|
|
在其他论坛上看来的，觉得比还不错；大家看看吧。
原帖由tpy显卡论坛的：开普勒，完成。赞~~~
（本帖欢迎技术讨论，谢绝漫骂）
今天看到不少人在讨论x87和SSE指令，各种观点满天飞。例如有认为x87是古老技术，现在已经是SSE大行其道，x87已经绝迹，也有人说某物理引擎用x87是故意为之，其实用SSE开发更简单。也有认为用x87也很正常，不过是没有针对SSE做优化。本人根据自己的一些编程经验来谈谈x87和SSE。
开发环境就选VS2008吧，这个应该是x86平台C++开发环境中使用最广泛的，有普遍意义。
1、x87
物理引擎是计算物体运动的，相信一定少不了矢量计算。举个简单例子，例如有两个4D矢量A和B，我们需要把它们相加，放到矢量C中。C语言中是这样写的：
C.x = A.x + B.x;
C.y = A.y + B.y;
C.z = A.z + B.z;
C.w = A.w + B.w;
（变量定义我就不写了）
也就是说各元素单独相加。看看用VS2008在Release模式下用默认选项编译出来的汇编代码：
嗯，一点SSE的影子都没有，编译器笨得可以啊，全用x87。
2、SSE/SSE2
既然编译器那么笨，我只好亲自动刀子了。xyzw四个浮点数一起算加法，可以打包在一个XMM寄存器里用SSE2指令计算嘛，代码改成：
__m128 result = _mm_add_ps(_mm_load_ps((float *)&A), _mm_load_ps((float *)&B));
_mm_store_ps((float *)&C, result);
看看编译后的汇编：
嗯，不错，一个addps指令（属于SSE2指令集）搞掂4个浮点数加法，比起之前调用4次fadd要好多了（理论上吞吐量可以达到4倍）。
不过，貌似很多计算不是那么简单，能直接打包成SSE2的，例如以下两个很常用的计算：
矢量点乘（求功、求夹角等）：
r = a.x * b.x + a.y * b.y + a.z * b.z;
矢量叉乘（求法线）：
r.x = a.y * b.z - a.z * b.y;
r.y = a.z * b.x - a.x * b.z;
r.z = a.x * b.y - a.y * b.x;
交叉相乘或相加，无法直接打包，如果硬要打包计算，宽度又不够，而且要浪费很多打包指令，效率低下。
不过聪明的网友应该会想到，很多情况下需要计算的矢量是很多个的，如果放在数组里的话，完全可以每4个矢量打包在一起计算（把循环向量化）。例如计算叉乘，完全可以把a[0].x到a[3].x放到一个XMM寄存器，a[0].y到a[3].y放到一个XMM寄存器……那样a[0].y*b[0].z、a[1].y*b[1].z、a[2].y*b[2].z、a[3].y*b[3].z就可以用一条SSE2指令计算，以此类推。
不过，这样做的话属于带stride访存，而SSE访存模式不支持Gather/Scatter，需要借助中间操作把需要打包的数据排列成连续128位，访存效率较低。而为了优化访存效率，可以在数组存储形式上做优化，这就是 Array of Structures (AoS) 和 Structure of Arrays (SoA) 的问题了，呵呵，再引申下去就扯远了。
不管怎样，使用SSE、SSE2指令集总的来说肯定比x87性能要高一些。例如本人之前写过一个SHA-1编码的纯SSE版本，比非SSE版本快1倍左右。不过效率是以牺牲可读性为代价的，而且这种直接写成SSE Intrinsics的方式，需要花大量时间去做人工打包的工作。还有就是某些程序员的优化水平实在厉害，优化出来完全变了个样，在榨干性能的同时，代码也非常让人费解。
当然如果有人直接把一些常用的计算过程写成SSE优化库，直接提供给开发者使用，那就最好。
3、VS2008对SSE/SSE2的优化
刚才用默认编译选项编译C代码，没有发现编译出SSE指令。不过其实VS2008有SSE指令集选项，只是默认是关闭的：
例如我在这里指定使用SSE2指令集，再重新编译刚才那个C代码：
嗯，VS2008编译出SSE2指令了。不过仔细看看，杯具啊，用是用了，但全是带ss的，即它用128位的XMM寄存器来放32位的单精度数据，而每条SSE2指令仅仅计算1个数而非4个数，打包失败。不过XMM寄存器的访问怎么也应该比x87的浮点寄存器快一点，效率应该还是有一丁点提升的。
再来测试一下下面这个代码：
看看会不会展开循环到SSE2指令：
同样杯具啊，看来VS的编译器比较笨，那么明显的循环也不会展开并向量化，仅仅是拿XMM寄存器当x87浮点寄存器来用了。我记得好像ICC的编译器是有这能力的，看来还是Intel牛一些，不过现在ICC限制在AU上SSE的性能也不太厚道。
再用2个我以前写的其它程序来测试一下VS2008对SSE指令的优化能力，结果是：1、我的一个以计算sin/log函数为主的程序，打开SSE2选项，效率没有提升，看代码，只有少数语句被编译成SSE2指令。2、我以前写的一个DCT2D 8x8计算程序（用于JPEG编码），打开SSE2选项，效率提升18%。
嗯，看来使用比较广泛的VS2008对SSE指令集的支持还是比较一般。
个人对SSE等SIMD指令集的看法：其实我们惯常的C语句的写法与SIMD打包的计算方式还是有多少出入的，如果想既使用常规C语句去写，保证可读性，又要求能高效编译出SIMD指令集，我觉得还是得摒弃现有的程序写法，采用新的编程模型，一种能支持细粒度并行的编程模型。这方面CUDA编程模型和CT编程模型都不错。
结论:
1) 调用指令集由编译器决定，用VS的编译器使用：X87指令集很正常；用Intel的ICC,会尽可能调用SEE指令集，但也有可能没有啥优化，同时这个由Intel完成的编译器，直接会限制在AU上SSE的性能。
2) 优化程度 和 代码的可读性 是一对矛盾，相互制约。我也觉得这PhysX估计也是用高级语言写的，C，C++； 总不会NV为了降低CPU上的表现，用汇编写这个物理引擎吧~~~？！？！ |
|
IP卡
狗仔卡
发表于 2010-7-9 21:37
QQ好友和群
收藏
分享
好贴
烂贴
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
显身卡