c - 为什么更多的 x86 指令比更少的指令更快?
问题描述
因此,大约半年以来,我一直在阅读有关 x86 处理器内部发生的事情的信息。因此,我决定尝试 x86 汇编以获得乐趣,仅从 80386 指令开始以保持简单。(我主要是在学习,而不是优化)
我有一个几个月前用 C 编码的游戏,所以我去那里用汇编代码从头开始重写了位图 blitting 函数。我没有得到的是循环的主要像素绘图体使用 C 代码(18 条指令)比我的汇编代码(只有 7 条指令)更快,而且我几乎 100% 确定它没有t 跨越高速缓存行边界)。
所以我的主要问题是为什么 18 条指令比 7 条指令花费的时间更少?在底部我有 2 个代码片段。
PS。每种颜色都有 8 位索引。C代码:
{
for (x = 0; x < src.w; x++)
00D35712 mov dword ptr [x],0 // Just initial loop setup
00D35719 jmp Renderer_DrawBitmap+174h (0D35724h) // Just initial loop setup
00D3571B mov eax,dword ptr [x]
00D3571E add eax,1
00D35721 mov dword ptr [x],eax
00D35724 mov eax,dword ptr [x]
00D35727 cmp eax,dword ptr [ebp-28h]
00D3572A jge Renderer_DrawBitmap+1BCh (0D3576Ch)
{
*dest_pixel = renderer_trans[renderer_light[*src_pixel][light]][*dest_pixel][trans];
// Start of what I consider the body
00D3572C mov eax,dword ptr [src_pixel]
00D3572F movzx ecx,byte ptr [eax]
00D35732 mov edx,dword ptr [light]
00D35735 movzx eax,byte ptr renderer_light (0EDA650h)[edx+ecx*8]
00D3573D shl eax,0Bh
00D35740 mov ecx,dword ptr [dest_pixel]
00D35743 movzx edx,byte ptr [ecx]
00D35746 lea eax,renderer_trans (0E5A650h)[eax+edx*8]
00D3574D mov ecx,dword ptr [dest_pixel]
00D35750 mov edx,dword ptr [trans]
00D35753 mov al,byte ptr [eax+edx]
00D35756 mov byte ptr [ecx],al
dest_pixel++;
00D35758 mov eax,dword ptr [dest_pixel]
00D3575B add eax,1
00D3575E mov dword ptr [dest_pixel],eax
src_pixel++;
00D35761 mov eax,dword ptr [src_pixel]
00D35764 add eax,1
00D35767 mov dword ptr [src_pixel],eax
// End of what I consider the body
}
00D3576A jmp Renderer_DrawBitmap+16Bh (0D3571Bh)
还有我写的汇编代码:(esi是源像素,edi是屏幕缓冲区,edx是光照级别,ebx是透明度级别,ecx是这一行的宽度)
drawing_loop:
00C55682 movzx ax,byte ptr [esi]
00C55686 mov ah,byte ptr renderer_light (0DFA650h)[edx+eax*8]
00C5568D mov al,byte ptr [edi]
00C5568F mov al,byte ptr renderer_trans (0D7A650h)[ebx+eax*8]
00C55696 mov byte ptr [edi],al
00C55698 inc esi
00C55699 inc edi
00C5569A loop drawing_loop (0C55682h)
// This isn't just the body this is the full row plotting loop just like the code above there
就上下文而言,像素用 LUT 点亮,透明度也用 LUT 完成。伪 C 代码:
//transparencyLUT[new][old][transparency level (0 = opaque, 7 = full transparency)]
//lightLUT[color][light level (0 = white, 3 = no change, 7 = full black)]
dest_pixel = transparencyLUT[lightLUT[source_pixel][light]]
[screen_pixel]
[transparency];
让我感动的是我如何使用与 C 代码几乎相同的指令,但更少?
如果您需要更多信息,我很乐意提供更多信息,我只是不希望这是一个大问题。我真的很好奇,因为我是 x86 汇编编程的新手,想了解更多关于我们的 cpu 实际工作的信息。
我唯一的猜测是乱序执行引擎不喜欢我的代码,因为它的所有内存访问都移动到同一个寄存器。
解决方案
并非所有指令都花费相同的时间,CPU 的现代实现可以并行执行(部分)一些指令(只要一个不读取前一个写入的数据并且所需的单元不冲突)。最新版本确实将“机器”指令翻译成较低级别的、非常简单的指令,这些指令被调度为在 CPU 中的各个单元上尽可能并行地执行,使用大量的影子寄存器(即,在另一条指令将新值写入(新值)的另一个副本之后,一条指令可以使用%eax
(旧值)的一个副本中的值,从而进一步解耦指令。他们为了性能而跳过的箍......%eax
推荐阅读
- python - 将超链接、描述和当前日期添加到 sqlite 数据库中?
- java - 数据绑定后组合框不可编辑
- java - java中的初学者((char)num)给出零为什么
- python-3.x - 使用 lmfit 拟合曲线时将初始值设置为参数
- r - rvest:根据链接文本选择链接
- python - 在 Bokeh 中创建选择列表时出错
- javascript - 多个连续的 setTimeout 和 clearTimeout 是否会导致 CPU 峰值或内存泄漏
- c# - C# - 来自 backgroundworker 的动态 Windows 窗体中的访问控件
- caching - Grails Redis Cache - 间接调用@Cacheable 注释方法 - 如何工作
- python - Apache Superset“sasl”安装错误