Considere este loop simples:
float f(float x[]) {
float p = 1.0;
for (int i = 0; i < 959; i++)
p += 1;
return p;
}
Se você compilar com o gcc 7 (snapshot) ou clang (trunk), -march=core-avx2 -Ofast
obterá algo muito semelhante.
.LCPI0_0:
.long 1148190720 # float 960
f: # @f
vmovss xmm0, dword ptr [rip + .LCPI0_0] # xmm0 = mem[0],zero,zero,zero
ret
Em outras palavras, apenas define a resposta para 960 sem repetir.
No entanto, se você alterar o código para:
float f(float x[]) {
float p = 1.0;
for (int i = 0; i < 960; i++)
p += 1;
return p;
}
A montagem produzida realmente executa a soma do loop? Por exemplo, clang dá:
.LCPI0_0:
.long 1065353216 # float 1
.LCPI0_1:
.long 1086324736 # float 6
f: # @f
vmovss xmm0, dword ptr [rip + .LCPI0_0] # xmm0 = mem[0],zero,zero,zero
vxorps ymm1, ymm1, ymm1
mov eax, 960
vbroadcastss ymm2, dword ptr [rip + .LCPI0_1]
vxorps ymm3, ymm3, ymm3
vxorps ymm4, ymm4, ymm4
.LBB0_1: # =>This Inner Loop Header: Depth=1
vaddps ymm0, ymm0, ymm2
vaddps ymm1, ymm1, ymm2
vaddps ymm3, ymm3, ymm2
vaddps ymm4, ymm4, ymm2
add eax, -192
jne .LBB0_1
vaddps ymm0, ymm1, ymm0
vaddps ymm0, ymm3, ymm0
vaddps ymm0, ymm4, ymm0
vextractf128 xmm1, ymm0, 1
vaddps ymm0, ymm0, ymm1
vpermilpd xmm1, xmm0, 1 # xmm1 = xmm0[1,0]
vaddps ymm0, ymm0, ymm1
vhaddps ymm0, ymm0, ymm0
vzeroupper
ret
Por que isso e por que é exatamente o mesmo para clang e gcc?
O limite para o mesmo loop se você substituir float
por double
é 479. É o mesmo para gcc e clang novamente.
Atualização 1
Acontece que o gcc 7 (instantâneo) e o clang (tronco) se comportam de maneira muito diferente. clang otimiza os loops para todos os limites inferiores a 960, tanto quanto eu posso dizer. O gcc, por outro lado, é sensível ao valor exato e não tem um limite superior. Por exemplo, ele não otimiza o loop quando o limite é 200 (assim como muitos outros valores), mas o faz quando o limite é 202 e 20002 (assim como muitos outros valores).