c – 如何改进编译器对SSE内在函数的处理？

阅读 this interesting article on the results of intrinsic-guided optimization of SSE code in different C++ compilers后,我决定对自己进行测试,特别是因为该帖已有几年了.我使用的MSVC在帖子的作者(虽然在VS 2010版本中)执行的测试中表现非常糟糕,并且决定坚持一个非常基本的场景：将一些值打包到XMM寄存器中并进行简单的操作,如加法.在@L_772_2@中,_mm_set_ps翻译成一个奇怪的标量移动和解包指令序列,所以让我们看看：

int _tmain(int argc,_TCHAR* argv[])
{
    __m128 foo = _mm_set_ps(1.0f,2.0f,3.0f,4.0f);
    __m128 bar = _mm_set_ps(5.0f,6.0f,7.0f,8.0f);
    __m128 ret = _mm_add_ps(foo,bar);

    // need to do something so vars won't be optimized out in Release
    float *f = (float *)(&ret);
    for (int i = 0; i < 4; i++) 
    {
        cout << "f[" << i << "] = " << f[i] << endl;
    }
}

接下来,我在调试器中编译并运行它,查看反汇编：

调试：

完全糊涂;为什么将xmmword放入__m128需要四个MOVAPS？首先,它将数据放入xmm0(我假设它是存储在某处的四个浮点值的文字,不知道如何查看它),然后复制xmm0指向ebp和偏移量的某处,只是将其从那里是xmm0(？),最后到了应该存储它的变量的位置.为什么这么多工作？

发布：
这次我期望编译器完全避免将xmmword存储在内存中,只需将其中一个放入xmm0,将其他放入xmm1,执行ADDPS,将结果放入内存并完成.相反,我得到了：

显然,不需要ADDPs.我猜测编译器注意到两个xmmwords是编译时常量所以它只是添加它们,将结果作为文字放在代码中？奇怪的推动可能与后面的for循环有关,因为就我所知,esi被用作循环计数器.仍然,为什么不将数据段中的预先计算的文字放入xmm0然后放入局部变量(特别是10h),为什么不直接使用文字？

总而言之,debug版本比我预期的更愚蠢(或者我可能没有得到什么),而Release版本出乎意料地聪明.任何解释此行为的评论将不胜感激.谢谢.

编辑：答案是非常有启发性的,但我仍然想知道我是否可以做任何事情来改善编译器输出,这就是为什么我要求将此问题解释为当前形式的问题.

例如,是否有可能以某种方式引导编译器不将foo和bar存储在内存中(因为我在添加后不需要它们),只需将它们加载到xmmN寄存器并保存在那里？可能也会退回？引用@L_772_2@的作者说,MSVC只是“完全按照它所说的去做”.有没有明确写出__asm块的任何方法可以更好(读取：避免内存传输)代码？谢谢.

float x = 1.0f;
__m128 foo = _mm_set_ps(x,4.0f);

00C513DD  movss       xmm0,dword ptr ds:[0C5585Ch]  
00C513E5  movss       xmm1,dword ptr [x]  
00C513EA  movaps      xmm2,xmmword ptr ds:[0C55860h]  
00C513F1  unpcklps    xmm0,xmm1  
00C513F4  unpcklps    xmm2,xmm0  
00C513F7  movaps      xmmword ptr [ebp-100h],xmm2

00C513FE  movaps      xmm0,xmmword ptr [ebp-100h]  
00C51405  movaps      xmmword ptr [foo],xmm0

00EE1284  movaps      xmm0,xmmword ptr ds:[0EE3260h]