我想要一个长等待时间的单微指令x86 1指令,以便创建长的依赖链,作为测试微体系结构功能的一部分。
当前我正在使用fsqrt
,但我想知道还有更好的东西。
理想情况下,该指令在以下标准上得分会很高:
因此,fsqrt
在大多数情况下都可以,但是等待时间并不长,并且似乎很难与GP规则链接。
[1尤其是在现代Intel x86上,如果它在AMD Zen *上也能很好地工作,则可以加分。
[vsqrtss
可能比fsqrt
更好一些,因为它至少满足了与GP寄存器的相对容易的链接(因为GP向量仅相距movd
。]
主流Intel CPU没有任何非常长的延迟单位整数指令。在所有ALU端口上都有用于1周期等待时间的整数ALU,在端口1上有3周期等待时间的流水线ALU。我认为AMD是相似的。
div / sqrt单元是唯一真正的高延迟ALU,但是整数div / idiv在Intel上是微编码的,所以是的,请使用FP,其中div / sqrt通常是单uup指令。
AMD的整数div
/ idiv
是2 uop指令(大概写入2个输出),并具有与数据有关的延迟。
[此外,AMD Bulldozer / Piledriver(其中2个整数内核共享一个SIMD / FP单元)对于movd xmm, r32
(10c 2 uops)和movd r32, xmm
(8c 1 uop)具有很高的延迟。 Steamroller将其每个缩短1c。 Ryzen在任一方向上都有3个周期的1个单位。
movd
很便宜:具有1周期(Broadwell和更早版本)或2周期延迟(Skylake)的单uop。 (https://agner.org/optimize/)sqrtss
具有固定的延迟时间(在IvB及更高版本上,除了可能具有非正规输入之外)。如果带整数的链仅涉及任意整数位模式的movd xmm, r32
,则可能需要设置DAZ / FTZ以消除FP辅助的可能性。 NaN输入很好;不会导致SSE / AVX数学运算变慢,只有x87。
sqrtss
,因此您可能希望在那里控制起始位模式。如果您想
使用sqrtsd
获得比sqrtss
高的每uop延迟,则同样如此
您可以假设延迟是输入位模式的纯函数
,因此每次以相同的输入启动sqrtss
指令链将产生相同的延迟序列。或以0.0
,1.0
,+inf
或NaN
作为开始输入,对于序列中的每个uop,您都会得到the same延迟。(简单输入,如1.0和0.0(输入和输出中的几个有效数字)可能以最低的延迟运行。sqrt(1.0)= 1.0和sqrt(0)= 0,所以它们是自持久的。对于sqrt相同(NaN)= NaN)您可能会使用and reg, 0
或其他不中断清零作为链的一部分来控制输入位模式
or reg, -1
创建NaN。然后,您可以在Sandybridge或更早的版本以及包括Zen在内的AMD上获得固定的延迟。或者也许是pinsrw xmm0, eax, 7
(对于Intel的端口5,为2 uops)仅修改XMM的高位qword,而将底部保留为已知的0.0
或1.0
。可能便宜得多,只需将and
设为0并使用movd
,除非5号端口的压力不是问题。创建吞吐量瓶颈(不是延迟)
,您在Skylake上的最佳选择是vsqrtpd ymm
-p0为1 uop,延迟= 15-16,吞吐量= 9-12。[在Broadwell和更早的版本上,这是3 oups(2p0 p15),但是我认为Skylake拓宽了SIMD分隔器(我想是为AVX512做准备)。