CPU 特性探测与优化（CPUID & Optimization）

CPUID 指令

cpuid 根据 %eax（有时 %ecx）的功能号返回处理器信息。结果在 %eax %ebx %ecx %edx。常用功能号：

检测 SSE/AVX 是否可用

# 检测 AVX（CPUID leaf 1，ECX bit 28）
movl $1, %eax
cpuid
btl  $28, %ecx          # AVX 支持？
jc   has_avx

# 检测 AVX2（leaf 7, ebx bit 5）
movl $7, %eax
xorl %ecx, %ecx
cpuid
btl  $5, %ebx
jc   has_avx2

注意：使用 AVX 前还需检查 OS 是否启用 YMM 状态保存（XCR0 中 SSE/AVX 位），否则执行 AVX 指令会 #UD：

# 检查 XCR0（用 xgetbv 读扩展控制寄存器）
xorl %ecx, %ecx
xgetbv                  # edx:eax = XCR0
andl $6, %eax           # bit1 = SSE 状态, bit2 = AVX 状态
cmpl $6, %eax
jne  no_avx             # OS 未启用

实际库函数（如 glibc 的 CPU 特性检测）会完整检测，一般不需要手写。

关键特性位（leaf 1）

性能优化要点

1. 减少内存访问：把热数据放寄存器；利用 %r8–%r15 等额外寄存器避免频繁 load/store。
2. 指令级并行：现代 CPU 乱序执行，独立指令链越多吞吐越高；避免长依赖链（如循环累加可展开成 4 路）。
3. 避免流水线停顿：
   • div/idiv 延迟高（~20-100 周期），用乘法+shift 替代或预计算倒数。
   • 分支预测失败代价高，用条件传送 cmov 或无分支技巧。
4. 对齐热循环与数据：代码 16/32 字节对齐（-falign-loops），SIMD 数据 16/32 字节对齐。
5. SIMD 化：能用 addps/vaddps 一次处理 4/8 个元素就别用标量循环。
6. 栈对齐：保持 16 字节对齐，避免 movaps 在栈上触发异常。
7. rep movs/rep stos：大块拷贝/清零交给 CPU 微码最优化。
8. 宏融合（macro-fusion）：某些 cmp/test + 相邻条件跳转可被融为单微操作，注意把比较紧挨跳转。
9. 避免部分寄存器停顿：写 8/16 位子寄存器后立即读整个 64 位寄存器会产生停顿，用 movzbl/movzwl 零扩展替代直接写 %al/%ax。
10. 零扩展优先于 32 位拷贝：需要清零整个寄存器时，xorl %eax, %eax 比 movl $0, %eax 短，两者都比 movq $0, %rax 好。

循环展开示例

# 普通累加 4 个元素（未展开）
    xorq %rax, %rax
    movq $0, %rcx
1:  addq (%rdi,%rcx,8), %rax
    incq %rcx
    cmpq %rdx, %rcx
    jl   1b

# 4 路展开（减少分支与循环开销；假定 n 是 4 的倍数，余数需单独循环处理）
    xorq %rax, %rax
    xorq %rcx, %rcx
    shrq $2, %rdx              # 次数/4
1:  addq (%rdi,%rcx,8),   %rax
    addq 8(%rdi,%rcx,8),  %rax
    addq 16(%rdi,%rcx,8), %rax
    addq 24(%rdi,%rcx,8), %rax
    addq $4, %rcx
    cmpq %rdx, %rcx
    jl   1b

无分支绝对值（avoid branch）

# rax = |rdi|
    movq  %rdi, %rax
    movq  %rdi, %rcx
    sarq  $63, %rcx       # rcx = 符号位掩码（全0或全1）
    xorq  %rcx, %rax
    subq  %rcx, %rax      # rax = (rdi ^ mask) - mask

读取时间戳（性能计时）

rdtsc                    # EDX:EAX = 64 位 TSC 计数（需序列化避免乱序）
lfence                  # 常配合 rdtsc/rdtscp 隔离
rdtscp                  # 含处理器 ID，且序列化