Самое быстрое чтение смещения для небольшого массива

Question

Для скорости я хотел бы прочитать один из 8 регистров, на которые ссылается значение в 9-м регистре. Самый быстрый способ сделать это - использовать 3 условных перехода (проверка 3 битов в 9-м регистре). Это должно иметь меньшую задержку, чем стандартный способ сделать это со считыванием из смещенной памяти, но для этого все еще требуется по крайней мере 6 тактов (по крайней мере, один тест плюс один условный бит в секунду на бит).

Есть ли коммерческий ЦП (предпочтительно x86 / x64) с внутренним значением c для выполнения этого «чтения смещения регистра» с задержкой всего в один такт?

Теоретически оптимизированный ЦП мог бы сделать это с одним добавлением и один ход, поэтому два или один тактовый цикл кажется легким ... есть ли какая-то общая причина того, что архитектура не заботится об ускорении считывания смещения для небольшого массива?

Answer 1

В наши дни обработка регистров ЦП как массива на самом деле не является распространенным подходом. Последней известной мне архитектурой, которая позволила это, был PDP11, и он умер в конце 80-х. Почему бы вам не поместить свой массив в какую-то область памяти, как в любой другой массив?

Тем не менее, вы можете использовать вычисленный прыжок. Это также заменяет зависимость данных (режим индексированной адресации) на управляющую зависимость, поэтому неупорядоченному exe c не нужно ждать, пока ввод индекса будет готов, прежде чем он сможет начать выполнение кода, использующего конечный RAX , Конечно, это предполагает правильное предсказание ветвления, что маловероятно, если индекс часто меняется. Неправильный прогноз ветки стоит многих циклов небольшой работы, но небольшая задержка нагрузки, которая попадает в кэш L1d, может очень легко перекрываться с независимой работой.

Стоимость пропускной способности выше, чем у массива в памяти: некоторые вычисления адреса, один переход, один ход и ret вместо просто mov или даже операнда памяти с индексным режимом адресации.

Чтобы встроить этот код, просто замените jmp *%rax на call *%rax, стоимостью еще один уоп. Или замените ret инструкции с jmp на метку внизу и увеличьте шаг таблицы переходов до 8, чтобы учесть более длинное кодирование.

    # select a register from r8...r15 according to the value in rdi
select:
    lea labels-4*8(%rip),%rax # rdi = 8 is the first jump table entry
    lea (%rax,%rdi,4),%rax    # pointer to the appropriate entry
    jmp *%rax                 # computed jump

    .align 4
labels:
    mov %r8, %rax
    ret

    .align 4
    mov %r9, %rax
    ret

    .align 4
    mov %r10, %rax
    ret

    .align 4
    mov %r11, %rax
    ret

    .align 4
    mov %r12, %rax
    ret

    .align 4
    mov %r13, %rax
    ret

    .align 4
    mov %r14, %rax
    ret

    .align 4
    mov %r15, %rax
    ret

Хотя это, вероятно, быстрее, чем три условных перехода (в зависимости от схемы доступа), это, конечно, не будет лучше, если использовать массив.