У меня есть внутренний цикл, где в приличной(по размеру) ASM-вставке есть команды

pmulhw mm2,[edx]    
pmulhw mm3,[edx+8]
pmulhw mm4,[edx+16]
pmulhw mm5,[edx+24]    

edx ссылается на запись таблицы в памяти:

struct _s16
{
    unsigned short int value[16];
};

_declspec(align(32)) _s16 squaretable[1<<16];

Так вот, с этими четырьма командами скорость выполнения в 3 раза ниже, чем без них! более того, если, например три их них убрать а одну оставить, скорость практически не измениться(будет очень медленной)  

Как исправить? из-за чего такое долгое обращение к памяти? чем обьясняется? Вроде ж таблица выровнена? 

совсем без них? (т. е без аналога на не ассемблере)

Скорость мерял просто закоментировав эти четыре строки (естественно, результат работы программы был при этом некорректным).
Но проблема в том, что даже одна такая строка вызывает непонятное торможение в 3 раза.

Да, команда довольно тормозная, время тратиться на формирование промежуточного результата и выделение старшего слова каждой части из него. Чтение из памяти тут не критично, т.к. данные идут последовательно, значит они находятся в кэше, эту часть ты уже не оптимизируешь. Так, что или смирись или разбивай команду на логические этапы и реализовывай с помощью целочисленного набора команд, я думаю побыстрее будет.

Это сообщение отредактировал(а) W4FhLF - 19.1.2007, 19:08

Хе-хе!

если заменить все четыре команды на одну-единственную
movq mm2,[edx]
все равно тормозит в теже три раза!

Кстати, если вместо сего написать
movq mm2,[squaretable+N], где N - любое число(понятно, что такое, чтоб не вылезти за пределы таблицы),
то тормоза нет!
Может беда в том, что таблица занимает 65536*16 =1M что больше размера сегмента 64К? Хотя я не профи в архитектуре процесоров, потому и спрашиваю  

P.S.
edx - не счетчик цикла, потому скачет при каждой итерации через всю таблицу.

Это сообщение отредактировал(а) AlexanderV - 19.1.2007, 19:23

т.е. edx на каждой иттерации изменяется в больших пределах? Конечно таблицу размером в метр полностью поместить в кэш процессор не решится(на AMD это и вовсе невозможно, учитывая размеры КЭШа). Если данных нет в кэше, то процессор лезет за ними в памяти, а это сотни, если не тысячи тактов... что тут посоветуешь, придётся смириться или проектировать расчёты иначе. Лично я другого выхода не вижу. Единственное, что хочу тебе посоветовать - глянь описение команды PREFETCHT своего процессора, эта команда позволяет делать предварительную запись данных в кэш из оперативки, если таковые там не существуют. Хотя вряд ли это поможет, ибо насколько я понимаю в каждой иттерации идёт обращение к не смежным участкам оперативной памяти. 

Называется, хотел избавиться от 4 умножений и около 8 прибавлений с помощью таблицы соответствия 
Наверно быстрее было б выполнить 25 умножений ...

Это сообщение отредактировал(а) AlexanderV - 19.1.2007, 19:59