Clang生成AVX-512掩码内在函数代码的性能问题及解决方法求助

问题描述 #

我发现Clang多次忽略AVX-512掩码内在函数的文档指令，转而生成更慢的指令序列，这严重削弱了程序员对代码的控制权——否则使用内在函数的意义何在？

我遇到一个极端案例，Clang生成的代码相比GCC慢了3倍。预期生成的汇编如下：

avx512_low_insert:
        vptestnmq       %zmm0, %zmm0, %k0
        movl    $1, %eax
        kmovb   %eax, %k2
        knotb   %k0, %k1
        kaddb   %k2, %k1, %k1
        kandb   %k1, %k0, %k1
        vpbroadcastq    %rdi, %zmm0 {%k1}

但使用当前版本（撰写时为Clang 16.x）实际生成的却是效率低得多的代码：

avx512_low_insert:
        vptestmq        %zmm0, %zmm0, %k0
        movb    $1, %al
        kmovd   %eax, %k1
        kaddb   %k1, %k0, %k1
        vptestnmq       %zmm0, %zmm0, %k1 {%k1}
        vpbroadcastq    %rdi, %zmm0 {%k1}

Clang本质上无视了我指定的内在函数，替换成了自身的低效实现。请问除了手写内联汇编外，有没有办法让Clang按照预期生成代码？

可行解决方案 #

• 利用__builtin_assume约束优化逻辑：在关键代码段前添加对掩码属性的假设，明确告知编译器你的掩码操作逻辑是最优选择，阻止它重写内在函数序列。例如针对掩码的特定状态添加假设，让编译器无法通过重写来“优化”你的代码。
• 调整编译优化级别：尝试降低优化级别（如使用-O1而非-O3），减少Clang对内在函数的激进重写。但此方法可能影响整体代码性能，需要根据实际场景权衡。
• 禁用特定内在函数的内置优化：使用-fno-builtin-<intrinsic-name>形式的编译选项，针对你使用的AVX-512掩码内在函数，阻止Clang替换其实现。需查阅Clang文档确认目标内在函数的具体名称。
• 封装代码为非内联函数：将使用AVX-512内在函数的逻辑封装到独立函数中，并添加__attribute__((noinline))属性，避免编译器跨函数优化时修改你的内在函数调用逻辑。
• 升级Clang版本：LLVM团队持续优化AVX-512支持，新版本（如Clang 17及以上）可能已修复此类错误的内在函数替换问题。

若上述方法均无效，建议向LLVM项目提交Bug报告，附上你的测试用例、预期与实际汇编的对比，帮助开发者定位并修复该优化逻辑缺陷。

内容的提问来源于stack exchange，提问作者inopinatus