c++ - linux上g++9.3.0 -O2的一个奇怪bug
问题描述
我在linux上遇到了一个奇怪的g++9.3.0 -O2 bug
下面的代码是从我的 SJT 算法代码转换而来的。如果我保留最后一行init
,generate
时间成本是1200+ms
。如果我删除它,时间成本是600+ms
。
这个错误出现在带有 g++9.3.0 的 ubuntu20.04 上。我用g++9.3.0在win10和macOS上测试过,没有出现bug。我也用 g++8 和 g++10 在 linux 上测试过,也没有出现这个 bug。
这是代码。原来的问题是69468547。
我想知道是什么导致了这种奇怪的“时间成本加倍”行为?
20211008:我用另一种方式重现了这个错误。这是整个代码。我在中执行strange_func
(SJT算法)两次generate
,第一个的时间成本是653ms
,第二个是1322ms
。您可以在 linux 上使用 gcc9.3.0 重现该错误。我也试过gcc10,没有bug。
#include <cstdio>
#include <cstring>
#include <chrono>
using namespace std::chrono;
#define MAXN 100
struct Permutation {
int N;
char s[2*MAXN];
int r[MAXN];
inline void init() {
memset(s, 0, sizeof(s));
memset(r, 0, sizeof(r));
}
void generate(int n) {
N = n;
init();
auto start = steady_clock::now();
strange_func();
auto end = steady_clock::now();
auto duration = duration_cast<milliseconds>(end - start);
printf("time cost(ms): %ld\n", duration.count());
init();
}
void strange_func() {
int k = N, t = -1;
while (true) {
r[N] += 1;
if (r[N] < N) {
char c = s[k]; s[k] = s[k+t]; s[k+t] = c;
k += t;
} else {
int i = N;
while (r[i] == i)
r[i] = 0, r[--i] += 1;
if (i == 0) break;
t = 0;
}
}
}
} perm;
int main() {
int n;
scanf("%d", &n);
perm.generate(n);
return 0;
}
解决方案
init()
在函数调用之后调用的事实改变了在循环中strange_func()
生成的变量swap(之间s[k]
和)的汇编代码!明显的小程序集更改会对性能产生巨大影响,因为循环对微优化非常敏感,并且生成的代码显然效率较低。这种变化可能是由于脆弱的编译器启发式(在这种特定情况下具有明显的混乱行为)以及函数调用是内联的事实。s[k+t]
strange_func()
init()
strange_func()
要了解发生了什么,让我们分析这两个变体生成的程序集。
这是不带(左)和带(右)的热循环的汇编代码init()
:
.L2: | .L2:
add ecx, 1 | add esi, 1
mov DWORD PTR 12[rbx+rdx*4], ecx | mov DWORD PTR 12[r12+rdx*4], esi
cmp r8d, ecx | cmp ecx, esi
jle .L3 | jle .L3
|
.L13: | .L13:
movsx r9, eax | movsx r9, eax
add eax, esi | add eax, edi
add ecx, 1 | add esi, 1
movsx rdi, eax | movzx r11d, BYTE PTR 4[r12+r9]
movzx r11d, BYTE PTR 4[rbx+r9] | movsx r8, eax
mov DWORD PTR 12[rbx+rdx*4], ecx | mov DWORD PTR 12[r12+rdx*4], esi
movzx r14d, BYTE PTR 4[rbx+rdi] | mov BYTE PTR 15[rsp], r11b
| movzx r11d, BYTE PTR 4[r12+r8]
mov BYTE PTR 4[rbx+r9], r14b | mov BYTE PTR 4[r12+r9], r11b
| movzx r9d, BYTE PTR 15[rsp]
mov BYTE PTR 4[rbx+rdi], r11b | mov BYTE PTR 4[r12+r8], r9b
cmp r8d, ecx | cmp ecx, esi
jg .L13 | jg .L13
|
.L3: | .L3:
jne .L9 | jne .L9
mov rsi, r10 | mov rdi, r10
mov ecx, r8d | mov esi, ecx
.p2align 4,,10 | .p2align 4,,10
.p2align 3 | .p2align 3
|
.L6: | .L6:
mov edi, DWORD PTR 200[rsi] | mov r11d, DWORD PTR 200[rdi]
sub ecx, 1 | sub esi, 1
sub rsi, 4 | sub rdi, 4
mov DWORD PTR 208[rsi], 0 | mov DWORD PTR 208[rdi], 0
add edi, 1 | lea r8d, 1[r11]
mov DWORD PTR 204[rsi], edi | mov DWORD PTR 204[rdi], r8d
cmp ecx, edi | cmp esi, r8d
je .L6 | je .L6
test ecx, ecx | test esi, esi
je .L14 | je .L14
|
.L7: | .L7:
mov ecx, DWORD PTR 12[rbx+rdx*4] | mov esi, DWORD PTR 12[r12+rdx*4]
xor esi, esi | xor edi, edi
jmp .L2 | jmp .L2
.p2align 4,,10 | .p2align 4,,10
.p2align 3 | .p2align 3
|
.L9: | .L9:
mov ecx, r8d | mov esi, ecx
test ecx, ecx | test esi, esi
jne .L7 | jne .L7
.p2align 4,,10 | .p2align 4,,10
.p2align 3 | .p2align 3
正如我们所见,L13 块包含更多的init()
调用指令。其余的块看起来相似。
以下是对没有 的块的详细分析init()
:
movsx r9, eax
add eax, esi
add ecx, 1
movsx rdi, eax
movzx r11d, BYTE PTR 4[rbx+r9] ; Perform r11b=s[k]
mov DWORD PTR 12[rbx+rdx*4], ecx ; Perform r[N]+=1 (r[N] was stored in ecx previously)
movzx r14d, BYTE PTR 4[rbx+rdi] ; Perform r14b=s[k+t]
mov BYTE PTR 4[rbx+r9], r14b ; Perform s[k]=r14b
mov BYTE PTR 4[rbx+rdi], r11b ; Perform s[k+t]=r11b
cmp r8d, ecx
jg .L13
以下是对带有 的块的详细分析init()
:
movsx r9, eax
add eax, edi
add esi, 1
movzx r11d, BYTE PTR 4[r12+r9]
movsx r8, eax
mov DWORD PTR 12[r12+rdx*4], esi ; Perform r[N]+=1 (r[N] was stored in ecx previously)
mov BYTE PTR 15[rsp], r11b ; Perform c = s[k] (c is stored in memory)
movzx r11d, BYTE PTR 4[r12+r8]
mov BYTE PTR 4[r12+r9], r11b ; Perform s[k]=s[k+t]
movzx r9d, BYTE PTR 15[rsp]
mov BYTE PTR 4[r12+r8], r9b ; Perform s[k+t]=c
cmp ecx, esi
jg .L13
我们可以看到,在第一种情况下,GCC 能够高效地进行交换s[k]
,s[k+t]
而在第二种情况下,GCC 使用将一个值存储在堆栈中的临时位置,这显然效率较低。由于数据依赖性和L1 缓存延迟(在现代 x86 AMD/Intel 处理器上通常约为 3-4 个周期),内存交换的效率显然较低。
这是一个错误还是只是缺少 GCC 9.3.0 的优化仍不清楚。但是,如果不深入研究不再积极维护的旧版 GCC 代码(自 2020 年 3 月 12 日起),这很难说清楚。
此问题的快速解决方法是告诉 GCC 不要使用__attribute__((noinline))
. 或者,应该可以调整 GCC 启发式参数(使用 GCC 命令行),这样就不会发生这种情况。另一种解决方案是优化循环以一次计算多个排列,这样这种微优化就没有那么重要了。
推荐阅读
- prometheus - InfluxDB 查询 PromQL
- postgresql - GraphQL:添加计算字段时出错
- linux - X509Store 在 Linux 上总是空的
- google-bigquery - 范围 Coulmn 上的 OrderBy(类型字符串)数字 BigQuery
- ruby-on-rails - Rails find_or_create_by 使用默认值
- python - 从 PyInstaller 的 hiddenimports 中的 collect_submodules 访问导入模块的列表
- typescript - 从父类访问接口
- c# - 从 C# 应用程序与 HID USB 设备通信
- node.js - 填充猫鼬返回未定义
- python - Python - 不等于或的逻辑 - 让所有选择都通过