如果没有Skylake上的VZEROUPPER，为什么这个SSE代码会慢6倍？

Question

我一直试图找出应用程序中的性能问题，并最终将其缩小到一个非常奇怪的问题。如果VZEROUPPER指令被注释掉，则下面一段代码在Skylake CPU（i5-6500）上运行速度慢6倍。我测试了Sandy Bridge和Ivy Bridge CPU，两种版本都以相同的速度运行，有或没有VZEROUPPER。

现在我VZEROUPPER对这个代码有了一个相当好的想法，而且我认为当没有VEX编码指令并且没有调用可能包含它们的任何函数时，它对这个代码根本不重要。事实上它不支持其他支持AVX的CPU似乎支持这一点。英特尔®64和IA-32架构优化参考手册中的表11-2也是如此

那么发生了什么？

我留下的唯一理论是，CPU中存在一个错误，它错误地触发了“保存AVX寄存器的上半部分”程序，而不应该这样做。或者其他一些同样奇怪的东西。

这是main.cpp：

#include <immintrin.h>

int slow_function( double i_a, double i_b, double i_c );

int main()

{

    /* DAZ and FTZ, does not change anything here. */

    _mm_setcsr( _mm_getcsr() | 0x8040 );

    /* This instruction fixes performance. */

    __asm__ __volatile__ ( "vzeroupper" : : : );

    int r = 0;

    for( unsigned j = 0; j < 100000000; ++j )

    {

        r |= slow_function( 

                0.84445079384884236262,

                -6.1000481519580951328,

                5.0302160279288017364 );

    }

    return r;

}

生成的代码与gcc不同，但它显示相同的问题。较旧版本的intel编译器生成了另一个函数的变体，它也显示了问题，但只有在main.cpp没有使用intel编译器构建时，因为它插入调用来初始化一些自己的库，这可能最终会在VZEROUPPER某处做。

当然，如果整个东西都是用AVX支持构建的，那么内在函数就会变成VEX编码指令，也没有问题。

我已经尝试perf在linux上分析代码，并且大多数运行时通常依赖于1-2条指令，但并不总是相同的，具体取决于我所分析的代码版本（gcc，clang，intel）。缩短功能似乎会使性能差异逐渐消失，因此看起来几条指令都会导致问题。