B计划之基本函数性能预览

liangbch

　本帖将给出一些关于大数运算基本函数的性能，主要包括 清零，内存拷贝，大数加，大数减，大数求补。
   1）除了明确指出外，所有函数都是我自己编写的。
   2）限于条件，本帖只给出这些函数在 PIV2.6G,和 PM 1.7G 两台电脑的运行结果。如果没有特别指明，编译器为VC6.0.
     3）本文中的大数 均使用 2进制，内部表示为用一个DWORD表示30bit,及$2^30$进制。

liangbch

B计划之 清零函数 性能预览,老规矩，先给出性能数据，再做分析。

以下单位均为毫秒

在PIV 2.6G 电脑上的运行结果

length	address	memset	A_Clean	A_Clean_R8	A_Clear_With_SSE2	yaos_AsmMemZero0	A_Clear_With_MMX
8192	32X+0	0.002813	0.002838	0.006331	0.002780	0.002787	0.003576
8192	32X+4	0.006320	0.004643	0.005934	0.002782	0.002788	0.003589
8192	32X+8	0.004002	0.003662	0.006135	0.002783	0.002784	0.003579
8192	32X+12	0.006317	0.003025	0.006114	0.002778	0.002801	0.003575
8192	32X+16	0.003084	0.002981	0.006308	0.002790	0.002789	0.003574
8192	32X+20	0.006321	0.003660	0.006328	0.002786	0.002788	0.003597
8192	32X+24	0.003822	0.003756	0.006054	0.002779	0.002790	0.003569
8192	32X+28	0.006319	0.002849	0.006325	0.002784	0.002789	0.003586

在PM 1.7G 电脑上的运行结果

length	address	memset	A_Clean	A_Clean_R8	A_Clear_With_SSE2	yaos_AsmMemZero0	A_Clear_With_MMX
8192	32X+0	0.010836	0.003831	0.004989	0.002525	0.002522	0.002526
8192	32X+4	0.014492	0.003846	0.004960	0.002539	0.002556	0.002593
8192	32X+8	0.003825	0.003833	0.004943	0.002615	0.002554	0.002567
8192	32X+12	0.014496	0.003850	0.004948	0.002567	0.002569	0.002607
8192	32X+16	0.003825	0.003834	0.004946	0.002655	0.002632	0.002669
8192	32X+20	0.014493	0.003849	0.004970	0.002680	0.002631	0.002690
8192	32X+24	0.003825	0.003833	0.004971	0.002649	0.002631	0.002675
8192	32X+28	0.014489	0.003851	0.005002	0.002678	0.002630	0.002691

1.长度的单位为DWORD，8192表示 8192*sizeof(DWORD)=32768 byte,时间单位为毫秒
1.长度的单位为DWORD，8192表示 8192*sizeof(DWORD)=32768 byte,时间单位为毫秒
2。函数说明：
2.1）memset使用C库函数memset实现。
2.2）A_Clean 使用rep stosd 指令实现，代码最为简单
2.3）A_Clean_R8 使用MOV指令实现，使用8路展开，每个循环步处理 8个DWORD
2.4）A_Clear_With_SSE2 使用SSE2指令movdqa实现。
2.5）yaos_AsmMemZero0，和A_Clear_With_SSE2 同，由无心人编写。
2.6) A_Clear_With_MMX,使用movq 和 64bit MMX寄存器实现。
2.7）这些函数原形完全相同，为 void name(DWORD  *a,size_t len) 形式。


3。性能分析
   3.1）在PIVCPU， 总体所来，这几者的速度关系为 A_Clear_With_SSE2=AsmMemZero0 >A_Clean= A_Clear_With_MMX >memset>A_clear_R8。
   SSE2指令的版本最快，2个SSE2指令的版本，性能基本相同,>A_Clean和 A_Clear_With_MMX  互有胜负.

   3.2）在PM CPU，对于memeset,地址为8X+0时，速度很快，但当地址为8X+4时，速度仅为8X+0的二分之一。
当地址为8X+0时，总体说来，这几者的关系为 A_Clear_With_SSE2=AsmMemZero0>memset>A_clean> A_Clear_With_MMX>A_clear_R8.
   综合来看，A_Clear_With_SSE2和 yaos_AsmMemZero0 是最好的版本.

   3.3)注意，A_Clear作了特别的处理，当地址为 8X+4，从第二个DWORD开始使用rep stosd,否则，表现和memset类似，当开始地址为8X+4是，在PM上性能降低的事实未见于任何文档，是这次作性能测试时发现的。

[ 本帖最后由 liangbch 于 2008-5-9 09:40 编辑 ]

liangbch

B计划之 拷贝函数 性能预览。

在PIV 2.6G 电脑上的运行结果，时间单位毫秒

length	source address	target address	memcpy	A_Copy	A_Copy_With_SSE2	A_Copy_R8	A_Copy_With_MMX
8192	16X+0	16X+0	0.004054	0.004171	0.005000	0.007523	0.005546
8192	16X+0	16X+4	0.008121	0.008080	0.018181	0.007566	0.018735
8192	16X+0	16X+8	0.005527	0.005548	0.005531	0.007357	0.004882
8192	16X+0	16X+12	0.007524	0.007694	0.018457	0.007330	0.019344
8192	16X+4	16X+0	0.011114	0.008427	0.018518	0.008229	0.018896
8192	16X+4	16X+4	0.008711	0.003847	0.002823	0.007567	0.004369
8192	16X+4	16X+8	0.010854	0.008079	0.018633	0.007568	0.018575
8192	16X+4	16X+12	0.007850	0.005095	0.005542	0.007342	0.005386
8192	16X+8	16X+0	0.005614	0.005217	0.005542	0.007771	0.004960
8192	16X+8	16X+4	0.008557	0.008301	0.018643	0.008116	0.018325
8192	16X+8	16X+8	0.005437	0.003857	0.002901	0.007570	0.004374
8192	16X+8	16X+12	0.008159	0.008095	0.018665	0.007580	0.018975
8192	16X+12	16X+0	0.009236	0.008360	0.018414	0.007771	0.018677
8192	16X+12	16X+4	0.008454	0.005234	0.005539	0.007776	0.005541
8192	16X+12	16X+8	0.008389	0.008461	0.018666	0.008055	0.018677
8192	16X+12	16X+12	0.008428	0.003865	0.002885	0.007566	0.004414

在PM 1.7G 电脑上的运行结果，时间单位毫秒

ength	source address	target address	memcpy	A_Copy	A_Copy_With_SSE2	A_Copy_R8	A_Copy_With_MMX
8192	16X+0	16X+4	0.014507	0.014507	0.011942	0.009043	0.008932
8192	16X+0	16X+8	0.007258	0.007210	0.008351	0.009045	0.008320
8192	16X+0	16X+12	0.014516	0.014519	0.009040	0.009011	0.008928
8192	16X+4	16X+0	0.014804	0.015114	0.009098	0.009756	0.008885
8192	16X+4	16X+4	0.014810	0.007192	0.008324	0.009540	0.008289
8192	16X+4	16X+8	0.014808	0.014826	0.011570	0.009023	0.008925
8192	16X+4	16X+12	0.014801	0.007222	0.008371	0.009033	0.008293
8192	16X+8	16X+0	0.007312	0.007260	0.008394	0.009602	0.008318
8192	16X+8	16X+4	0.014804	0.015111	0.009122	0.009783	0.008935
8192	16X+8	16X+8	0.007298	0.007157	0.008336	0.009551	0.008304
8192	16X+8	16X+12	0.014806	0.014822	0.011588	0.009028	0.008919
8192	16X+12	16X+0	0.015002	0.014980	0.011951	0.009919	0.008914
8192	16X+12	16X+4	0.014801	0.007203	0.008364	0.009654	0.008312
8192	16X+12	16X+8	0.014806	0.015115	0.009116	0.009855	0.008934
8192	16X+12	16X+12	0.014800	0.007196	0.008350	0.009536	0.008315

[ 本帖最后由 liangbch 于 2008-5-9 09:24 编辑 ]

liangbch

B计划之 大数加函数 性能预览。

在PIV 2.6G 电脑上的运行结果，单位毫秒

length	BIN_ADD_C	BIN_Add	BIN_Add_4way_unroll	BIN_Add_3P_C	BIN_Add_3P_4way_unroll
8192	0.022580	0.047701	0.022125	0.019158	0.022113

在PM 1.7G 电脑上的运行结果，单位毫秒

length	BIN_ADD_C	BIN_Add	BIN_Add_4way_unroll	BIN_Add_3P_C	BIN_Add_3P_4way_unroll
8192	0.026193	0.025435	0.021803	0.025643	0.023143

1.函数说明：
1）BIN_ADD_C，C 语言版本，2操作数版，可计算a=a+b
2）BIN_Add，汇编语言版，2操作数版，可计算a=a+b
3）BIN_Add_4way_unroll，汇编语言版本，2操作数版，可计算a=a+b，使用4路循环展开
4）BIN_Add_3P_C  C 语言版本，3操作数版，可计算c=a+b
5）BIN_Add_3OP_4way_unroll, 汇编语言版本，3操作数版，可计算c=a+b，使用4路循环展开

2.性能分析
3.1）在PIV CPU， C语言版优于汇编语言版，循环展开提速有时明显，有时反而性能下降，速度最快的版本竟然是C语言的3操作数版，这有点不可理解。
3.2）在PM CPU， 汇编语言版优于C语言版，循环展开提速明显，速度最快的版本竟然是汇编语言的2操作数版本，这和预期完全吻合.

[ 本帖最后由 liangbch 于 2008-5-9 09:25 编辑 ]

liangbch

站楼先，B计划之 大数减 函数 性能预览，内容容后补上。
在PIV 2.6G 的运行结果，时间单位毫秒

length	BIN_Sub_C	BIN_Sub	BIN_sub_4way_unroll	BIN_sub_3P_C	BIN_sub_3P_4way_unroll
8192	0.055659	0.066025	0.022269	0.022327	0.022131

在PM上的运行结果，时间单位毫秒

length	BIN_Sub_C	BIN_Sub	BIN_sub_4way_unroll	BIN_sub_3P_C	BIN_sub_3P_4way_unroll
8192	0.068377	0.067515	0.025268	0.028997	0.025551

1.函数说明：
1）BIN_Sub_C，C 语言版本，2操作数版，可计算a=a-b
2）BIN_Sub，汇编语言版，2操作数版，可计算a=a-b
3）BIN_Sub_4way_unroll，汇编语言版本，2操作数版，可计算a=a-b，使用4路循环展开
4）BIN_Sub_3P_C  C 语言版本，3操作数版，可计算c=a+b
5）BIN_Sub_3OP_4way_unroll, 汇编语言版本，3操作数版，可计算c=a-b，使用4路循环展开

2.性能分析
3.1）在PIV CPU， C语言版优于汇编语言版，循环展开提速有时明显，有时反而性能下降，速度最快的版本竟然是汇编语言的3操作数版。
3.2）在PM CPU， 汇编语言版优于C语言版，循环展开提速明显，速度最快的版本是汇编语言的2操作数版本，这和预期完全吻合.

[ 本帖最后由 liangbch 于 2008-5-9 09:43 编辑 ]

liangbch

B计划之 大数求补函数 性能预览

在PIV 2.6G 上的运行结果为,时间单位毫秒

length	BIN_NEG	BIN_NEG_C	BIN_NEG_4way_unroll	BIN_Negate_SSE2	BIN_Negate_MMX
8192	0.009556	0.010306	0.008609	0.004231	0.005105

在PM 1.7G 的运行结果，时间单位毫秒

length	BIN_NEG	BIN_NEG_C	BIN_NEG_4way_unroll	BIN_Negate_SSE2	BIN_Negate_MMX
8192	0.012680	0.014490	0.007302	0.006058	0.006053

2。函数说明：
2.1)BIN_NEG,  汇编语言的版本
2.2)BIN_NEG_C,C语言的版本
2.3)BIN_NEG_4way_unroll,汇编语言的版本,使用思路循环展开,每个循环步处理4个DWORD
2.4)BIN_Negate_SSE2,汇编语言的版本,使用SSE2 128bit 寄存器每个循环步处理4个DWORD
2.5)BIN_Negate_MMX, 汇编语言的版本,使用 64bit 寄存器每个循环步处理4个DWORD

3.性能分析：
  对于PIV CPU，各个函数的速度关系为：BIN_Negate_SSE2>BIN_Negate_MMX>BIN_Negate_4way_unroll>BIN_NEG>BIN_NEG_C,
BIN_Negate_SSE2 是最快的版本。
  
  对于PM CPU，各个函数的速度关系为：BIN_Negate_SSE2=BIN_Negate_MMX>BIN_Negate_4way_unroll>BIN_NEG>BIN_NEG_C,
BIN_Negate_SSE2 和 BIN_Negate_MMX 是最快的版本。

[ 本帖最后由 liangbch 于 2008-5-9 09:55 编辑 ]

无心人

让你抢先了

kofeffect

难不成出现圈地运动了，呵呵。我也来占一席之地^_^

无心人

还差几个

移位函数2个

比较大小函数1个

从高位到低位搜索非零数字位置函数一个

liangbch

原帖由 无心人 于 2008-5-7 11:07 发表


还差几个

移位函数2个

比较大小函数1个

从高位到低位搜索非零数字位置函数一个

对于比较大小函数1个，一般不会出现大量连续的相同数据，复杂度较低，无需使用汇编。
对于搜索非零数字个，一般不会出现大量连续的零，复杂度较低，无需使用汇编。