阅读了这篇有趣的文章，关于在不同的C++编译器中基于内置函数进行SSE代码优化的结果后，我决定自己做一个测试，特别是因为这篇文章已经有几年了。我使用的是MSVC，在作者进行测试时（虽然是在VS 2010版本下），它表现非常糟糕，因此我决定坚持一个非常基本的场景：将一些值打包到XMM寄存器中，并执行简单的操作，如加法。在这篇文章中，_mm_set_ps被翻译成了一系列奇怪的标量移动和解包指令，因此让我们来看看：
int _tmain(int argc, _TCHAR* argv[])
{
__m128 foo = _mm_set_ps(1.0f, 2.0f, 3.0f, 4.0f);
__m128 bar = _mm_set_ps(5.0f, 6.0f, 7.0f, 8.0f);
__m128 ret = _mm_add_ps(foo, bar);
// need to do something so vars won't be optimized out in Release
float *f = (float *)(&ret);
for (int i = 0; i < 4; i++)
{
cout << "f[" << i << "] = " << f[i] << endl;
}
}
接下来，我在调试器中编译并运行了这个程序，并查看了反汇编代码： 调试：
我感到非常困惑，为什么将xmmword放入__m128需要四个MOVAPS指令？首先，它将数据放入xmm0寄存器（我猜测它是存储四个浮点值的文字，存储在某个地方，但不确定如何查看），然后将xmm0复制到ebp和偏移量指向的某个位置，只为了再次从那里将其复制回xmm0（？），最后将其存储到变量的位置。为什么要这么麻烦呢？ 发布： 这次我期望编译器根本不需要将xmmword存储在内存中，只需将一个存储在xmm0中，另一个存储在xmm1中，执行ADDPS操作，将结果存储在内存中，然后完成操作。但实际上，我得到了以下结果：__m128 foo = _mm_set_ps(1.0f, 2.0f, 3.0f, 4.0f);
00B814F0 movaps xmm0,xmmword ptr ds:[0B87840h]
00B814F7 movaps xmmword ptr [ebp-190h],xmm0
00B814FE movaps xmm0,xmmword ptr [ebp-190h]
00B81505 movaps xmmword ptr [foo],xmm0
__m128 bar = _mm_set_ps(5.0f, 6.0f, 7.0f, 8.0f);
00B81509 movaps xmm0,xmmword ptr ds:[0B87850h]
00B81510 movaps xmmword ptr [ebp-170h],xmm0
00B81517 movaps xmm0,xmmword ptr [ebp-170h]
00B8151E movaps xmmword ptr [bar],xmm0
__m128 ret = _mm_add_ps(foo, bar);
00B81522 movaps xmm0,xmmword ptr [bar]
00B81526 movaps xmm1,xmmword ptr [foo]
00B8152A addps xmm1,xmm0
00B8152D movaps xmmword ptr [ebp-150h],xmm1
00B81534 movaps xmm0,xmmword ptr [ebp-150h]
00B8153B movaps xmmword ptr [ret],xmm0
__m128 foo = _mm_set_ps(1.0f, 2.0f, 3.0f, 4.0f); __m128 bar = _mm_set_ps(5.0f, 6.0f, 7.0f, 8.0f); __m128 ret = _mm_add_ps(foo, bar);
在这段代码中，使用了SSE指令集的_mm_set_ps和_mm_add_ps函数进行浮点数运算。编译器可能会将常量编译成字面量，因此不需要使用ADDPS指令。push esi指令可能与后续循环有关，esi用作循环计数器。为什么要将预先计算好的字面量从数据段加载到xmm0寄存器，然后再放到本地变量（esp+10h）中，而不是直接使用字面量呢？Debug版本比预期更愚蠢，Release版本则出乎意料地聪明。如果有任何解释这种行为的评论，将不胜感激。如果想要改善编译器输出，是否有任何方法可以避免内存传输，例如将foo、bar和ret直接加载到xmmN寄存器中并保留在那里，而不是将它们存储在内存中？作者称MSVC只是“按照指令执行”，是否有方法可以获得更好的代码（即避免内存传输），而无需显式编写__asm块？