器分配的方式。由于一级缓存速度快，通常性能上的差异只是几个周期。但是，当高度优化时，当内部循环只需要100个周期时，由于不必要的内存移动而产生的十几个周期差异将转化为20%的总体性能差异。据我所知，没有办法让编译器完全像手工编写的汇编一样工作。但如果我至少能给他们一些提示，那将是非常有帮助的。例如，我知道加载round常量的延迟可以被其他指令隐藏。因此，更希望在堆栈上分配它们，而不是将状态变量

xmm0

分配给

xmm7

您是否尝试过

注册

关键字？：）是的，这只是一个提示，编译器可能会忽略它。@Jester这是我第一次尝试的。我已经好几年没用过那个关键词了。但它根本不起作用，正如预期的那样。事实上，据我所知，这个

寄存器将在C++1z中删除。如果地址是常量，那么可能不是延迟（OOO隐藏的延迟），而是额外的UOP。您甚至可以尝试类似于
register\uuuu m128i foo asm（“xmm0”）。GNU扩展强制编译器在整个函数中为该变量使用该寄存器，这实际上可能会使情况变得更糟，因为在非交换操作结束后，需要MOVDQA将结果放回该寄存器，这样会更自然地将变量的当前值放在另一个寄存器中。我只是尝试过，在简单的情况下，它似乎并没有打败优化器：（）.@兖州，根据你使用的语言来标记C或C++可能是有用的。是的，更多的人看<代码> [C] < /C>标签，而不是<代码> [GCC ] < /C>或<代码> [汇编] < /Cord>。我可能会丢掉“内在论”的标签。