如何判断汇编代码执行速度？以字节位反转实现为例

两种实现代码 #

算法实现（纯寄存器操作） #

rev_u8_a:
    movzx   eax, dil
    mov     ecx, 2149582850
    imul    rcx, rax
    movabs  rdx, 36578664720
    and     rdx, rcx
    movabs  rax, 4311810305
    imul    rax, rdx
    shr     rax, 32
    ret

查表实现（内存访问） #

rev_u8_d:
    movzx   eax, dil
    lea     rcx, [rip + .L__unnamed_1]
    movzx   eax, byte ptr [rax + rcx]
    ret

汇编代码执行速度的分析方法 #

分析汇编代码执行速度需要结合现代CPU的核心运行特性，重点关注以下维度：

• 指令延迟与吞吐量：不同指令的单条执行周期（延迟）、单位时间可并行处理的指令数（吞吐量）差异极大，比如乘法指令imul的延迟远高于寄存器移动指令mov。
• 乱序执行与流水线：现代CPU会乱序调度指令并行执行，指令数量多并不等同于总执行周期长。
• 内存缓存命中率：内存访问的延迟差异悬殊，L1缓存命中仅需3-4周期，未命中则可能需要几十到上百周期。

两种实现的速度对比 #

算法实现（rev_u8_a） #

全程无内存访问，执行延迟稳定：

• 核心开销来自两次imul指令（每条延迟约3周期），其余指令可通过乱序执行与乘法操作并行调度。
• 总执行延迟约8-10周期，完全不受缓存状态影响。

查表实现（rev_u8_d） #

依赖256字节的位反转表，速度完全由缓存命中情况决定：

• 缓存命中（表在L1缓存）：内存加载仅需3-4周期，总执行延迟约6周期，比算法实现更快；且表仅256字节，批量处理时几乎不会被挤出L1缓存，吞吐量更高。
• 缓存未命中：内存加载延迟暴涨至几十到上百周期，此时执行速度远慢于算法实现。

结论 #

• 若批量处理大量字节，查表实现的缓存命中率接近100%，此时查表实现更快、吞吐量更高。
• 若零散调用且表未被缓存，算法实现的稳定低延迟更有优势。

内容的提问来源于stack exchange，提问作者user1002430