这种带有 __m256 值数组的错误代码生成是 clang 错误吗？

Question

我遇到了一个错误，该错误导致 clang 3.4、3.5 和 3.6 主干代码生成不正确。实际触发问题的来源非常复杂，但我已经能够将其简化为这个独立的示例：

#include <iostream>
#include <immintrin.h>
#include <string.h>

struct simd_pack
{
    enum { num_vectors = 1 };
    __m256i _val[num_vectors];
};

simd_pack load_broken(int8_t *p)
{
    simd_pack pack;
    for (int i = 0; i < simd_pack::num_vectors; ++i) pack._val[i] = _mm256_loadu_si256(reinterpret_cast<__m256i *>(p + i * 32));
    return pack;
}

void store_broken(int8_t *p, simd_pack pack)
{
    for (int i = 0; i < simd_pack::num_vectors; ++i) _mm256_storeu_si256(reinterpret_cast<__m256i *>(p + i * 32), pack._val[i]);    
}

void test_broken(int8_t *out, int8_t *in1, size_t n)
{
    size_t i = 0;
    for (; i + 31 < n; i += 32)
    {
        simd_pack p1 = load_broken(in1 + i);
        store_broken(out + i, p1);
    }   
}

int main()
{
    int8_t in_buf[256];
    int8_t out_buf[256];
    for (size_t i = 0; i < 256; ++i) in_buf[i] = i;

    test_broken(out_buf, in_buf, 256);
    if (memcmp(in_buf, out_buf, 256)) std::cout << "test_broken() failed!" << std::endl;    

    return 0;
}

上面的总结：我有一个名为 simd_pack 的简单类型，它包含一个成员，一个包含一个 __m256i 值的数组。在我的应用程序中，有采用这些类型的运算符和函数，但可以通过上面的示例说明问题。具体来说，test_broken() 应该从 in1 数组中读取，然后将其值复制到 out 数组中。因此，main() 中对 memcmp() 的调用应该 return 为零。我使用以下内容编译以上内容：

clang++-3.6 bug_test.cc -o bug_test -mavx -O3

我发现在优化级别 -O0 和 -O1 上测试通过，而在级别 -O2 和 -O3 上测试失败。我已经尝试使用 gcc 4.4、4.6、4.7 和 4.8 以及 Intel C++ 13.0 编译相同的文件，并且测试通过了所有优化级别。

仔细查看生成的代码，这是在优化级别 -O3 上生成的程序集：

0000000000400a40 <test_broken(signed char*, signed char*, unsigned long)>:
  400a40:       55                      push   %rbp
  400a41:       48 89 e5                mov    %rsp,%rbp
  400a44:       48 81 e4 e0 ff ff ff    and    [=13=]xffffffffffffffe0,%rsp
  400a4b:       48 83 ec 40             sub    [=13=]x40,%rsp
  400a4f:       48 83 fa 20             cmp    [=13=]x20,%rdx
  400a53:       72 2f                   jb     400a84 <test_broken(signed char*, signed char*, unsigned long)+0x44>
  400a55:       31 c0                   xor    %eax,%eax
  400a57:       66 0f 1f 84 00 00 00    nopw   0x0(%rax,%rax,1)
  400a5e:       00 00 
  400a60:       c5 fc 10 04 06          vmovups (%rsi,%rax,1),%ymm0
  400a65:       c5 f8 29 04 24          vmovaps %xmm0,(%rsp)
  400a6a:       c5 fc 28 04 24          vmovaps (%rsp),%ymm0
  400a6f:       c5 fc 11 04 07          vmovups %ymm0,(%rdi,%rax,1)
  400a74:       48 8d 48 20             lea    0x20(%rax),%rcx
  400a78:       48 83 c0 3f             add    [=13=]x3f,%rax
  400a7c:       48 39 d0                cmp    %rdx,%rax
  400a7f:       48 89 c8                mov    %rcx,%rax
  400a82:       72 dc                   jb     400a60 <test_broken(signed char*, signed char*, unsigned long)+0x20>
  400a84:       48 89 ec                mov    %rbp,%rsp
  400a87:       5d                      pop    %rbp
  400a88:       c5 f8 77                vzeroupper 
  400a8b:       c3                      retq   
  400a8c:       0f 1f 40 00             nopl   0x0(%rax)

为了强调，我将重现关键部分：

  400a60:       c5 fc 10 04 06          vmovups (%rsi,%rax,1),%ymm0
  400a65:       c5 f8 29 04 24          vmovaps %xmm0,(%rsp)
  400a6a:       c5 fc 28 04 24          vmovaps (%rsp),%ymm0
  400a6f:       c5 fc 11 04 07          vmovups %ymm0,(%rdi,%rax,1)

这有点让人头疼。它首先使用我要求的未对齐移动将 256 位加载到 ymm0，然后将 xmm0（仅包含读取数据的低 128 位）存储到堆栈，然后立即读取从刚刚写入的堆栈位置到 ymm0 的 256 位。结果是 ymm0 的高 128 位（写入输出缓冲区）是垃圾，导致测试失败。

除了编译器错误之外，是否有其他充分的理由可以解释为什么会发生这种情况？让 simd_pack 类型保存一个 __m256i 值的数组是否违反了某些规则？这似乎肯定与此有关；如果我将 _val 更改为单个值而不是数组，那么生成的代码将按预期工作。但是，我的应用程序要求 _val 是一个数组（它的长度取决于 C++ 模板参数）。

有什么想法吗？

Answer 1

这是 clang 中的一个错误。它发生在 -O0 的事实是一个很好的线索，表明错误在前端，在这种情况下，它是 x86-64 ABI 实现的一个黑暗角落，与处理包含矢量数组的结构有关正好尺寸 1！

该错误已存在多年，但这是第一次有人遇到它、注意到它并报告它。谢谢！

http://llvm.org/bugs/show_bug.cgi?id=22563

这种带有 __m256 值数组的错误代码生成是 clang 错误吗？

Is this incorrect code generation with arrays of __m256 values a clang bug?

c++

clang

compiler-optimization

avx2