GD32H7如何利用超標(biāo)量流水線

我們拿一個(gè)算法的代碼實(shí)現(xiàn)來(lái)舉例子，首先我們寫(xiě)一個(gè)求階乘的子函數(shù)，這里我偷懶讓 ChatGPT 幫忙生成了一個(gè)：

#include
// 階乘函數(shù)intfactorial_iterative(int n) {    int result = 1;    // 從1乘到n    for (int i = 1; i <= n; ++i) {        result *= i;    }    return result;}
// 示例int main() {    int result_iterative = factorial_iterative(5);    printf("5的階乘是: %dn", result_iterative);
    return 0;}

這種簡(jiǎn)單的迭代算法的優(yōu)點(diǎn)是比較容易理解，一眼就可以看出程序員想干什么。

但這樣寫(xiě)出來(lái)的程序缺點(diǎn)也很大，就是運(yùn)行效率非常低，我們?cè)谒惴ň帉?xiě)中最怕的就是for 循環(huán)，因?yàn)檫@里面會(huì)存在大量的比較和跳轉(zhuǎn)，同時(shí)最容易產(chǎn)生一些代碼被無(wú)效的循環(huán)執(zhí)行。

這些缺點(diǎn)有的會(huì)被編譯器的優(yōu)化措施給規(guī)避掉，比如編譯器可以把一些需要內(nèi)存訪問(wèn)的變量先放到寄存器中，等計(jì)算完結(jié)果后，再把結(jié)果從寄存器中轉(zhuǎn)移到內(nèi)存中，因?yàn)?CPU 讀取寄存器比讀取內(nèi)存可快多了。

但是編譯器也不是萬(wàn)能的，有些優(yōu)化他就做不到。比如，我們改成下面展開(kāi)的樣子，超標(biāo)量的流水線就開(kāi)始起作用了。

// 階乘函數(shù)intfactorial_iterative(int n) {    int result0 = 1, result1 = 1, result2 = 1,result3 = 1;    // 從1乘到n    for (int i = 1; i < n; i += 4) {
        result0 *= i;        result1 *= i + 1;        result2 *= i + 2;        result3 *= i + 3;
    }    return (result0 * result1 * result2 * result3);}

首先，我們假設(shè)開(kāi)啟了編譯器優(yōu)化，編譯器已經(jīng)把所有內(nèi)存訪問(wèn)的變量在函數(shù)開(kāi)始都?xì)w置到了寄存器中，那么這時(shí)候我們可以看到，4 個(gè) result 的乘法語(yǔ)句是相互獨(dú)立的，他們的計(jì)算過(guò)程不依賴(lài)于其他 3 個(gè)語(yǔ)句的計(jì)算結(jié)果。

這就好比安排了四個(gè)人，給他們算 4 個(gè)單獨(dú)的式子，假設(shè)他們計(jì)算能力相同，于是他們會(huì)在同一段時(shí)間后跑到黑板上來(lái)互相乘一下算個(gè)總的結(jié)果。

而如果我們只是簡(jiǎn)單的做循環(huán)展開(kāi)，不增加新的寄存器變量，也就是不加人的情況下是怎么樣的呢？

// 階乘函數(shù)intfactorial_iterative(int n) {    int result = 1;    // 從1乘到n    for (int i = 1; i < n; i += 4) {
        result *= i;        result *= i + 1;        result *= i + 2;        result *= i + 3;
    }    return (result * result * result * result);}

這里只放了一個(gè)聰明的孩子做算式，不過(guò)你看他要做的 4 個(gè)算式，其中后一個(gè)算式總要用到前一個(gè)算式的結(jié)果，他即便再聰明也得一個(gè)一個(gè)的算。

這就是超標(biāo)量流水線的用處，當(dāng)然展開(kāi)多少還需要我們自己衡量，本質(zhì)上也是用空間換時(shí)間，另外寄存器可是稀缺資源。