整数 DIV 指令的微指令
uops for integer DIV instruction
我正在查看 Agner Fog 的说明表 here，具体来说，我正在查看沙桥外壳，有一件事引起了我的注意。如果您查看 DIV 指令，您会发现，例如，r64 DIV 指令最多可以解码 56 微指令！我的问题是：这是真的还是我误解了？
这是我什至没有想到的事情。我一直认为 2 个寄存器的整数 division 仅在 1 uop 中解码。并认为那个 uop 被发送到端口 0（例如在 Sandy Bridge）。
我认为这里发生的事情是：uop 被分派到 Port0 并在一些周期后完成。但是，由于流水线，1 div uop（或另一个需要 port0 的 uop）可以在每个周期发送到该端口。但这完全打破了我的计划：56 个不同的 uops 需要在 56 个不同的周期中调度并占用 56 个 ROB 条目以仅执行 1 个整数 division?
并非端口 0 上的实际 divider 单元上的所有这些微指令 运行。似乎只有签名 idiv 是 Skylake 上的许多微指令， div r64 是“仅”33 微指令。也许带符号的 idiv r64 正在采用绝对值来使用较窄的 HW divider 单元进行扩展精度 division，就像您对软件扩展精度所做的那样？ (Why is __int128_t faster than long long on x86-64 GCC?)
而 idiv/div r32 是“仅”10 微指令，可能只有 1 或 2 个需要端口 0 上的实际 divide 单元，其他人在其他端口上做 IDK。请注意 上 Skylake 配置文件结果中显示的 arith.divider_active 的计数 - div r64 的小输入勉强保持实际端口 0 divider 的活动时间超过div r32，但其他开销使其变慢。
FP division 实际上是单 uop，因为 FP div 性能在一些现实世界的算法中很重要。 （特别是一个 divpd 对周围代码的前端吞吐量的影响）。参见 Floating point division vs floating point multiplication
另见 - Ice Lake 改进了 divider 硬件。
另请参阅评论中消除其他误解的讨论。
相关：
- Why is division more expensive than multiplication? division 从根本上说很难流水线化。
我想我读过现代 divider 单元通常由一个迭代的非完全流水线部分构建，然后是 2 个流水线化的 Newton Raphson 步骤。这就是 division 可以在现代 CPU 上部分流水化的方式：只要当前一个可以进入执行单元的 Newton-Raphson 流水线部分，下一个就可以开始。
我正在查看 Agner Fog 的说明表 here，具体来说，我正在查看沙桥外壳，有一件事引起了我的注意。如果您查看 DIV 指令，您会发现，例如，r64 DIV 指令最多可以解码 56 微指令！我的问题是：这是真的还是我误解了？
这是我什至没有想到的事情。我一直认为 2 个寄存器的整数 division 仅在 1 uop 中解码。并认为那个 uop 被发送到端口 0（例如在 Sandy Bridge）。
我认为这里发生的事情是：uop 被分派到 Port0 并在一些周期后完成。但是，由于流水线，1 div uop（或另一个需要 port0 的 uop）可以在每个周期发送到该端口。但这完全打破了我的计划：56 个不同的 uops 需要在 56 个不同的周期中调度并占用 56 个 ROB 条目以仅执行 1 个整数 division?
并非端口 0 上的实际 divider 单元上的所有这些微指令 运行。似乎只有签名 idiv 是 Skylake 上的许多微指令， div r64 是“仅”33 微指令。也许带符号的 idiv r64 正在采用绝对值来使用较窄的 HW divider 单元进行扩展精度 division，就像您对软件扩展精度所做的那样？ (Why is __int128_t faster than long long on x86-64 GCC?)
而 idiv/div r32 是“仅”10 微指令，可能只有 1 或 2 个需要端口 0 上的实际 divide 单元，其他人在其他端口上做 IDK。请注意 arith.divider_active 的计数 - div r64 的小输入勉强保持实际端口 0 divider 的活动时间超过div r32，但其他开销使其变慢。
FP division 实际上是单 uop，因为 FP div 性能在一些现实世界的算法中很重要。 （特别是一个 divpd 对周围代码的前端吞吐量的影响）。参见 Floating point division vs floating point multiplication
另见
另请参阅评论中消除其他误解的讨论。
相关：
- Why is division more expensive than multiplication? division 从根本上说很难流水线化。
我想我读过现代 divider 单元通常由一个迭代的非完全流水线部分构建，然后是 2 个流水线化的 Newton Raphson 步骤。这就是 division 可以在现代 CPU 上部分流水化的方式：只要当前一个可以进入执行单元的 Newton-Raphson 流水线部分，下一个就可以开始。