x64架构下int/uint64_t对应汇编代码性能差异原因咨询

背景与测试代码 #

对应的原始C++代码如下：

for (int i = 1; i <= number; ++i) {
    if (number % i == 0) {
        std::cout << i << std::endl;
    }
}

第一组汇编是将number和i声明为int时由编译器生成的；第二组则是将二者改为uint64_t（改用int64_t结果一致）时生成的。

测试发现：在11代Intel x64机器上，第一组指令执行速度比第二组快70%；在旧款Ivybridge机器上，第一组甚至比第二组快3倍——哪怕测试时number取的是大32位整数（在第二组中被视为64位类型）。

两组汇编指令对比 #

第一组（int版本） #

mov    ebx, 1
cmp    edi, ebx
jl    SHORT $LN3@main
npad    7

$LL4@main:
mov    eax, edi
cdq
idiv    ebx
test    edx, edx
je    SHORT $LN61@main

$LN2@main:
inc    ebx
cmp    ebx, edi
jle    SHORT $LL4@main

$LN3@main:

第二组（uint64_t/int64_t版本） #

mov    ebx, 1
cmp    rbx, rdi
ja    SHORT $LN3@main
npad    4

$LL4@main:
xor    edx, edx
mov    rax, rdi
div    rbx
test    rdx, rdx
je    SHORT $LN61@main

$LN2@main:
inc    rbx
cmp    rbx, rdi
jbe    SHORT $LL4@main

$LN3@main:

性能差异的核心原因 #

1. 除法指令的硬件效率差距 #

x86-64 CPU的32位和64位除法指令在硬件层面的执行效率天差地别：

• 32位的idiv ebx：在Intel酷睿系列（包括11代和Ivybridge）上，延迟通常在10-14个周期，而且除法执行单元的吞吐量较高，每3-4个周期就能启动一次新的除法操作。
• 64位的div rbx：延迟高达20-40个周期，且吞吐量极低——大部分Intel CPU处理64位除法时，必须等上一次除法完全结束才能启动下一次，没法像32位除法那样并行调度操作。

哪怕测试用的是大32位整数，64位除法指令也会全程按64位宽度执行，完全没法利用32位除法的硬件优化，这是性能差距的核心原因。

2. 寄存器操作的额外开销 #

第二组使用64位寄存器带来了额外开销：

• 循环里的inc rbx、cmp rbx, rdi这类操作，在Ivybridge这类旧CPU上，对比32位寄存器操作会有微小的延迟，循环几万次之后差距就被显著放大。
• 另外，64位无符号除法需要先执行xor edx, edx清空高32位，而32位除法的cdq只是简单扩展符号位，操作更快、延迟更低。

3. 指令对齐的影响 #

第一组里的npad 7是编译器用来把循环体$LL4@main对齐到16字节边界的填充指令，第二组只做了4字节对齐。更严格的指令对齐能减少CPU取指时的缓存停顿，提升循环执行的流畅度，这点在旧CPU上的影响尤其明显。

内容的提问来源于stack exchange，提问作者arsha_ex