长等待时间指令

Question

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：

• 长时间等待
• 稳定/固定延迟
• 一个或几个微码（尤其是：未微码）
• 尽可能少地使用uarch资源（加载/存储缓冲区，页面遍历器等）
• 能够与自身链接（在延迟上）
• 能够通过GP寄存器链接输入和输出
• 不会干扰正常的OoO执行（除了消耗的ROB，RS等资源之外）

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。

Answer 1

[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。]

Answer 2

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。

在Intel上，往返XMM regs的[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。

[其他CPU（Sandybridge和更早的版本，以及所有AMD）具有可变延迟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

。即使在Skylake上，延迟仍然是可变的。 （15-16个周期）。

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

。或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）。