mirror of
https://sourceware.org/git/glibc.git
synced 2024-11-13 00:30:07 +00:00
x86: Optimize strchr-avx2.S
No bug. This commit optimizes strchr-avx2.S. The optimizations are all small things such as save an ALU in the alignment process, saving a few instructions in the loop return, saving some bytes in the main loop, and increasing the ILP in the return cases. test-strchr, test-strchrnul, test-wcschr, and test-wcschrnul are all passing. Signed-off-by: Noah Goldstein <goldstein.w.n@gmail.com>
This commit is contained in:
Noah Goldstein
H.J. Lu
parent
24f261f27f
commit
ccabe7971f
@ -49,132 +49,144 @@
|
||||
|
||||
.section SECTION(.text),"ax",@progbits
|
||||
ENTRY (STRCHR)
|
||||
movl %edi, %ecx
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
xorl %edx, %edx
|
||||
# endif
|
||||
|
||||
/* Broadcast CHAR to YMM0. */
|
||||
vmovd %esi, %xmm0
|
||||
movl %edi, %eax
|
||||
andl $(PAGE_SIZE - 1), %eax
|
||||
VPBROADCAST %xmm0, %ymm0
|
||||
vpxor %xmm9, %xmm9, %xmm9
|
||||
VPBROADCAST %xmm0, %ymm0
|
||||
|
||||
/* Check if we cross page boundary with one vector load. */
|
||||
andl $(PAGE_SIZE - 1), %ecx
|
||||
cmpl $(PAGE_SIZE - VEC_SIZE), %ecx
|
||||
ja L(cross_page_boundary)
|
||||
cmpl $(PAGE_SIZE - VEC_SIZE), %eax
|
||||
ja L(cross_page_boundary)
|
||||
|
||||
/* Check the first VEC_SIZE bytes. Search for both CHAR and the
|
||||
null byte. */
|
||||
vmovdqu (%rdi), %ymm8
|
||||
VPCMPEQ %ymm8, %ymm0, %ymm1
|
||||
VPCMPEQ %ymm8, %ymm9, %ymm2
|
||||
VPCMPEQ %ymm8, %ymm0, %ymm1
|
||||
VPCMPEQ %ymm8, %ymm9, %ymm2
|
||||
vpor %ymm1, %ymm2, %ymm1
|
||||
vpmovmskb %ymm1, %eax
|
||||
testl %eax, %eax
|
||||
jz L(more_vecs)
|
||||
jz L(aligned_more)
|
||||
tzcntl %eax, %eax
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
/* Found CHAR or the null byte. */
|
||||
cmp (%rdi, %rax), %CHAR_REG
|
||||
jne L(zero)
|
||||
# endif
|
||||
addq %rdi, %rax
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
cmp (%rax), %CHAR_REG
|
||||
cmovne %rdx, %rax
|
||||
# endif
|
||||
L(return_vzeroupper):
|
||||
ZERO_UPPER_VEC_REGISTERS_RETURN
|
||||
|
||||
.p2align 4
|
||||
L(more_vecs):
|
||||
/* Align data for aligned loads in the loop. */
|
||||
andq $-VEC_SIZE, %rdi
|
||||
L(aligned_more):
|
||||
|
||||
/* Check the next 4 * VEC_SIZE. Only one VEC_SIZE at a time
|
||||
since data is only aligned to VEC_SIZE. */
|
||||
vmovdqa VEC_SIZE(%rdi), %ymm8
|
||||
addq $VEC_SIZE, %rdi
|
||||
VPCMPEQ %ymm8, %ymm0, %ymm1
|
||||
VPCMPEQ %ymm8, %ymm9, %ymm2
|
||||
vpor %ymm1, %ymm2, %ymm1
|
||||
vpmovmskb %ymm1, %eax
|
||||
testl %eax, %eax
|
||||
jnz L(first_vec_x0)
|
||||
|
||||
vmovdqa VEC_SIZE(%rdi), %ymm8
|
||||
VPCMPEQ %ymm8, %ymm0, %ymm1
|
||||
VPCMPEQ %ymm8, %ymm9, %ymm2
|
||||
vpor %ymm1, %ymm2, %ymm1
|
||||
vpmovmskb %ymm1, %eax
|
||||
testl %eax, %eax
|
||||
jnz L(first_vec_x1)
|
||||
|
||||
vmovdqa (VEC_SIZE * 2)(%rdi), %ymm8
|
||||
VPCMPEQ %ymm8, %ymm0, %ymm1
|
||||
VPCMPEQ %ymm8, %ymm9, %ymm2
|
||||
vpor %ymm1, %ymm2, %ymm1
|
||||
vpmovmskb %ymm1, %eax
|
||||
testl %eax, %eax
|
||||
jnz L(first_vec_x2)
|
||||
|
||||
vmovdqa (VEC_SIZE * 3)(%rdi), %ymm8
|
||||
VPCMPEQ %ymm8, %ymm0, %ymm1
|
||||
VPCMPEQ %ymm8, %ymm9, %ymm2
|
||||
vpor %ymm1, %ymm2, %ymm1
|
||||
vpmovmskb %ymm1, %eax
|
||||
testl %eax, %eax
|
||||
jz L(prep_loop_4x)
|
||||
|
||||
tzcntl %eax, %eax
|
||||
leaq (VEC_SIZE * 3)(%rdi, %rax), %rax
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
cmp (%rax), %CHAR_REG
|
||||
cmovne %rdx, %rax
|
||||
# endif
|
||||
VZEROUPPER_RETURN
|
||||
|
||||
.p2align 4
|
||||
L(first_vec_x0):
|
||||
/* .p2align 5 helps keep performance more consistent if ENTRY()
|
||||
alignment % 32 was either 16 or 0. As well this makes the
|
||||
alignment % 32 of the loop_4x_vec fixed which makes tuning it
|
||||
easier. */
|
||||
.p2align 5
|
||||
L(first_vec_x4):
|
||||
tzcntl %eax, %eax
|
||||
/* Found CHAR or the null byte. */
|
||||
addq %rdi, %rax
|
||||
addq $(VEC_SIZE * 3 + 1), %rdi
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
cmp (%rax), %CHAR_REG
|
||||
cmovne %rdx, %rax
|
||||
/* Found CHAR or the null byte. */
|
||||
cmp (%rdi, %rax), %CHAR_REG
|
||||
jne L(zero)
|
||||
# endif
|
||||
addq %rdi, %rax
|
||||
VZEROUPPER_RETURN
|
||||
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
L(zero):
|
||||
xorl %eax, %eax
|
||||
VZEROUPPER_RETURN
|
||||
# endif
|
||||
|
||||
|
||||
.p2align 4
|
||||
L(first_vec_x1):
|
||||
tzcntl %eax, %eax
|
||||
leaq VEC_SIZE(%rdi, %rax), %rax
|
||||
incq %rdi
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
cmp (%rax), %CHAR_REG
|
||||
cmovne %rdx, %rax
|
||||
/* Found CHAR or the null byte. */
|
||||
cmp (%rdi, %rax), %CHAR_REG
|
||||
jne L(zero)
|
||||
# endif
|
||||
addq %rdi, %rax
|
||||
VZEROUPPER_RETURN
|
||||
|
||||
.p2align 4
|
||||
L(first_vec_x2):
|
||||
tzcntl %eax, %eax
|
||||
/* Found CHAR or the null byte. */
|
||||
leaq (VEC_SIZE * 2)(%rdi, %rax), %rax
|
||||
addq $(VEC_SIZE + 1), %rdi
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
cmp (%rax), %CHAR_REG
|
||||
cmovne %rdx, %rax
|
||||
/* Found CHAR or the null byte. */
|
||||
cmp (%rdi, %rax), %CHAR_REG
|
||||
jne L(zero)
|
||||
# endif
|
||||
addq %rdi, %rax
|
||||
VZEROUPPER_RETURN
|
||||
|
||||
L(prep_loop_4x):
|
||||
/* Align data to 4 * VEC_SIZE. */
|
||||
andq $-(VEC_SIZE * 4), %rdi
|
||||
.p2align 4
|
||||
L(first_vec_x3):
|
||||
tzcntl %eax, %eax
|
||||
addq $(VEC_SIZE * 2 + 1), %rdi
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
/* Found CHAR or the null byte. */
|
||||
cmp (%rdi, %rax), %CHAR_REG
|
||||
jne L(zero)
|
||||
# endif
|
||||
addq %rdi, %rax
|
||||
VZEROUPPER_RETURN
|
||||
|
||||
.p2align 4
|
||||
L(aligned_more):
|
||||
/* Align data to VEC_SIZE - 1. This is the same number of
|
||||
instructions as using andq -VEC_SIZE but saves 4 bytes of code
|
||||
on x4 check. */
|
||||
orq $(VEC_SIZE - 1), %rdi
|
||||
L(cross_page_continue):
|
||||
/* Check the next 4 * VEC_SIZE. Only one VEC_SIZE at a time
|
||||
since data is only aligned to VEC_SIZE. */
|
||||
vmovdqa 1(%rdi), %ymm8
|
||||
VPCMPEQ %ymm8, %ymm0, %ymm1
|
||||
VPCMPEQ %ymm8, %ymm9, %ymm2
|
||||
vpor %ymm1, %ymm2, %ymm1
|
||||
vpmovmskb %ymm1, %eax
|
||||
testl %eax, %eax
|
||||
jnz L(first_vec_x1)
|
||||
|
||||
vmovdqa (VEC_SIZE + 1)(%rdi), %ymm8
|
||||
VPCMPEQ %ymm8, %ymm0, %ymm1
|
||||
VPCMPEQ %ymm8, %ymm9, %ymm2
|
||||
vpor %ymm1, %ymm2, %ymm1
|
||||
vpmovmskb %ymm1, %eax
|
||||
testl %eax, %eax
|
||||
jnz L(first_vec_x2)
|
||||
|
||||
vmovdqa (VEC_SIZE * 2 + 1)(%rdi), %ymm8
|
||||
VPCMPEQ %ymm8, %ymm0, %ymm1
|
||||
VPCMPEQ %ymm8, %ymm9, %ymm2
|
||||
vpor %ymm1, %ymm2, %ymm1
|
||||
vpmovmskb %ymm1, %eax
|
||||
testl %eax, %eax
|
||||
jnz L(first_vec_x3)
|
||||
|
||||
vmovdqa (VEC_SIZE * 3 + 1)(%rdi), %ymm8
|
||||
VPCMPEQ %ymm8, %ymm0, %ymm1
|
||||
VPCMPEQ %ymm8, %ymm9, %ymm2
|
||||
vpor %ymm1, %ymm2, %ymm1
|
||||
vpmovmskb %ymm1, %eax
|
||||
testl %eax, %eax
|
||||
jnz L(first_vec_x4)
|
||||
/* Align data to VEC_SIZE * 4 - 1. */
|
||||
addq $(VEC_SIZE * 4 + 1), %rdi
|
||||
andq $-(VEC_SIZE * 4), %rdi
|
||||
.p2align 4
|
||||
L(loop_4x_vec):
|
||||
/* Compare 4 * VEC at a time forward. */
|
||||
vmovdqa (VEC_SIZE * 4)(%rdi), %ymm5
|
||||
vmovdqa (VEC_SIZE * 5)(%rdi), %ymm6
|
||||
vmovdqa (VEC_SIZE * 6)(%rdi), %ymm7
|
||||
vmovdqa (VEC_SIZE * 7)(%rdi), %ymm8
|
||||
vmovdqa (%rdi), %ymm5
|
||||
vmovdqa (VEC_SIZE)(%rdi), %ymm6
|
||||
vmovdqa (VEC_SIZE * 2)(%rdi), %ymm7
|
||||
vmovdqa (VEC_SIZE * 3)(%rdi), %ymm8
|
||||
|
||||
/* Leaves only CHARS matching esi as 0. */
|
||||
vpxor %ymm5, %ymm0, %ymm1
|
||||
@ -190,62 +202,102 @@ L(loop_4x_vec):
|
||||
VPMINU %ymm1, %ymm2, %ymm5
|
||||
VPMINU %ymm3, %ymm4, %ymm6
|
||||
|
||||
VPMINU %ymm5, %ymm6, %ymm5
|
||||
VPMINU %ymm5, %ymm6, %ymm6
|
||||
|
||||
VPCMPEQ %ymm5, %ymm9, %ymm5
|
||||
vpmovmskb %ymm5, %eax
|
||||
VPCMPEQ %ymm6, %ymm9, %ymm6
|
||||
vpmovmskb %ymm6, %ecx
|
||||
subq $-(VEC_SIZE * 4), %rdi
|
||||
testl %ecx, %ecx
|
||||
jz L(loop_4x_vec)
|
||||
|
||||
addq $(VEC_SIZE * 4), %rdi
|
||||
testl %eax, %eax
|
||||
jz L(loop_4x_vec)
|
||||
|
||||
VPCMPEQ %ymm1, %ymm9, %ymm1
|
||||
VPCMPEQ %ymm1, %ymm9, %ymm1
|
||||
vpmovmskb %ymm1, %eax
|
||||
testl %eax, %eax
|
||||
jnz L(first_vec_x0)
|
||||
jnz L(last_vec_x0)
|
||||
|
||||
VPCMPEQ %ymm2, %ymm9, %ymm2
|
||||
|
||||
VPCMPEQ %ymm5, %ymm9, %ymm2
|
||||
vpmovmskb %ymm2, %eax
|
||||
testl %eax, %eax
|
||||
jnz L(first_vec_x1)
|
||||
jnz L(last_vec_x1)
|
||||
|
||||
VPCMPEQ %ymm3, %ymm9, %ymm3
|
||||
VPCMPEQ %ymm4, %ymm9, %ymm4
|
||||
vpmovmskb %ymm3, %ecx
|
||||
vpmovmskb %ymm4, %eax
|
||||
salq $32, %rax
|
||||
orq %rcx, %rax
|
||||
tzcntq %rax, %rax
|
||||
leaq (VEC_SIZE * 2)(%rdi, %rax), %rax
|
||||
VPCMPEQ %ymm3, %ymm9, %ymm3
|
||||
vpmovmskb %ymm3, %eax
|
||||
/* rcx has combined result from all 4 VEC. It will only be used
|
||||
if the first 3 other VEC all did not contain a match. */
|
||||
salq $32, %rcx
|
||||
orq %rcx, %rax
|
||||
tzcntq %rax, %rax
|
||||
subq $(VEC_SIZE * 2), %rdi
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
cmp (%rax), %CHAR_REG
|
||||
cmovne %rdx, %rax
|
||||
/* Found CHAR or the null byte. */
|
||||
cmp (%rdi, %rax), %CHAR_REG
|
||||
jne L(zero_end)
|
||||
# endif
|
||||
addq %rdi, %rax
|
||||
VZEROUPPER_RETURN
|
||||
|
||||
|
||||
.p2align 4
|
||||
L(last_vec_x0):
|
||||
tzcntl %eax, %eax
|
||||
addq $-(VEC_SIZE * 4), %rdi
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
/* Found CHAR or the null byte. */
|
||||
cmp (%rdi, %rax), %CHAR_REG
|
||||
jne L(zero_end)
|
||||
# endif
|
||||
addq %rdi, %rax
|
||||
VZEROUPPER_RETURN
|
||||
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
L(zero_end):
|
||||
xorl %eax, %eax
|
||||
VZEROUPPER_RETURN
|
||||
# endif
|
||||
|
||||
.p2align 4
|
||||
L(last_vec_x1):
|
||||
tzcntl %eax, %eax
|
||||
subq $(VEC_SIZE * 3), %rdi
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
/* Found CHAR or the null byte. */
|
||||
cmp (%rdi, %rax), %CHAR_REG
|
||||
jne L(zero_end)
|
||||
# endif
|
||||
addq %rdi, %rax
|
||||
VZEROUPPER_RETURN
|
||||
|
||||
|
||||
/* Cold case for crossing page with first load. */
|
||||
.p2align 4
|
||||
L(cross_page_boundary):
|
||||
andq $-VEC_SIZE, %rdi
|
||||
andl $(VEC_SIZE - 1), %ecx
|
||||
|
||||
vmovdqa (%rdi), %ymm8
|
||||
VPCMPEQ %ymm8, %ymm0, %ymm1
|
||||
VPCMPEQ %ymm8, %ymm9, %ymm2
|
||||
movq %rdi, %rdx
|
||||
/* Align rdi to VEC_SIZE - 1. */
|
||||
orq $(VEC_SIZE - 1), %rdi
|
||||
vmovdqa -(VEC_SIZE - 1)(%rdi), %ymm8
|
||||
VPCMPEQ %ymm8, %ymm0, %ymm1
|
||||
VPCMPEQ %ymm8, %ymm9, %ymm2
|
||||
vpor %ymm1, %ymm2, %ymm1
|
||||
vpmovmskb %ymm1, %eax
|
||||
/* Remove the leading bits. */
|
||||
sarxl %ecx, %eax, %eax
|
||||
/* Remove the leading bytes. sarxl only uses bits [5:0] of COUNT
|
||||
so no need to manually mod edx. */
|
||||
sarxl %edx, %eax, %eax
|
||||
testl %eax, %eax
|
||||
jz L(aligned_more)
|
||||
jz L(cross_page_continue)
|
||||
tzcntl %eax, %eax
|
||||
addq %rcx, %rdi
|
||||
addq %rdi, %rax
|
||||
# ifndef USE_AS_STRCHRNUL
|
||||
cmp (%rax), %CHAR_REG
|
||||
cmovne %rdx, %rax
|
||||
xorl %ecx, %ecx
|
||||
/* Found CHAR or the null byte. */
|
||||
cmp (%rdx, %rax), %CHAR_REG
|
||||
leaq (%rdx, %rax), %rax
|
||||
cmovne %rcx, %rax
|
||||
# else
|
||||
addq %rdx, %rax
|
||||
# endif
|
||||
VZEROUPPER_RETURN
|
||||
L(return_vzeroupper):
|
||||
ZERO_UPPER_VEC_REGISTERS_RETURN
|
||||
|
||||
END (STRCHR)
|
||||
# endif
|
||||
|
||||
Loading…
Reference in New Issue
Block a user