为什么循环指令慢？英特尔不能有效地实现它吗？

Question

环(英特尔参考文献人工输入)ECX/RCX递减，如果非零。虽然速度很慢，但英特尔不能便宜地让它跑得更快吗？dec/jnz已经宏熔断为单个uop。在沙桥家族；唯一的区别是设置旗子。

loop在不同的微体系结构上阿格纳·福格(氏)指令表:

• K8/K10：7m-OPS

• 推土机-家庭/Ryzen：1mop(与宏融合测试和分支相同的成本，或jecxz)

• P4：4 OOPS(同jecxz)

• P6(PII/PIII)：8 OOPS
• 奔腾M，核心2：11 uops
• Nehalem：6 uops。(11)

  loope / loopne

  )。吞吐量=4c(

  loop

  )或7c(

  loope/ne).

• SNB-家庭

  *7英尺。(11)

  loope / loopne). 吞吐量=每5个周期一个

  ，就像将循环计数器保存在内存中一样是一个瓶颈！

  jecxz

  只有两个uop具有与常规的相同的吞吐量。

  jcc

• 西尔佛蒙特：7乌普
• AMD捷豹(低功耗)：8 uops，5c吞吐量
• 通过Nano 3000：2 uops

---

难道解码器不能像lea rcx, [rcx-1] / jrcxz？那将是3次。至少在没有地址大小前缀的情况下，它必须使用ecx截断RIP到EIP如果跳下去了；也许控制减幅的地址大小的奇怪选择解释了为什么会有这么多uop？

或者更好的是，把它解码成一个不设置标志的融合的分叉？dec ecx / jnz在SNB上，解码为单个uop(它确实设置了标志)。

我知道真正的代码不使用它(因为它一直缓慢从至少P5或什么)，但AMD认为这是值得的，使它快速推土机。可能是因为这很容易。

---

• 对于SNB家族的人来说，拥有快速的生活是件容易的事吗？loop?如果是的话，他们为什么不呢？如果不是，为什么会很难呢？很多解码器晶体管？或者在一个融合的Dec&分支uop中额外的位来记录它没有设置标志？那七个人能做什么？这是一个非常简单的指示。

• 开快车的推土机有什么特别之处？loop容易/值得吗？或者AMD在制造过程中浪费了一堆晶体管loop快地?如果是这样的话，大概有人认为这是个好主意。

---

如果loop太快了，这将是完美的BigInteger任意精度adc循环，以避免部分旗档/减速。(请参阅我对我的答案的评论)，或任何其他情况下，您想要在不接触标志的情况下循环。与代码大小相比，它还具有较小的代码大小优势。dec/jnz。(和dec/jnz只有宏观保险丝对SNB-家庭)。

关于现代CPUdec/jnz在ADC循环中没问题，loop对于ADCX/ADOX循环(保留)来说还是不错的。

如果loop如果是快速的，编译器将已经使用它作为一个窥视孔优化的代码大小+速度上的CPU，没有宏融合。

---

它也无法阻止我对所有使用错误16位代码的问题感到恼火loop对于每个循环，即使当它们还需要在循环中另一个计数器时。但至少不会如坏的。