假设我有装配的相同算法的两种实现方法。 我想通过检查两个片段代码哪一个是快就知道了。
我想人们可能考虑的参数是：操作码数，分枝数，函数帧数。
我的问题是：
- 我可以假设每个操作码的执行是一个循环？
- 什么是分公司，其打破了管道的开销？
- 什么是调用一个函数的影响和开销？
- 是否有ARM和x86的分析有区别吗？
现在的问题是理论，因为我有两个实现; 长一个130的指令，一个是184组的指令长。
我想知道，如果它绝对是真的要说130组的指令长片段比184组的指令长执行得更快？
Answer 1:
这肯定是不正确的说，130指令代码比184指令代码更快。 这是很容易有1000条指令运行超过100个，反之亦然两个平台更快。
1我可以假设每个操作码的执行是一个循环？
通过看广告的MIPS / MHz的开始，尽管销售数字它给了什么是可能的一个粗略的想法。 如果该数量大于一，则每时钟多于一个的指令是可能的。
2这是分公司的，其打破了管道的开销？
从任何地方绝对没有影响非常显着的影响，无论是系统上。 一个时钟数百是潜在的罚款。
3什么是调用一个函数的影响和开销？
很大程度上取决于函数和函数调用的函数。 根据不同的调用约定，你可能需要的寄存器保存到堆栈，或重新排列寄存器的内容为参数准备要调用的函数。 如果按值传递一个结构struct的副本可能需要在堆栈上进行，更大的结构传递的更大的副本。 一旦在功能的堆栈帧，可能需要制备，等等，有涉及许多因素。 这个问题和答案也是独立的平台。
4是否有ARM和x86的分析有区别吗？
yes和no，这两个系统使用流水线，分支预测等，以保持MIPS / MHz的向上的所有现代的技巧。 ARM是要给每MHz更好的MIPS比86，86是可变的指令长度可能会给单位缓存更多的指令。 您如何分析缓存，内存和分析的系统侧外围系统大致相同。 的指令和核心的比较相似，不同取决于你正在分析哪些方面。 臂没有微代码，在x86可能是这样，你真的不看有多少寄存器真的有，这样的事情。 同时在x86你可以在与手臂的存储系统更好看，因为他们一般都不片上系统。 这取决于你买什么ARM芯片，你可能会失去很多芯片的边界可见性，可能不会看到所有的内存和外设总线，例如。 （X86正在发生变化，通过把芯片PCIE现在例如）在你提到的皮质，一类东西的情况下，你将有芯片知名度的类似边缘那些会使用更大/更便宜的基于DRAM的内存芯片外，而不是微控制器就像在芯片上的资源。
底线你的最后一个问题：
“我想知道，如果它绝对是真的要说130组的指令长片段比184级的指令执行长快？”
这肯定是不正确的说，130指令片段比184指令片段更快。 它可能会更快，可能会比较慢，它可能是大致相同的。 随着更多的信息，我们也许能够做一个很好的陈述或它可能仍然是不确定的。 很容易选择执行速度比1000条指令，同样容易选择1000个指令执行速度超过100个指令（即使我添加没有分支，没有循环，只是线性执行）100个指令
Answer 2:
在不希望轻率，答案
- 没有
- 这就要看你的硬件
- 这就要看你的硬件
- 是
你真的需要在目标硬件上测试的东西，或有充分了解你的硬件仿真器，为了回答你的问题，你的意思的方式...
对于你的问题的最后一部分，你需要定义“好” ......好。
Answer 3:
既然你问有关的Cortex A9 ，该数据表在附录B中的指令周期数。 这些计数通常假设内存总线速度足够快，以保持CPU的繁忙。 在现实中这种情况很少见。 许多视频/音频算法将在如何访问内存的一大胜利。
每个操作一个周期
当然，如果你想精确计数你不能假设这一点。 但是，如果您决定选择哪种算法，您可以通过查看内部循环中的指令得到最好的算法的感觉。 在这里，你的cache应该允许代码执行按在数据表中的指令计数。 如果计数接近，那么你可能需要看每个指令。 加载/存储更昂贵，通常倍数等一些算法，尤其是crytographic，将有很大的胜用汇编不很好地映射到C 。 例如， clz ， ror ，使用进位进行多字算术等
科开销
看附录B，或任何数据表具有周期计数的处理器。 对于一个ARM926其为约3个周期。 编译器仅在一排，以避免分支产生两个有条件的操作码，否则，它的分支。 如果该算法较大，分支可能会破坏缓存。 硬答案取决于你的CPU，缓存和内存。 根据皮质A9数据表（B.5），仅存在一个周期的开销来固定分支。
功能开销
这是大致相同的分支开销 。 然而，编译器也将产生影响。 吉姆指出是否缓存对齐功能。 该编译器执行叶函数的优化等。随着现代gcc版本中，如果所有的功能都是静态的，编译器通常会在网上时，它是有利的。 如果算法是特别大的，寄存器溢出可能是有利的。 然而，随着你的一百八十四分之一百三十零说明例子，这似乎不太可能。 编译器选项将明显的影响开销。 您可以使用objdump -S检查序言/结尾，然后确定您的硬件周期数。
ARM真正的x86
当然还有在循环计数技术的差异。 在CISC 86还具有可变指令大小。 该分析变得复杂。 它是在ARM稍微容易些。
通常情况下，你想棒球场的东西，然后实际上探查运行它们。 估计可以帮助的算法指导发展。 环/内存调整等为您的硬件。 喜欢的东西instruction emulation ， page或alignment faults等可能会占主导地位，并让所有的周期计数分析毫无意义。 如果算法是在user space ，每抢占，可以从运行运行否定缓存胜。 这可能是一个算法会更好地工作，在一个小负载的系统和其他将更高的负载下更好地工作。
在循环计数的注意事项
查看后处理objdump的在获得周期盘点了一些并发症的发生。 基本上是一个典型的CPU是几个阶段（管线）和不同的条件会导致停顿 。 由于CPU的变得更加复杂，管线通常变得更长，这意味着有更多的条件，或者能够失速阶段。 然而， 盘点估计可以指导算法的开发和评估他们的帮助。 像存储器定时或分支预测的东西可以是一样重要的，这取决于该算法上。 即， 循环次数并不完全没用，但它们都没有完成要么。 剖析应确认实际的算法倍。 如果他们发散，指令重新排序，预取和其它技术可以使他们更加接近。 这种循环数和活跃剖析分歧的事实本身也可能是有帮助的。
Answer 4:
你的问题是几乎完全没有意义的： 它可能取决于你的输入。
大多数CPU有类似的东西一个分支预测错误惩罚（如传统的ARM，其扔掉的指令获取/解码任何的分支，IIRC）。 ARM和x86也允许条件执行， 可以比分支更快。 如果这两个都依赖于输入数据，那么不同的输入将按照不同的代码路径。
也许一个版本大量使用条件执行，这是一种浪费，当条件是假的。 也许另一个被使用执行没有分支（除了在末尾的返回），用于特定的情况下，一些分析信息进行编译。 有许多，许多原因编译器可以采取相同的源和产生一个“优化的”输出，其为另一个用于一个输入速度越来越慢。
许多优化具有这种特性-例如，一个循环的开始对准16个字节在某些处理器上有帮助，但不是当只执行一次循环。
Answer 5:
一些教科书的答案，从这个问题的Cortex™-A系列程序员指南 ， chapter 17 。
虽然循环定时信息可在技术参考手册（TRM）为您所使用的处理器中找到，它是非常困难的工作，甚至一个微不足道的一段代码将多少个周期需要执行。 指令通过管道的运动是依赖于周围指令的进展，并可以通过存储系统活性显著影响。 待装载或指令获取该小姐高速缓存可以为数万次的熄火代码。 标准数据处理指令（逻辑和算术）将只需要一个或两个周期来执行，但是这并没有给的全貌。 相反，我们必须使用分析工具，或内置于处理器的系统性能监控，提取有关性能的有用信息。
下还可以阅读17.4 Cortex-A9 micro-architecture optimizations ，其回答你的问题非常非常多。
文章来源: How to compare two implementations of the same algorithm? (by examine their Assembly code)
