![ちなみにgcc –O2
void f (double a[],
double b[]) {
for (int i = 0; i < 100; i++)
a[i] = b[i] + (double) i;
}
f:
.LFB0:
xorl %eax, %eax
.L2:
pxor %xmm0, %xmm0
cvtsi2sd %eax, %xmm0
addsd (%rsi,%rax,8), %xmm0
movsd %xmm0, (%rdi,%rax,8)
addq $1, %rax
cmpq $100, %rax
jne .L2
rep ret](https://image.slidesharecdn.com/ocaml-170722080558/85/OCaml-15-320.jpg)
![for式2の
gcc –O2
void f (double a[], double b[]){
for (int i = 0; i < 50; i++) {
a[i] = b[i] + i * 2;
a[i+1] = b[i+1] + (i + 1) * 2;
}}
.L2:
addsd -8(%rsi), %xmm0
addl $2, %eax
addq $8, %rsi
addq $8, %rdi
movsd %xmm0, -16(%rdi)
pxor %xmm0, %xmm0
movsd -8(%rsi), %xmm1
cvtsi2sd %eax, %xmm0
addsd %xmm0, %xmm1
movsd %xmm1, -8(%rdi)
cmpl $100, %eax
jne .L2
rep ret
f:
pxor %xmm0, %xmm0
xorl %eax, %eax
addq $8, %rsi
addq $8, %rdi
cvtsi2sd %eax, %xmm0](https://image.slidesharecdn.com/ocaml-170722080558/85/OCaml-17-320.jpg)
![for式3 gcc –O2
void f (double * a[],
double * b[]) {
for (int i = 0; i < 100; i++)
for (int j = 0; j < 100; j++)
a[i][j] = b[i][j] + i;
}
.L3:
movsd (%rdx,%rax), %xmm0
addsd %xmm1, %xmm0
movsd %xmm0, (%rcx,%rax)
addq $8, %rax
cmpq $800, %rax
jne .L3
addq $1, %r8
cmpq $100, %r8
jne .L2
rep ret
xorl %r8d, %r8d
.L2:
pxor %xmm1, %xmm1
movq (%rdi,%r8,8), %rcx
movq (%rsi,%r8,8), %rdx
xorl %eax, %eax
cvtsi2sd %r8d, %xmm1](https://image.slidesharecdn.com/ocaml-170722080558/85/OCaml-20-320.jpg)
![for式4 gcc
void f (double a[],
double b[], double c[]) {
for (int i = 0; i < 100; i++) {
a[i] = a[i] + c[i];
b[i] = a[i] + c[i]; } }
f:
xorl %eax, %eax
.L2:
movsd (%rdi,%rax), %xmm0
addsd (%rdx,%rax), %xmm0
movsd %xmm0, (%rdi,%rax)
addsd (%rdx,%rax), %xmm0
movsd %xmm0, (%rsi,%rax)
addq $8, %rax
cmpq $800, %rax
jne .L2
rep ret
.L102:
movq $1, %rsi
cmpq $201, %rsi
jg .L100
SIMD化されてる
共通式の除去](https://image.slidesharecdn.com/ocaml-170722080558/85/OCaml-22-320.jpg)
![match1
let f = function
| x :: xs -> [x]
| [] -> [0]
.L102:
subq $24, %r15
movq caml_young_limit
@GOTPCREL(%rip), %rax
cmpq (%rax), %r15
jb .L103
leaq 8(%r15), %rax
movq $2048, -8(%rax)
movq (%rbx), %rbx
movq %rbx, (%rax)
movq $1, 8(%rax)
addq $8, %rsp
ret
subq $8, %rsp
.L101:
movq %rax, %rbx
cmpq $1, %rbx
je .L100](https://image.slidesharecdn.com/ocaml-170722080558/85/OCaml-25-320.jpg)
![list1
let f x =
x :: x :: x :: []
movq $1, 8(%rax)
leaq 24(%rax), %rdi
movq $2048, -8(%rdi)
movq %rbx, (%rdi)
movq %rax, 8(%rdi)
addq $48, %rax
movq $2048, -8(%rax)
movq %rbx, (%rax)
movq %rdi, 8(%rax)
addq $8, %rsp
ret
.L102:
call caml_call_gc@PLT
.L103:
jmp .L101
subq $8, %rsp
.L100:
movq %rax, %rbx
.L101:
subq $72, %r15
movq caml_young_limit
@GOTPCREL(%rip), %rax
cmpq (%rax), %r15
jb .L102
leaq 8(%r15), %rax
movq $2048, -8(%rax)
movq %rbx, (%rax)](https://image.slidesharecdn.com/ocaml-170722080558/85/OCaml-26-320.jpg)
More Related Content
What's hot (20)
Similar to 翱颁补尘濒のアセンブラを読む话 (20)
翱颁补尘濒のアセンブラを読む话
- 2. わたしは誰 ? インターネットの闇@no_maddo ? コンパイラが大好き ? コンパイラでコンパイラが食える
- 4. アジェンダ ? OCamlの吐くx86アセンブラを読んで、 コンパイラの気持ちになるですよ – 64bitのことしか気にしないリッチトーク – 結論ありません – OCaml 4.05.0, -O3, -unsafeでコンパイル – 対象：初心者向け ? コンパイラ初心者 ? とにかくアセンブラが読みたいマン ? 普通の話しかしません
- 5. OCamlが吐くアセンブラの注意 ? １ファイルで１つのモジュールを表す – モジュールを作るための実行コードが作られる ? モジュール名でsuffix、アルファ変換されてる – なぜだかわかりますね？
- 6. 整数演算 let add1 x = x + 1 addq $2, %rax ret let add2 x = x + 2 addq $4, %rax ret
- 7. tag bit ? GCのために値にtagを付けている – intなら最下位bitが常に1 – pointerなら常に0 ? Major GCではMark and Sweepをやるため ? 64bitのIntがほしいときはInt64がある – allocされたナマの64bit int...... https://realworldocaml.org/v1/en/html/memory-representation-of-values.html
- 8. float型 1 let fadd1 x = x +. 1.0 subq $8, %rsp .L100: movq %rax, %rbx .L101: subq $16, %r15 movq caml_young_limit@GOTPCREL(%rip), %rax cmpq (%rax), %r15 jb .L102 leaq 8(%r15), %rax movq $1277, -8(%rax) movsd .L104(%rip), %xmm0 addsd (%rbx), %xmm0 movsd %xmm0, (%rax) addq $8, %rsp .L102: call caml_call_gc@PLT .L103: jmp .L101
- 9. なぜポインタ ? 疑問：float -> floatなら引数をunboxedでとっ ても良いのでは？？？ ? 高階関数との兼ね合いで１ワードに揃ってな ければならない（boxed, uniform) – 高階関数内で呼び出ししたときに使うレジスタ
- 10. float型 2 let fadd1_arr a x = a.(0) <- x +. 1.0 movsd .L104(%rip), %xmm0 addsd (%rbx), %xmm0 movsd %xmm0, (%rax) movq $1, %rax ret allocが不必要な場合には確保しない ※ -unsafeつきでコンパイル
- 11. 一旦まとめ ? 整数とポインタを区別するタグがある – GCとの兼ね合い ? float型の値は関数を経由するときに メモリ確保される – 多相関数との兼ね合い
- 12. for式とarray ? OCamlのfor式はfortranみたい – for i = e1 to e2 do e3 done – ループの入り口で回転数が確定する！ ? このあたり最適化が弱い
- 13. for式 1 let itof = float_of_int let f a b = for i = 0 to 100 do a.(i) <- b.(i) +. itof i done .L102: movq $1, %rdi cmpq $201, %rdi jg .L100 .L101: movq %rdi, %rsi sarq $1, %rsi cvtsi2sdq %rsi, %xmm0 addsd -4(%rbx,%rdi,4), %xmm0 movsd %xmm0, -4(%rax,%rdi,4) movq %rdi, %rsi addq $2, %rdi cmpq $201, %rsi jne .L101 .L100: movq $1, %rax ret 無駄 0をセット 右シフト タグを外す
- 14. 手で最適化 .L102: movq $0, %rdi .L101: cvtsi2sdq %rdi, %xmm0 addsd 0(%rbx,%rdi,4), %xmm0 movsd %xmm0, 0(%rax,%rdi,4) addq $1, %rdi cmpq $100, %rsi jne .L101 .L100: movq $1, %rax ret .L102: movq $1, %rdi cmpq $201, %rdi jg .L100 .L101: movq %rdi, %rsi sarq $1, %rsi cvtsi2sdq %rsi, %xmm0 addsd -4(%rbx,%rdi,4), %xmm0 movsd %xmm0, -4(%rax,%rdi,4) movq %rdi, %rsi addq $2, %rdi cmpq $201, %rsi jne .L101 .L100: movq $1, %rax ret ?caml int -> raw intの最適化 ?不要分岐の削除
- 15. ちなみにgcc –O2 void f (double a[], double b[]) { for (int i = 0; i < 100; i++) a[i] = b[i] + (double) i; } f: .LFB0: xorl %eax, %eax .L2: pxor %xmm0, %xmm0 cvtsi2sd %eax, %xmm0 addsd (%rsi,%rax,8), %xmm0 movsd %xmm0, (%rdi,%rax,8) addq $1, %rax cmpq $100, %rax jne .L2 rep ret
- 16. for式 2 let itof = float_of_int let f a b = for i = 0 to 50 do a.(i) <- b.(i) +. itof (i * 2); a.(i+1) <- b.(i+1) +. itof (i * 2 + 1); done .L101: leaq -1(%rdi,%rdi), %rsi sarq $1, %rsi cvtsi2sdq %rsi, %xmm0 addsd -4(%rbx,%rdi,4), %xmm0 movsd %xmm0, -4(%rax,%rdi,4) cvtsi2sdq %rdi, %xmm0 addsd 4(%rbx,%rdi,4), %xmm0 movsd %xmm0, 4(%rax,%rdi,4) movq %rdi, %rsi addq $2, %rdi cmpq $101, %rsi jne .L101 .L100: movq $1, %rax ret camlFor2__f_1199: .L102: movq $1, %rdi cmpq $101, %rdi jg .L100
- 17. for式2の gcc –O2 void f (double a[], double b[]){ for (int i = 0; i < 50; i++) { a[i] = b[i] + i * 2; a[i+1] = b[i+1] + (i + 1) * 2; }} .L2: addsd -8(%rsi), %xmm0 addl $2, %eax addq $8, %rsi addq $8, %rdi movsd %xmm0, -16(%rdi) pxor %xmm0, %xmm0 movsd -8(%rsi), %xmm1 cvtsi2sd %eax, %xmm0 addsd %xmm0, %xmm1 movsd %xmm1, -8(%rdi) cmpl $100, %eax jne .L2 rep ret f: pxor %xmm0, %xmm0 xorl %eax, %eax addq $8, %rsi addq $8, %rdi cvtsi2sd %eax, %xmm0
- 18. 参考：Atom レーテンシ ? Silvermont アーキテクチャでのレーテンシ ? addsd add + store, add + loadやっている命令 – xmm, xmm: 5 – xmm, mem: 5 (!?!? ? movsd load, storeなども兼ねる – xmm, xmm; xmm, mem; mem, xmm: 1 https://www.intel.com/content/www/us/en/architecture-and-technology/64-ia-32-architectures-optimization-manual.html
- 19. for式3 let f a b = for i = 0 to 100 do for j = 0 to 100 do a.(i).(j) <- 1.0; done done .L103: movq -4(%rax,%rbx,4), %rsi movsd .L105(%rip), %xmm0 movsd %xmm0, -4(%rsi,%rdi,4) movq %rdi, %rsi addq $2, %rdi cmpq $201, %rsi jne .L103 .L102: movq %rbx, %rdi addq $2, %rbx cmpq $201, %rdi jne .L101 .L100: movq $1, %rax .L104: movq $1, %rbx cmpq $201, %rbx jg .L100 .L101: movq $1, %rdi cmpq $201, %rdi jg .L102
- 20. for式3 gcc –O2 void f (double * a[], double * b[]) { for (int i = 0; i < 100; i++) for (int j = 0; j < 100; j++) a[i][j] = b[i][j] + i; } .L3: movsd (%rdx,%rax), %xmm0 addsd %xmm1, %xmm0 movsd %xmm0, (%rcx,%rax) addq $8, %rax cmpq $800, %rax jne .L3 addq $1, %r8 cmpq $100, %r8 jne .L2 rep ret xorl %r8d, %r8d .L2: pxor %xmm1, %xmm1 movq (%rdi,%r8,8), %rcx movq (%rsi,%r8,8), %rdx xorl %eax, %eax cvtsi2sd %r8d, %xmm1
- 21. for式4 共通式 let f a b c = for i = 0 to 100 do a.(i) <- a.(i) +. c.(i); b.(i) <- a.(i) +. c.(i); done .L101: movsd -4(%rax,%rsi,4), %xmm0 addsd -4(%rdi,%rsi,4), %xmm0 movsd %xmm0, -4(%rax,%rsi,4) movsd -4(%rax,%rsi,4), %xmm0 addsd -4(%rdi,%rsi,4), %xmm0 movsd %xmm0, -4(%rbx,%rsi,4) movq %rsi, %rdx addq $2, %rsi cmpq $201, %rdx jne .L101 .L100: movq $1, %rax ret .L102: movq $1, %rsi cmpq $201, %rsi jg .L100
- 22. for式4 gcc void f (double a[], double b[], double c[]) { for (int i = 0; i < 100; i++) { a[i] = a[i] + c[i]; b[i] = a[i] + c[i]; } } f: xorl %eax, %eax .L2: movsd (%rdi,%rax), %xmm0 addsd (%rdx,%rax), %xmm0 movsd %xmm0, (%rdi,%rax) addsd (%rdx,%rax), %xmm0 movsd %xmm0, (%rsi,%rax) addq $8, %rax cmpq $800, %rax jne .L2 rep ret .L102: movq $1, %rsi cmpq $201, %rsi jg .L100 SIMD化されてる 共通式の除去
- 23. for式5 共通式2 let f a b n = for i = 0 to 100 do a.(i) <- n +. 3.0; b.(i) <- n +. 4.0; done f: movsd .LC0(%rip), %xmm1 xorl %eax, %eax addsd %xmm0, %xmm1 addsd .LC1(%rip), %xmm0 .L2: movsd %xmm1, (%rdi,%rax) movsd %xmm0, (%rsi,%rax) addq $8, %rax cmpq $800, %rax jne .L2 rep ret
- 24. 感想 ? 想像したとおりの愚直なアセンブラが出る ? あんまり共通式とか取られない ? gccと比べて出来てない目立つ最適化 – 分岐の除去（！） – 共通式 – ループアンローリング（-O3)
- 25. match1 let f = function | x :: xs -> [x] | [] -> [0] .L102: subq $24, %r15 movq caml_young_limit @GOTPCREL(%rip), %rax cmpq (%rax), %r15 jb .L103 leaq 8(%r15), %rax movq $2048, -8(%rax) movq (%rbx), %rbx movq %rbx, (%rax) movq $1, 8(%rax) addq $8, %rsp ret subq $8, %rsp .L101: movq %rax, %rbx cmpq $1, %rbx je .L100
- 26. list1 let f x = x :: x :: x :: [] movq $1, 8(%rax) leaq 24(%rax), %rdi movq $2048, -8(%rdi) movq %rbx, (%rdi) movq %rax, 8(%rdi) addq $48, %rax movq $2048, -8(%rax) movq %rbx, (%rax) movq %rdi, 8(%rax) addq $8, %rsp ret .L102: call caml_call_gc@PLT .L103: jmp .L101 subq $8, %rsp .L100: movq %rax, %rbx .L101: subq $72, %r15 movq caml_young_limit @GOTPCREL(%rip), %rax cmpq (%rax), %r15 jb .L102 leaq 8(%r15), %rax movq $2048, -8(%rax) movq %rbx, (%rax)
- 27. まとめ？ ? 小さい関数のasmなら普通に読める ? OCamlコンパイラは最適化が足りない – まぁGCのオーバーヘッドとか気にした方がいい – 普通はあんまり気にならない ? ループの最内とかは気にしたほうが良い ? 数値を計算するときはfloatのmallocがきびしい インライン展開が有効