Использование этого указателя вызывает странную деоптимизацию в горячем цикле

Недавно я столкнулся со странной деоптимизацией (точнее, упущенной возможностью оптимизации).

Рассмотрим эту функцию для эффективной распаковки массивов 3-битных целых чисел в 8-битные целые числа. На каждой итерации цикла он распаковывает 16 int:

void unpack3bit(uint8_t* target, char* source, int size) {
   while(size > 0){
      uint64_t t = *reinterpret_cast<uint64_t*>(source);
      target[0] = t & 0x7;
      target[1] = (t >> 3) & 0x7;
      target[2] = (t >> 6) & 0x7;
      target[3] = (t >> 9) & 0x7;
      target[4] = (t >> 12) & 0x7;
      target[5] = (t >> 15) & 0x7;
      target[6] = (t >> 18) & 0x7;
      target[7] = (t >> 21) & 0x7;
      target[8] = (t >> 24) & 0x7;
      target[9] = (t >> 27) & 0x7;
      target[10] = (t >> 30) & 0x7;
      target[11] = (t >> 33) & 0x7;
      target[12] = (t >> 36) & 0x7;
      target[13] = (t >> 39) & 0x7;
      target[14] = (t >> 42) & 0x7;
      target[15] = (t >> 45) & 0x7;
      source+=6;
      size-=6;
      target+=16;
   }
}

Вот сгенерированная сборка для частей кода:

 ...
 367:   48 89 c1                mov    rcx,rax
 36a:   48 c1 e9 09             shr    rcx,0x9
 36e:   83 e1 07                and    ecx,0x7
 371:   48 89 4f 18             mov    QWORD PTR [rdi+0x18],rcx
 375:   48 89 c1                mov    rcx,rax
 378:   48 c1 e9 0c             shr    rcx,0xc
 37c:   83 e1 07                and    ecx,0x7
 37f:   48 89 4f 20             mov    QWORD PTR [rdi+0x20],rcx
 383:   48 89 c1                mov    rcx,rax
 386:   48 c1 e9 0f             shr    rcx,0xf
 38a:   83 e1 07                and    ecx,0x7
 38d:   48 89 4f 28             mov    QWORD PTR [rdi+0x28],rcx
 391:   48 89 c1                mov    rcx,rax
 394:   48 c1 e9 12             shr    rcx,0x12
 398:   83 e1 07                and    ecx,0x7
 39b:   48 89 4f 30             mov    QWORD PTR [rdi+0x30],rcx
 ...

Выглядит довольно эффективно. Просто a, shift rightза которым следует and, а затем a storeв targetбуфер. Но теперь посмотрите, что происходит, когда я меняю функцию на метод в структуре:

struct T{
   uint8_t* target;
   char* source;
   void unpack3bit( int size);
};

void T::unpack3bit(int size) {
        while(size > 0){
           uint64_t t = *reinterpret_cast<uint64_t*>(source);
           target[0] = t & 0x7;
           target[1] = (t >> 3) & 0x7;
           target[2] = (t >> 6) & 0x7;
           target[3] = (t >> 9) & 0x7;
           target[4] = (t >> 12) & 0x7;
           target[5] = (t >> 15) & 0x7;
           target[6] = (t >> 18) & 0x7;
           target[7] = (t >> 21) & 0x7;
           target[8] = (t >> 24) & 0x7;
           target[9] = (t >> 27) & 0x7;
           target[10] = (t >> 30) & 0x7;
           target[11] = (t >> 33) & 0x7;
           target[12] = (t >> 36) & 0x7;
           target[13] = (t >> 39) & 0x7;
           target[14] = (t >> 42) & 0x7;
           target[15] = (t >> 45) & 0x7;
           source+=6;
           size-=6;
           target+=16;
        }
}

Я думал, что сгенерированная сборка должна быть такой же, но это не так. Вот его часть:

...
 2b3:   48 c1 e9 15             shr    rcx,0x15
 2b7:   83 e1 07                and    ecx,0x7
 2ba:   88 4a 07                mov    BYTE PTR [rdx+0x7],cl
 2bd:   48 89 c1                mov    rcx,rax
 2c0:   48 8b 17                mov    rdx,QWORD PTR [rdi] // Load, BAD!
 2c3:   48 c1 e9 18             shr    rcx,0x18
 2c7:   83 e1 07                and    ecx,0x7
 2ca:   88 4a 08                mov    BYTE PTR [rdx+0x8],cl
 2cd:   48 89 c1                mov    rcx,rax
 2d0:   48 8b 17                mov    rdx,QWORD PTR [rdi] // Load, BAD!
 2d3:   48 c1 e9 1b             shr    rcx,0x1b
 2d7:   83 e1 07                and    ecx,0x7
 2da:   88 4a 09                mov    BYTE PTR [rdx+0x9],cl
 2dd:   48 89 c1                mov    rcx,rax
 2e0:   48 8b 17                mov    rdx,QWORD PTR [rdi] // Load, BAD!
 2e3:   48 c1 e9 1e             shr    rcx,0x1e
 2e7:   83 e1 07                and    ecx,0x7
 2ea:   88 4a 0a                mov    BYTE PTR [rdx+0xa],cl
 2ed:   48 89 c1                mov    rcx,rax
 2f0:   48 8b 17                mov    rdx,QWORD PTR [rdi] // Load, BAD!
 ...

Как видите, мы ввели дополнительную избыточность loadиз памяти перед каждым shift ( mov rdx,QWORD PTR [rdi]). Похоже, что targetуказатель (который теперь является членом, а не локальной переменной) необходимо всегда перезагружать перед сохранением в нем. Это значительно замедляет код (около 15% по моим измерениям).

Сначала я подумал, что, возможно, модель памяти C ++ требует, чтобы указатель члена не сохранялся в регистре, а его нужно было перезагружать, но это казалось неудобным выбором, так как это сделало бы многие жизнеспособные оптимизации невозможными. Поэтому я был очень удивлен, что компилятор не targetсохранил здесь регистр.

Я сам пробовал кешировать указатель члена в локальную переменную:

void T::unpack3bit(int size) {
    while(size > 0){
       uint64_t t = *reinterpret_cast<uint64_t*>(source);
       uint8_t* target = this->target; // << ptr cached in local variable
       target[0] = t & 0x7;
       target[1] = (t >> 3) & 0x7;
       target[2] = (t >> 6) & 0x7;
       target[3] = (t >> 9) & 0x7;
       target[4] = (t >> 12) & 0x7;
       target[5] = (t >> 15) & 0x7;
       target[6] = (t >> 18) & 0x7;
       target[7] = (t >> 21) & 0x7;
       target[8] = (t >> 24) & 0x7;
       target[9] = (t >> 27) & 0x7;
       target[10] = (t >> 30) & 0x7;
       target[11] = (t >> 33) & 0x7;
       target[12] = (t >> 36) & 0x7;
       target[13] = (t >> 39) & 0x7;
       target[14] = (t >> 42) & 0x7;
       target[15] = (t >> 45) & 0x7;
       source+=6;
       size-=6;
       this->target+=16;
    }
}

Этот код также дает "хороший" ассемблер без дополнительных накоплений. Итак, я предполагаю: компилятору не разрешено поднимать нагрузку указателя на член структуры, поэтому такой «горячий указатель» всегда должен храниться в локальной переменной.

• Итак, почему компилятор не может оптимизировать эти нагрузки?
• Неужели это запрещено моделью памяти C ++? Или это просто недостаток моего компилятора?
• Верно ли мое предположение или какова точная причина невозможности проведения оптимизации?

Используемый компилятор был g++ 4.8.2-19ubuntu1с -O3оптимизацией. Я также пробовал clang++ 3.4-1ubuntu3с аналогичными результатами: Clang даже может векторизовать метод с помощью локального targetуказателя. Однако использование this->targetуказателя дает тот же результат: дополнительная загрузка указателя перед каждым сохранением.

Я проверил ассемблер некоторых подобных методов, и результат тот же: кажется, что член thisвсегда должен быть перезагружен перед сохранением, даже если такую ​​нагрузку можно просто поднять за пределы цикла. Мне придется переписать большой объем кода, чтобы избавиться от этих дополнительных хранилищ, в основном путем кэширования самого указателя в локальную переменную, которая объявлена ​​над горячим кодом. Но я всегда думал, что возиться с такими деталями, как кеширование указателя в локальной переменной, несомненно, можно было бы использовать для преждевременной оптимизации в наши дни, когда компиляторы стали такими умными. Но, похоже, я здесь не прав . Кэширование указателя на член в горячем цикле кажется необходимым методом ручной оптимизации.

По иронии судьбы, проблема заключается в сглаживании указателя между thisи this->target. Компилятор принимает во внимание довольно неприличную возможность, которую вы инициализировали:

this->target = &this

В этом случае запись в this->target[0]изменит содержимое this(и, следовательно, this->target).

Проблема сглаживания памяти не ограничивается описанным выше. В принципе, любое использование this->target[XX]данного (не) подходящего значения XXможет указывать на this.

Я лучше разбираюсь в C, где это можно исправить, объявив переменные-указатели с __restrict__ключевым словом.

Строгие правила char*псевдонима позволяют использовать псевдоним любого другого указателя. Таким образом, this->targetможно использовать псевдоним с thisпервой частью кода и в вашем методе кода,

target[0] = t & 0x7;
target[1] = (t >> 3) & 0x7;
target[2] = (t >> 6) & 0x7;

на самом деле

this->target[0] = t & 0x7;
this->target[1] = (t >> 3) & 0x7;
this->target[2] = (t >> 6) & 0x7;

которые thisмогут быть изменены при изменении this->targetсодержимого.

После this->targetкэширования в локальную переменную псевдоним становится невозможным с локальной переменной.

Проблема здесь в строгом псевдониме, который говорит о том, что нам разрешено использовать псевдоним через char *, что предотвращает оптимизацию компилятора в вашем случае. Нам не разрешено использовать псевдоним с помощью указателя другого типа, который был бы неопределенным поведением, обычно в SO мы видим эту проблему, которая заключается в том, что пользователи пытаются использовать псевдоним с помощью несовместимых типов указателей .

Было бы разумно реализовать uint8_t как беззнаковый char, и если мы посмотрим на cstdint в Coliru, он включает stdint.h, который typedefs uint8_t следующим образом:

typedef unsigned char       uint8_t;

если вы использовали другой тип, отличный от char, компилятор должен иметь возможность оптимизировать.

Это 3.10 описано в проекте стандартного раздела Lvalues ​​и rvalues C ++, в котором говорится:

Если программа пытается получить доступ к сохраненному значению объекта через glvalue, отличное от одного из следующих типов, поведение не определено.

и включает в себя следующий пункт:

• тип char или unsigned char.

Обратите внимание, я опубликовал комментарий о возможных решениях в вопросе, который спрашивает, когда uint8_t ≠ unsigned char? и рекомендация была такой:

Однако тривиальный обходной путь состоит в том, чтобы использовать ключевое слово restrict или скопировать указатель на локальную переменную, адрес которой никогда не используется, чтобы компилятору не нужно было беспокоиться о том, могут ли объекты uint8_t использовать его псевдоним.

Поскольку C ++ не поддерживает ключевое слово restrict, вы должны полагаться на расширение компилятора, например, gcc использует __restrict__, поэтому это не полностью переносимо, но должно быть другое предложение.