为什么 LLVM-MCA 会测量执行停顿？

Question

考虑 LLVM MCA 文档中的以下说明

vmulps      %xmm0, %xmm1, %xmm2
vhaddps     %xmm2, %xmm2, %xmm3
vhaddps     %xmm3, %xmm3, %xmm4

文档包含关于 3 次迭代的模拟循环中指令状态转换的精彩讨论。根据文档，状态转换是：

[0,0]     DeeER.    .    .   vmulps   %xmm0, %xmm1, %xmm2
[0,1]     D==eeeER  .    .   vhaddps  %xmm2, %xmm2, %xmm3
[0,2]     .D====eeeER    .   vhaddps  %xmm3, %xmm3, %xmm4
[1,0]     .DeeE-----R    .   vmulps   %xmm0, %xmm1, %xmm2
[1,1]     . D=eeeE---R   .   vhaddps  %xmm2, %xmm2, %xmm3
[1,2]     . D====eeeER   .   vhaddps  %xmm3, %xmm3, %xmm4
[2,0]     .  DeeE-----R  .   vmulps   %xmm0, %xmm1, %xmm2
[2,1]     .  D====eeeER  .   vhaddps  %xmm2, %xmm2, %xmm3
[2,2]     .   D======eeeER   vhaddps  %xmm3, %xmm3, %xmm4

D

是指令调度，

e

指正在进行的执行，

E

指其终止，

R

指退出。此外，

=

表示指令已派发但正在等待执行，而

-

表示指令等待退出。

考虑到上面的顺序，是什么阻止了第一个

vhaddps

指令在第二个周期中执行？

我看不出前面的指令之间存在依赖关系。此外，文档还强调，乘法使用

JFPM

和

JFPU1

执行单元，但加法使用其他资源，即

JFPA

和

JFPU0

。加法不应该早点执行吗？

Answer 1

vhaddps

是 3 uop：2 次洗牌和一次垂直添加。 shuffle uop 只能在端口 5 上运行，因此存在资源冲突。这就是为什么

vhaddps

每 2 个周期有一个吞吐量。

（这是在 Intel 上。AMD Zen 2 及更高版本将其解码为 XMM 版本的 4 uops，YMM 版本的 3 uops，奇怪的是。https://uops.info/）。

这就是为什么水平求和一个寄存器是如此糟糕，只有像这里有两个不同的输入才有用。