[我正在尝试做一些内联汇编，以在输入b的给定位置测试一点，如果它的a为1，它将用XOR b替换b。
我有错误“ bt的操作数大小不匹配”。
当我使用-O3进行编译时，有时看起来像预期的那样工作。它完全不一致。有时包括正确地进行计算，有时在编译时给出错误。 （全部带有-O3）。
没有-O3，总是在编译时给出错误。
对此的总体要求是尽可能快，并且可以在大多数现代AMD64处理器上运行。
unsigned long ConditionAdd(const unsigned long a, unsigned long b, const long pos) {
// Intended behavior: Looks at bit in position pos in b: if that bit is a 1, then it replaces b with a xor b
asm (
"BT %[position], %[changeable] \n\t"
"JNC to_here%=\n\t"
"XOR %[unchangeable], %[changeable]\n\t"
"to_here%=: "
: [changeable] "=&r" (b)
: [position] "mr" (pos), [unchangeable] "mr" (a), "[changeable]" (b)
: "cc"
);
return b;
}
没有-O3，总是在编译时给出错误。
您为编译器选择了bt源操作数的内存。在禁用优化的情况下，它会这样做，因此结果不会合并。 bt或bt $imm, r/m是唯一可编码的形式。 （在Intel语法中，如手册bt %reg, r/m或bt r/m, imm。）>
[幸运的是，您没有给bt r/m, reg选择内存目标的选项，因为bt具有疯狂的CISC位字符串语义，这使得它在reg，mem情况下非常慢，例如Ryzen上为5 uops，10 uops在SnB系列上。 （bt和/或https://agner.org/optimize/）。您始终希望编译器首先将操作数加载到寄存器中。
您最多只读取一次https://uops.info，因此将其存储在内存中是合理的。 OTOH，如果您选择a或"m"，则clang始终会选择"rm"。这是一个已知的错过优化错误，但是如果您关心clang，通常最好将编译器赋予该选项not
[不要忘记允许"mr"和a使用立即数。
pos采用32位符号扩展的立即数，因此需要xor。 64位移位计数可以使用"e" constraint约束限制为0..63中的立即数，也可以让"e"为您屏蔽（即模）源操作数，即使它是立即数也是如此。但是，GAS使用不适合"J"的bt立即数是一个汇编时错误。因此，您可以通过仅使用bt约束来使用它来检测太大的编译时常数imm8。您也可以想象当pos为数字时，执行i asm宏操作来执行.ifeq，否则只需执行%[pos] & 63。BTW，您也可以使用更简单的%[pos]读/写约束，而不是输出+匹配约束。这是一种告诉编译器完全相同的东西的紧凑方式。
而且，您不需要早熟人
。%[pos]不会修改任何整数寄存器，只会修改EFLAGS，因此不会在仅读取输入操作数的最终读取之前中写入任何寄存器。如果已知[changeable] "+&r"(b)和bt保持相同的值，则将生成的asm具有a（归零成语）作为掉线路径是完全可以的。b对此的总体要求是尽可能快，并且可以在大多数现代AMD-64处理器上运行。
然后，您可能根本不需要条件分支。分支代码取决于分支的预测能力。现代分支预测器非常有用，但是如果分支与先前的分支或其他某种模式不相关，那么您就被搞砸了。使用xor same,same和unsigned long ConditionAdd(const unsigned long a, unsigned long b, const long pos) {
// if (b & (1UL<<pos)) b ^= a;
asm (
"BT %[position], %[changeable] \n\t"
"JNC to_here%=\n\t"
"XOR %[unchangeable], %[changeable]\n\t"
"to_here%=: "
: [changeable] "+r" (b)
: [position] "ir" (pos), [unchangeable] "er" (a)
: "cc" // cc clobber is already implicit on x86, but doesn't hurt
);
return b;
}
的perf对性能计数器进行配置文件。
您可能
仍然希望使用内联汇编，因为gcc通常很难使用branches优化branch-misses或bt的值，例如a & (1ULL << (pos&63)) /btc/s/r/ ^=版本。 （c声有时更好，包括此处）。您可能希望|= /&= ~/ bt在XOR运算之前有条件地将cmov的tmp副本归零，因为xor是加法/异或值：a。为cmov创建调零的reg可能比在reg中创建0 / -1更好（例如，使用0 /b ^ 0 == b/bt/ sbb same,same）。在Broadwell及更高版本以及AMD上，and %tmp, %a仅1 uop。零归零可能成为延迟的关键路径。只有AMD具有打破依赖关系的xor %a, %b，而在Intel上，如果cmov为2 uops，则为2 uops。
将相关位移到寄存器的顶部以用sbb same,same进行广播是另一种选择，但是我认为您需要在寄存器中使用cmov。对于无分支机构，这仍然比cmov更糟糕。
但是您是否尝试使用纯C来使编译器内联和优化？特别是如果恒定传播是可能的。 sar reg, 63还是可以通过SIMD自动矢量化，63-pos，https://gcc.gnu.org/wiki/DontUseInlineAsm和a来自数组？
[IDK，如果有意选择了b，在Windows ABI中为32位，在x86-64 System V上为64位。在32位模式下为32位。您的asm不区分宽度（16位，32位或64位。pos没有8位操作数大小的版本）。如果您的意思是绝对64位
unsigned long。bt使用clang9.0
uint64_t编译为
// you had an editing mistake in your function name: it's Xor not Add. unsigned long ConditionXor(const unsigned long a, unsigned long b, const long pos) { if ((b>>pos) & 1) { b ^= a; } return b; }但是GCC基本上是按原样编译的。尽管它将为您优化on the Godbolt compiler explorer至
# clang9.0 -O3 -Wall -march=skylake ConditionXor(unsigned long, unsigned long, long) xorl %eax, %eax # rax=0 btq %rdx, %rsi cmovbq %rdi, %rax # rax = CF ? a : 0 xorq %rsi, %rax # rax = b ^ (a or 0) retq。b & (1UL<<pos)的BMI2（单微变量变量计数移位，而不是(b>>pos) & 1的Intel 3 oups），所以我使用了包含它的shlx。 （Haswell或更新的版本/ Ryzen或更新的版本）
shr %cl, %regshrx + andl等同于BT，除了它设置ZF而不是CF。
如果无法启用BMI2且必须使用GCC，则-march的内联汇编可能是个好主意。
否则使用clang并获得接近最佳的无分支汇编。
[我认为，通过预先计算# gcc9.2 -O3 -march=haswell
ConditionXor(unsigned long, unsigned long, long):
xorq %rsi, %rdi # a^b
movq %rsi, %rax # retval = b
shrx %rdx, %rsi, %rdx # tmp = b>>pos
andl $1, %edx # test $1, %dl might be better
cmovne %rdi, %rax # retval = (b>>pos)&1 ? a^b : b
ret
并使用bt在b^a之间进行选择，将关键路径缩短1个周期，因为clang与cmov并行发生，所以clang可能会做得更好。
b您可以使用tmp reg轻松地将其转换为inline-asm，并将硬编码的regs转换回
bt操作数。确保告诉编译器# hand-written probably-optimal branchless sequence. Like GCC but using BT xor %rsi, %rdi # destroy tmp copy of a, in a "+&r"(tmp) bt %rdx, %rsi mov %rsi, %rax # mov to an "=r"(output) cmovc %rdi, %rax ret输入已通过读/写被销毁。您可以使用单独的%[name]输入和a输出，让编译器根据需要选择不同的寄存器。您不需要匹配约束。