为什么现代编译器更喜欢 SSE 而不是 FPU 来进行单浮点运算

Question

我最近尝试读取代码的二进制程序集，发现很多浮点运算是使用 XMM 寄存器和 SSE 指令完成的。例如下面的代码：

float square(float a) {
    float b = a + (a * a);
    return b;
} 

将被编译成

        push    rbp
        mov     rbp, rsp
        movss   DWORD PTR [rbp-20], xmm0
        movss   xmm0, DWORD PTR [rbp-20]
        mulss   xmm0, xmm0
        movss   xmm1, DWORD PTR [rbp-20]
        addss   xmm0, xmm1
        movss   DWORD PTR [rbp-4], xmm0
        movss   xmm0, DWORD PTR [rbp-4]
        pop     rbp
        ret

其他编译器的结果类似。 https://godbolt.org/z/G988PGo6j

还有

-O3

旗帜

        movaps  xmm1, xmm0
        mulss   xmm0, xmm0
        addss   xmm0, xmm1
        ret

这是否意味着使用 SIMD 寄存器和指令的操作通常比使用普通寄存器和 FPU 更快？

另外，我很好奇编译器使用 SSE 的决定可能会失败的具体情况。

Answer 1

SSE 是作为 x87 FPU 的替代品而开发的，因为 x87 FPU 的设计有点特殊并且难以为其生成代码。 主要问题是：

• 基于堆栈的处理器（例如 x87 FPU）的代码生成不如基于寄存器的处理器那样容易理解，这使得许多编译器生成的代码充满了低效的额外

  fxch

  、

  fld

  和

  fst(p)

  指令。 使用 SSE 这样的基于寄存器的架构更容易实现这一点。
• SSE支持SIMD操作，如果使用的话，可以大大加快数组上的浮点操作速度。 X87不支持这样的东西
• 在x87 FPU上，使用的数据类型是Intel的80位浮点格式。 浮点运算的精度是使用控制寄存器配置的，并且更改的成本很高。 因此，为 x87 单元生成代码的编译器将以全精度运行所有计算，即使程序员只需要单精度也是如此。 这会稍微改变结果并降低性能，因为更高精度的操作可能需要更多时间才能完成。 此外，每次从 x87 单元加载和存储到 x87 单元都涉及隐式数据类型转换。 另一方面，SSE 单元对所用指令的精度进行编码，允许编译器准确地使用程序员要求的精度。
• 最近，CPU 制造商减少了改进 x87 FPU 的投资（甚至收回了现有的改进，比如

  fxch

  进行了重命名），导致 x87 和 SSE 之间的性能差距越来越大。

如果代码大小有问题或者您需要 80 位浮点格式，我建议仅使用 x87 FPU。 否则请坚持使用 SSE 或（在最新的处理器上）AVX。