如何确定CPE：周期每元(How to determine CPE: Cycles Per Elem

如何确定一个程序的CPE？例如，我有一个循环此组件的代码：

# inner4: data_t = float
# udata in %rbx, vdata in %rax, limit in %rcx,
# i in %rdx, sum in %xmm1
1 .L87:                                   # loop:
2   movss  (%rbx,%rdx,4), %xmm0           #  Get udata[i]
3   mulss  (%rax,%rdx,4), %xmm0           #  Multiply by vdata[i]
4   addss  %xmm0, %xmm1                   #  Add to sum
5   addq  $1, %rdx                        #  Increment i
6   cmpq  %rcx, %rdx                      #  Compare i:limit
7   jl .L87                               #  If <, goto loop

我必须找到下界通过使用数据类型float关键路径确定的CPE的。我认为，关键路径将指向最慢的可能的路径，从而将是一个地方的方案有，因为占用的时钟周期最长数执行mulss指令。

然而，似乎没有被任何明确的方式来确定CPE。如果一个指令需要两个时钟周期，前者的第一个时钟周期后，另一个需要一个，能后者开始？任何帮助，将不胜感激。谢谢

Answer 1:

如果你想知道它是怎么长的需要，你应该衡量它。执行循环的一些大约10 ^ 10倍，把它需要时间和时钟频率倍增。你得到的周期由10 ^ 10的总数，除以得到每循环迭代的时钟周期数。

执行时间的理论预测几乎不会是正确的（而且大部分时间为低），因为是决定速度无数影响：

流水线（也可以很容易地在管道约20级）
超标量执行（并行，最多5个指令cmp和jl可以稠合）
解码μOps和重新排序
高速缓存或存储器的等待时间
的指令吞吐量（是否有足够的执行端口免费）
指令的延迟
银行的冲突，混淆问题，更深奥的东西

根据不同的CPU并提供了内存访问全部命中L1缓存，相信环路应该需要每次迭代至少3个时钟周期，因为最长的依存关系链是3个元素长。在较慢的较旧的CPU mulss或addss指令所需要的时间增加。

如果你是在加快的代码，不仅一些理论观察真正感兴趣的，你应该向量化它。您可以通过4-8的东西的一个因素提高性能类似

.L87:                               # loop:
vmovdqa (%rbx,%rdx,4), %ymm0        #  Get udata[i]..udata[i+7]
vmulps  (%rax,%rdx,4), %ymm0, %ymm0 #  Multiply by vdata[i]..vdata[i+7]
vaddps  %ymm0, %ymm1, %ymm1         #  Add to sum
addq    $8, %rdx                    #  Increment i
cmpq    %rcx, %rdx                  #  Compare i:limit
jl .L87                             #  If <, goto loop

您需要到水平添加所有8个元素之后，当然要确保对齐是32和循环计数器由8整除。