Компилятор С-С++ на базе LLVM для мультиклеточных процессоров: быть или не быть?

в 10:47, , рубрики: C, LLVM, multiclet, Компиляторы, мультиклет, мультиклеточные процессоры, программирование микроконтроллеров, метки:

Компилятор С-С++ на базе LLVM для мультиклеточных процессоров: быть или не быть? - 1

Пытливый читатель наверняка уже знаком с принципиально новой архитектурой процессоров — мультиклеточной; а если не знает, сможет бегло ознакомиться в нашей статье. Архитектура настолько непохожа на традиционные, что создание компилятора привычных языков программирования становится проблемой, с которой разработчики безуспешно борются многие годы.

Немного истории

С начала основания компании "Мультиклет" в 2010 велась разработка нескольких типов компиляторов для мультиклеточной архитектуры:

  1. С первым процессором Multiclet P1 в 2012 году был разработан в составе программного обеспечения компилятор С89 на базе LCC. Одновременно велась разработка первого варианта собственного компилятора, приостановленная ввиду изначально сложного нереализуемого замысла.
    Как уже неоднократно указывалось во многих статьях на данную тему, а также признавалось самими разработчиками компании, компилятор на базе LCC имеет ряд существенных недостатков: поддержка лишь языка С89, отсутствие каких-либо оптимизаций.
    Впоследствии данный компилятор был адаптирован для поддержки нового процессора Multiclet R1 (2015 г.), система команд которого была значительно расширена, но компилятор этого не учитывал.
    Принимая во внимание эти недостатки, руководство компании в 2012 году собрало группу программистов, которым была поставлена задача разработать новый компилятор С99, лишённый указанных недостатков.
  2. Изучив имеющиеся компиляторы (фреймворки для разработки компиляторов) с открытым исходным кодом (GCC и LLVM), было вынесено спорное и категоричное решение: ничего из имеющегося на сегодняшний день для мультиклеточной архитектуры не подходит и необходимо разрабатывать практически с нуля второй вариант своего компилятора.
    Компилятор С-С++ на базе LLVM для мультиклеточных процессоров: быть или не быть? - 2И начались три года разработки, которые закончились осенью 2015 года тем, что разработка собственного компилятора была вновь отложена по финансовым соображениям. Требуемые ресурсы превысили финансовые возможности, что при отсутствии какой-либо грантовой или бюджетной поддержки не позволило отвлекать ресурсы на теоретические работы.
  3. Той же осенью 2015 года было принято решение попробовать разработать компилятор для процессора Multiclet R1 на базе фреймворка LLVM. И вот группа разработчиков в двинулась по этому интересному и захватывающему пути.

Немного деталей

Основная работа заключалась в написании бэкенда компилятора, который
преобразует промежуточное представление LLVM в ассемблерный код для
мультиклеточного процессора Multiclet R1. Это значит, что уже можно пробовать компилировать программы, написанные на любом LLVM языке, надо только указать, чтобы их компиляторы на выходе давали LLVM IR биткод или ассемблер. Затем получившийся файл подавать на вход данного бэкенда.

Компилятор С-С++ на базе LLVM для мультиклеточных процессоров: быть или не быть? - 3

В общих словах при разработке бекенда были выполнены следующие действия:

  1. Описание целевой архитектуры с использованием абстрактных интерфейсов, а также специализированного языка TableGen, предназначенного для описания общей информации, используемой в LLVM на разных стадиях компиляции (*.td файлы)
    1.1. Описание характеристик целевой машины (производный класс от TargetMachine, DataLayout, Multiclet.td)
    1.2. Описание набора регистров целевой машины, (производный класс от TargetRegisterInfo, MulticletRegisterInfo.td). На данном этапе сразу проявилась ориентированность фреймворка LLVM на генерацию кода для регистровых машин, к которым по сути мультиклеточные процессоры не относятся. Встал вопрос как описать коммутатор, используемый для обмена результатами между инструкциями. После непродолжительных размышлений было принято решение считать ячейки коммутатора регистрами с ограниченным временем жизни, т. е. значения таких регистров актуальны только в пределах одного базового блока, который в свою очередь является параграфом, и, более того, их актуальность в пределах одного базового блока зависит от области видимости результатов, предоставляемой коммутатором. Забегая вперёд, можно сразу сказать, что подобное решение приводит к необходимость писать свой аллокатор регистров.
    1.3. Описание набора инструкций, поддерживаемых целевой машиной (производный класс от TargetInstrInfo, MulticletTargetInstrFormats.td, MulticletTargetInstrInfo.td)
  2. Описание процесса выборки и преобразования инструкций промежуточного представления LLVM IR, представленного в виде направленного ациклического графа (DAG), в соответствующие инструкции, явно поддерживаемые целевой машиной (производный класс от TargetLowering, производный класс от SelectionDAGISel). При реализации данного этапа выявилась необходимость специальной обработки инструкций, которые отображаются в инструкции setXX целевой машины. Дело в том, что инструкции setXX установки значения регистра (НЕ ячейки коммутатора) фактически выполняются по завершению параграфа, т. е., в предположении, что параграф есть базовый блок, по завершению базового блока, поэтому данные инструкции должны разбивать базовый блок. Данное поведение было реализовано при помощи специальных обработчиков (Instruction Emitting Hooks), которые вызываются при генерации инструкции, класса TargetLowering, в частности EmitInstrWithCustomInserter.
  3. Далее, непосредственно перед аллокацией регистров, было добавлено два прохода, которые отражают специфику мультиклеточной архитектуры:
    3.1. Анализ и модификация инструкций передачи управления. Дело в том, что в мультиклеточной архитектуре фактически имеются лишь инструкции установки адреса следующего выполняемого параграфа (хотя они и названы, весьма неудачно, jmp и jXX), а сама передача управления осуществляется по окончанию текущего параграфа. Поэтому на данном проходе, во-первых, в базовый блок, в котором отсутствует инструкция передачи управления (в этом случае предполагается, что выполняется следующий расположенный в памяти базовый блок), добавляется инструкция безусловной передачи управления на следующий базовый блок, а во-вторых, в базовом блоке, в котором имеется одна условная инструкция передачи управления, непосредственно за которой следует одна безусловная инструкция передачи управления, безусловная инструкция передачи управления заменяется на условную инструкцию передачи управления с противоположным условием.
    3.2. Анализ инструкций чтения из памяти и записи в память. Так как в мультиклеточной архитектуре выполнение инструкций неупорядоченно, то в одном базовом блоке в общем случае недопустимо выполнение двух инструкций записи по одному и тому же адресу, а также выполнение инструкции чтения по адресу, по которому ранее могла быть (а могла ещё и не быть) выполнена инструкция записи.
  4. Фреймворк LLVM предоставляет следующий набор аллокаторов регистров: fast, basic, greedy, pbqp. В виду особенностей (наличие коммутатора) мультиклеточной архитектуры из представленных выше аллокаторов правильный ассемблерный код может быть сгенерирован только при использовании fast аллокатора, который распределяет регистры на уровне базовых блоков, что в рамках принятой концепции "базовый блок есть параграф" и необходимо. Так как fast аллокатор является аллокатором по умолчанию для сборок с поддержкой возможности отладки, он не осуществляет никаких оптимизаций. Для устранения данного факта был разработан свой собственный аллокатор multiclet, который также содержит некоторые дополнительные архитектурно-зависимые оптимизации.
  5. Реализация вставки пролога/эпилога функции (производный класс от TargetFrameLowering).
  6. Далее, непосредственно перед выводом ассемблерного кода, было добавлено два прохода, которые отражают специфику мультиклеточной архитектуры:
    6.1. Оптимизация расположения инструкций передачи управления. Так как в мультиклеточной архитектуре инструкции передачи управления фактически являются инструкциями установки адреса, по которому по окончании базового блока (параграфа) будет необходимо передать управление, то на данном проходе мы перемещаем такие инструкции (по возможности) как можно ближе к началу базового блока.
    6.2. Устранение ссылок на результаты ранее выполненных инструкций, которые выходят за границу области видимости результатов, предоставляемых коммутатором.
    На сегодняшний день данный проход выполняет очень простую обработку подобных ссылок, которая заключается в добавлении инструкции move в необходимую позицию последовательности инструкций. В некоторых случаях такая тривиальная обработка может закончиться неудачно, что приведёт к аварийному завершению программы (компилятора).
  7. Реализация прохода эмиссии кода (вывода ассемблерного кода).

Набор изменений, внесённых во фронтенд, был значительно меньше: добавлена мультиклеточная архитектура в качестве поддерживаемой целевой машины.

В результате проведённой работы был заложен хороший фундамент для развития компилятора для мультиклеточных процессоров на базе LLVM. Другими словами, разработка данного компилятора находится чуть дальше начальной стадии, о чём свидетельствует следующий неполный список недоработок текущей версии компилятора:

  1. Отсутствует полноценная поддержка 64-х разрядной целочисленной арифметики.
  2. отсутствует поддержка векторных инструкций, которые в ограниченном наборе поддерживаются процессором Multiclet R1.
  3. Архитектурно-зависимые оптимизации на стороне бэкенда находятся в зачаточном состоянии (реализованы лишь очевидные оптимизации).
  4. Компилятор не учитывает всех возможных аппаратных ошибок процессора Multiclet R1 (вообще учёт и обход таких ошибок хочется сделать на стороне ассемблера, чтобы компилятор верхнего уровня был, по возможности, освобождён от решения данной задачи, а также не повторять один и тот же код в различных компиляторах верхнего уровня, если таковых имеется несколько (у нас есть компилятор C89 на базе lcc)).
  5. Отсутствует стандартная библиотека языка C, математическая библиотека и др.
  6. Отсутствует возможность генерации позиционно независимого кода (-fPIC), весь генерируемый код является статическим.
  7. Отсутствует генерация отладочной информации.
  8. Реакция компилятора на использование в исходном коде программы атрибутов (attribute) и ассемблерных вставок не известна, так как тесты такого кода не проводились (возможно в некоторых случаях произойдёт аварийное завершение работы компилятора).

Представленный компилятор можно скачать на официальном сайте компании здесь.
Задать все вопросы можно на форуме.

О текущих результатах

С помощью текущей версии компилятора были скомпилированы различные короткие программы на языке C, которые были в основном использованы для тестирования, A Lightweight TCP/IP stack версии 1.4.1, тест Coremark.

Результат выполнения теста Coremark для Multiclet R1 составляет 0.56 Coremark/MHz, что почти в два раза лучше, чем тест Coremark, для компиляции которого использовался компилятор
C89 на базе LCC.

Конечно, результат 0.56 Coremark/MHz ещё далёк от желаемых 2-3 единиц. Во-первых, это связано с отсутствием хороших архитектурно-зависимых оптимизаций в представленной версии компилятора, и, во-вторых, с неоптимальностью некоторых
аппаратных блоков данной конкретной реализации процессора Multiclet R1, которые плохо адаптированы для выполнения последовательных (плохо распараллеливаемых) алгоритмов, которых в Coremark не так уж и мало.

Сравнительная таблица показателей CoreMark

Multiclet P1 (lcc compiler) Multiclet R1 (lcc compiler) Multiclet R1 (llvm compiler) 985BE91T Миландр ARM Cortex-M3 STM32F4x ARM Cortex-M4 RX62N Renesas WIPS proAptive RTL FPGA prototype Intel Core i7-2760QM CPU@2.40GHz
Тактовая частота, МГц 80 100 100 80 168 100 31 2400
Общий показатель CoreMark 24.49 24.95 56.45 117.6 501.85 311.54 137.10 85151.68
CoreMark/MHz 0.31 0.25 0.56 1.47 2.98 3.12 4.42 35.48

Для оценки архитектур параллельных процессоров более целесообразно использование ассемблерных программ, учитывающих все особенности архитектуры и реализующих параллельные алгоритмы. Рассмотрим пару примеров.

Пример реализации на ассемблере алгоритма подсчёта популяции единичных бит в 512-ти разрядном операнде, быстродействие которого на процессоре Multiclet R1 сравнимо с аналогичным показателем на процессоре Intel Core i7.

Реализация на ассемблере

.data

.p2align 3
work_result:
  .space 8, 0

tmp:
  .long 0

.text

.alias value1   GPR0
.alias value2   GPR1
.alias value3   GPR2
.alias value4   GPR3
.alias value5   GPR4
.alias value6   GPR5
.alias value7   GPR6
.alias value8   GPR7
.alias result   IR0

init:
              jmp init_timer
              setl #result, 0x0

  b1       := getb 0x0
  b2       := getb @b1 + 1
  b3       := getb @b1 + 2
  b4       := getb @b1 + 3
  b5       := getb @b1 + 4
  b6       := getb @b1 + 5
  b7       := getb @b1 + 6
  b8       := getb @b1 + 7

  s2       := slll @b2, 8
  s3       := slll @b3, 16
  s4       := slll @b4, 24 
  s6       := slll @b6, 8
  s7       := slll @b7, 16
  s8       := slll @b8, 24

  v1       := andl @b1, 0x000000FF
  v2       := andl @s2, 0x0000FF00
  v3       := andl @s3, 0x00FF0000
  v4       := andl @s4, 0xFF000000 
  v5       := andl @b5, 0x000000FF 
  v6       := andl @s6, 0x0000FF00
  v7       := andl @s7, 0x00FF0000
  v8       := andl @s8, 0xFF000000

  r1_16    := orl @v1, @v2
  r2_16    := orl @v3, @v4
  r3_16    := orl @v5, @v6
  r4_16    := orl @v7, @v8

  r1_32    := orl @r1_16, @r2_16
  r2_32    := orl @r3_16, @r4_16

  r64      := patch @r1_32, @r2_32

              setq #value1, @r64     
              setq #value2, @r64
              setq #value3, @r64
              setq #value4, @r64
              setq #value5, @r64
              setq #value6, @r64
              setq #value7, @r64
              setq #value8, @r64
complete

init_timer:
              jmp init_timer_2
              wrl @0, 0xC0010018; TIM0_CR0
complete

init_timer_2:
              jmp init_timer_3
              getl 10 - 1
              getl 0xFFFFFFFF
              wrl @2, 0xC0010004; TIM0_PSCPER
              wrl @2, 0xC0010014; TIM0_CNTPER0
complete

init_timer_3:
              getl 0x03
              wrl @1, 0xC0010018; TIM0_CR0
              jmp start_popcnt512
complete

start_popcnt512:
              jmp new_popcnt512_reg
              rdl 0xC0010010; TIM0_CNTVAL0
              wrdl @1, tmp
complete

new_popcnt512_reg:
  val1     := getl #value1
  val2     := getl #value2
  val3     := getl #value3
  val4     := getl #value4

  val5     := getl #value5
  val6     := getl #value6
  val7     := getl #value7
  val8     := getl #value8

  val9     := pack @0, #value1
  val10    := pack @0, #value2
  val11    := pack @0, #value3
  val12    := pack @0, #value4

  val13    := pack @0, #value5
  val14    := pack @0, #value6
  val15    := pack @0, #value7
  val16    := pack @0, #value8

  s1_1     := slrl @val1,  1
  s1_2     := slrl @val2,  1
  s1_3     := slrl @val3,  1
  s1_4     := slrl @val4,  1

  s1_5     := slrl @val5,  1 
  s1_6     := slrl @val6,  1 
  s1_7     := slrl @val7,  1 
  s1_8     := slrl @val8,  1

  s1_9     := slrl @val9,  1
  s1_10    := slrl @val10, 1
  s1_11    := slrl @val11, 1
  s1_12    := slrl @val12, 1

  s1_13    := slrl @val13, 1 
  s1_14    := slrl @val14, 1
  s1_15    := slrl @val15, 1
  s1_16    := slrl @val16, 1

  s2_1     := andl @s1_1,  0x55555555
  s2_2     := andl @s1_2,  0x55555555
  s2_3     := andl @s1_3,  0x55555555
  s2_4     := andl @s1_4,  0x55555555

  s2_5     := andl @s1_5,  0x55555555
  s2_6     := andl @s1_6,  0x55555555
  s2_7     := andl @s1_7,  0x55555555
  s2_8     := andl @s1_8,  0x55555555

  s2_9     := andl @s1_9,  0x55555555 
  s2_10    := andl @s1_10, 0x55555555
  s2_11    := andl @s1_11, 0x55555555 
  s2_12    := andl @s1_12, 0x55555555

  s2_13    := andl @s1_13, 0x55555555 
  s2_14    := andl @s1_14, 0x55555555
  s2_15    := andl @s1_15, 0x55555555
  s2_16    := andl @s1_16, 0x55555555

  s3_1     := subl @val1,  @s2_1
  s3_2     := subl @val2,  @s2_2
  s3_3     := subl @val3,  @s2_3
  s3_4     := subl @val4,  @s2_4

  s3_5     := subl @val5,  @s2_5
  s3_6     := subl @val6,  @s2_6
  s3_7     := subl @val7,  @s2_7
  s3_8     := subl @val8,  @s2_8

  s3_9     := subl @val9,  @s2_9
  s3_10    := subl @val10, @s2_10
  s3_11    := subl @val11, @s2_11
  s3_12    := subl @val12, @s2_12

  s3_13    := subl @val13, @s2_13
  s3_14    := subl @val14, @s2_14
  s3_15    := subl @val15, @s2_15
  s3_16    := subl @val16, @s2_16

  s4_1     := andl @s3_1,  0x33333333
  s4_2     := andl @s3_2,  0x33333333
  s4_3     := andl @s3_3,  0x33333333
  s4_4     := andl @s3_4,  0x33333333

  s4_5     := andl @s3_5,  0x33333333
  s4_6     := andl @s3_6,  0x33333333
  s4_7     := andl @s3_7,  0x33333333
  s4_8     := andl @s3_8,  0x33333333

  s4_9     := andl @s3_9,  0x33333333
  s4_10    := andl @s3_10, 0x33333333
  s4_11    := andl @s3_11, 0x33333333
  s4_12    := andl @s3_12, 0x33333333

  s4_13    := andl @s3_13, 0x33333333
  s4_14    := andl @s3_14, 0x33333333
  s4_15    := andl @s3_15, 0x33333333
  s4_16    := andl @s3_16, 0x33333333  

  s5_1     := slrl @s3_1,  2
  s5_2     := slrl @s3_2,  2
  s5_3     := slrl @s3_3,  2
  s5_4     := slrl @s3_4,  2

  s5_5     := slrl @s3_5,  2
  s5_6     := slrl @s3_6,  2
  s5_7     := slrl @s3_7,  2
  s5_8     := slrl @s3_8,  2

  s5_9     := slrl @s3_9,  2
  s5_10    := slrl @s3_10, 2
  s5_11    := slrl @s3_11, 2
  s5_12    := slrl @s3_12, 2

  s5_13    := slrl @s3_13, 2
  s5_14    := slrl @s3_14, 2
  s5_15    := slrl @s3_15, 2
  s5_16    := slrl @s3_16, 2

  s6_1     := andl @s5_1,  0x33333333
  s6_2     := andl @s5_2,  0x33333333
  s6_3     := andl @s5_3,  0x33333333
  s6_4     := andl @s5_4,  0x33333333

  s6_5     := andl @s5_5,  0x33333333
  s6_6     := andl @s5_6,  0x33333333
  s6_7     := andl @s5_7,  0x33333333
  s6_8     := andl @s5_8,  0x33333333

  s6_9     := andl @s5_9,  0x33333333
  s6_10    := andl @s5_10, 0x33333333
  s6_11    := andl @s5_11, 0x33333333
  s6_12    := andl @s5_12, 0x33333333

  s6_13    := andl @s5_13, 0x33333333
  s6_14    := andl @s5_14, 0x33333333
  s6_15    := andl @s5_15, 0x33333333
  s6_16    := andl @s5_16, 0x33333333 

  s7_1     := addl @s4_1,  @s6_1
  s7_2     := addl @s4_2,  @s6_2
  s7_3     := addl @s4_3,  @s6_3
  s7_4     := addl @s4_4,  @s6_4

  s7_5     := addl @s4_5,  @s6_5
  s7_6     := addl @s4_6,  @s6_6
  s7_7     := addl @s4_7,  @s6_7
  s7_8     := addl @s4_8,  @s6_8

  s7_9     := addl @s4_9,  @s6_9
  s7_10    := addl @s4_10, @s6_10
  s7_11    := addl @s4_11, @s6_11
  s7_12    := addl @s4_12, @s6_12

  s7_13    := addl @s4_13, @s6_13
  s7_14    := addl @s4_14, @s6_14
  s7_15    := addl @s4_15, @s6_15
  s7_16    := addl @s4_16, @s6_16

  s8_1     := slrl @s7_1,  4
  s8_2     := slrl @s7_2,  4
  s8_3     := slrl @s7_3,  4
  s8_4     := slrl @s7_4,  4

  s8_5     := slrl @s7_5,  4
  s8_6     := slrl @s7_6,  4
  s8_7     := slrl @s7_7,  4
  s8_8     := slrl @s7_8,  4

  s8_9     := slrl @s7_9,  4
  s8_10    := slrl @s7_10, 4
  s8_11    := slrl @s7_11, 4
  s8_12    := slrl @s7_12, 4

  s8_13    := slrl @s7_13, 4
  s8_14    := slrl @s7_14, 4
  s8_15    := slrl @s7_15, 4
  s8_16    := slrl @s7_16, 4

  s9_1     := addl @s7_1,  @s8_1
  s9_2     := addl @s7_2,  @s8_2
  s9_3     := addl @s7_3,  @s8_3
  s9_4     := addl @s7_4,  @s8_4

  s9_5     := addl @s7_5,  @s8_5
  s9_6     := addl @s7_6,  @s8_6
  s9_7     := addl @s7_7,  @s8_7
  s9_8     := addl @s7_8,  @s8_8

  s9_9     := addl @s7_9,  @s8_9
  s9_10    := addl @s7_10, @s8_10
  s9_11    := addl @s7_11, @s8_11
  s9_12    := addl @s7_12, @s8_12

  s9_13    := addl @s7_13, @s8_13
  s9_14    := addl @s7_14, @s8_14
  s9_15    := addl @s7_15, @s8_15
  s9_16    := addl @s7_16, @s8_16

  s10_1    := andl @s9_1,  0xF0F0F0F
  s10_2    := andl @s9_2,  0xF0F0F0F
  s10_3    := andl @s9_3,  0xF0F0F0F
  s10_4    := andl @s9_4,  0xF0F0F0F

  s10_5    := andl @s9_5,  0xF0F0F0F
  s10_6    := andl @s9_6,  0xF0F0F0F
  s10_7    := andl @s9_7,  0xF0F0F0F
  s10_8    := andl @s9_8,  0xF0F0F0F

  s10_9    := andl @s9_9,  0xF0F0F0F
  s10_10   := andl @s9_10, 0xF0F0F0F
  s10_11   := andl @s9_11, 0xF0F0F0F
  s10_12   := andl @s9_12, 0xF0F0F0F

  s10_13   := andl @s9_13, 0xF0F0F0F
  s10_14   := andl @s9_14, 0xF0F0F0F
  s10_15   := andl @s9_15, 0xF0F0F0F
  s10_16   := andl @s9_16, 0xF0F0F0F

  s11_1    := mull @s10_1,  0x1010101
  s11_2    := mull @s10_2,  0x1010101
  s11_3    := mull @s10_3,  0x1010101
  s11_4    := mull @s10_4,  0x1010101

  s11_5    := mull @s10_5,  0x1010101
  s11_6    := mull @s10_6,  0x1010101
  s11_7    := mull @s10_7,  0x1010101
  s11_8    := mull @s10_8,  0x1010101

  s11_9    := mull @s10_9,  0x1010101
  s11_10   := mull @s10_10, 0x1010101
  s11_11   := mull @s10_11, 0x1010101
  s11_12   := mull @s10_12, 0x1010101

  s11_13   := mull @s10_13, 0x1010101
  s11_14   := mull @s10_14, 0x1010101
  s11_15   := mull @s10_15, 0x1010101
  s11_16   := mull @s10_16, 0x1010101

  s12_1    := slrl @s11_1,  24
  s12_2    := slrl @s11_2,  24
  s12_3    := slrl @s11_3,  24
  s12_4    := slrl @s11_4,  24

  s12_5    := slrl @s11_5,  24  
  s12_6    := slrl @s11_6,  24
  s12_7    := slrl @s11_7,  24
  s12_8    := slrl @s11_8,  24

  s12_9    := slrl @s11_9,  24
  s12_10   := slrl @s11_10, 24
  s12_11   := slrl @s11_11, 24
  s12_12   := slrl @s11_12, 24

  s12_13   := slrl @s11_13, 24
  s12_14   := slrl @s11_14, 24
  s12_15   := slrl @s11_15, 24
  s12_16   := slrl @s11_16, 24

  sum1     := addl @s12_1,  @s12_2
  sum2     := addl @s12_3,  @s12_4
  sum3     := addl @s12_5,  @s12_6
  sum4     := addl @s12_7,  @s12_8

  sum5     := addl @s12_9,  @s12_10
  sum6     := addl @s12_11, @s12_12
  sum7     := addl @s12_13, @s12_14
  sum8     := addl @s12_15, @s12_16 

  sum9     := addl @sum1,  @sum2
  sum10    := addl @sum3,  @sum4
  sum11    := addl @sum5,  @sum6
  sum12    := addl @sum7,  @sum8

  sum13    := addl @sum9,  @sum10
  sum14    := addl @sum11, @sum12
  sum15    := addl @sum13, @sum14

              setl #result, @sum15
              jmp stop_popcnt512  
complete

stop_popcnt512:
              jmp save_result
              rdl 0xC0010010; TIM0_CNTVAL0
              rdl tmp
              subl @1, @2

              wrdl @1, work_result
complete

save_result:
              jmp uart_init
              getl #result
              wrdl @1, work_result + 4
complete

uart_init:
              jmp uart_print
  altport  := getl 0xFFFFFFFF
  control  := getl 0x00000003; rx, tx enable
  bitrate  := getl 0x34;

              wrdl @control, 0xC0000108
              wrdl @altport, 0xC00F0218
              wrdl @bitrate, 0xC000010C
              setl #GPR0, 8
complete

uart_print:
  count    := getl #GPR0
              je @count, stop
              jne @count, uart_wait
              setl #GPR0, #GPR0, -1
complete

uart_wait:
  st       := rddl 0xC0000104
              andl @st, 2
              je @1, uart_wait
              jne @2, uart_print_data                
complete

uart_print_data:
              jmp uart_print
  data     := rdq work_result
  n_data   := slrq @data, 8
              wrq @n_data, work_result
              wrdb @data, 0xC0000100
complete

stop:
              getl 0x0
complete

Данная реализация выполняет указанный алгоритм примерно за 90 тактов.

Для сравнения рассмотрим эквивалентный код на языке C

Реализация на языке C (файл test_popcnt.c)

#include "timer.h"
#include "mc-stdio.h"
#include "serial.h"

#define B1  0
#define B2  1
#define B3  2
#define B4  3
#define B5  4
#define B6  5
#define B7  6
#define B8  7

unsigned int countBits(unsigned int x)
{
  x  = x - ((x >> 1) & 0x55555555);
  x  = (x & 0x33333333) + ((x >> 2) & 0x33333333);
  x  = x + (x >> 4);
  x &= 0xF0F0F0F;
  return (x * 0x01010101) >> 24;
}

void init(unsigned int *v, int cnt)
{
  unsigned int v1 = ((B1 & 0xFF) << 0) | ((B2 & 0xFF) << 8)
                               | ((B3 & 0xFF) << 16) | ((B4 & 0xFF) << 24);
  unsigned int v2 = ((B5 & 0xFF) << 0) | ((B6 & 0xFF) << 8)
                               | ((B7 & 0xFF) << 16) | ((B8 & 0xFF) << 24);
  for (int i = 0; i < cnt; i += 2)
  {
    v[i] = v1;
    v[i+1] = v2;
  }
}

#define SIZE    16
int main(int argc, char *argv[])
{
  init_system_timer(TIM0, 0x03, 0xffffffff, 10);
  SER_init();

  unsigned int res = 0;
  unsigned int v[SIZE];
  init(v, SIZE);

  uint32_t start = get_system_ticks(TIM0);
  for (int i = 0; i < SIZE; ++i)
    res += countBits(v[i]);
  uint32_t stop = get_system_ticks(TIM0);
  mc_uprintf(0, "ticks count = 0x%Xnbits_count = %u", start - stop, res);
  return res;
}

Для компиляции необходимо выполнить следующую команду:

clang -target multiclet -O2 -S test_popcnt.c -o test_popcnt.s -I<PATH_TO_INCL_DIR>

В результате будет получен следующий ассемблерный код

    .text
    .file   "test_popcnt.c"
    .globl  countBits
    .type   countBits,@function

countBits:
    SR2 :=  rdl #IR7, 4
    SR3 :=  rdl #IR7
            jmp @SR3
    SR4 :=  slrl @SR2, 1
    SR5 :=  andl @SR4, 1431655765
    SR4 :=  subsl @SR2, @SR5
    SR2 :=  andl @SR4, 858993459
    SR5 :=  slrl @SR4, 2
    SR4 :=  andl @SR5, 858993459
    SR5 :=  addsl @SR4, @SR2
    SR2 :=  slrl @SR5, 4
    SR4 :=  addsl @SR2, @SR5
    SR2 :=  andl @SR4, 252645135
    SR4 :=  mulsl @SR2, 16843009
    SR2 :=  slrl @SR4, 24
            setq #GPR7, @SR2
complete

.Lfunc_end0:
    .size   countBits, .Lfunc_end0-countBits

    .globl  init
    .type   init,@function

init:
            jmp LBB1_1
            setl #IR7, #IR7, -16
complete

LBB1_1:
    SR2 :=  rdl #IR7, 24
    SR3 :=  ltsl @SR2, 1
            je @SR3, LBB1_2
            jne @SR3, LBB1_3
complete

LBB1_2:
            jmp LBB1_4
    SR2 :=  rdl #IR7, 20
    SR3 :=  addsl @SR2, 4
            wrq @SR3, #IR7, 8
            wrq @0, #IR7
complete

LBB1_4:
    SR2 :=  getl 50462976
    SR3 :=  getl 117835012
    SR4 :=  rdl #IR7, 24
    SR5 :=  rdq #IR7
    SR6 :=  rdq #IR7, 8
    SR7 :=  addsl @SR6, -4
            wrl @SR3, @SR6
    SR3 :=  addsl @SR6, 8
    SR6 :=  addsl @SR5, 2
            wrl @SR2, @SR7
    SR2 :=  ltsl @SR6, @SR4
            je @SR2, LBB1_3
            jne @SR2, LBB1_4
            wrq @SR3, #IR7, 8
            wrq @SR6, #IR7
complete

LBB1_3:
    SR2 :=  rdl #IR7, 16
            jmp @SR2
            setl #IR7, #IR7, 16
complete

.Lfunc_end1:
    .size   init, .Lfunc_end1-init

    .globl  main
    .type   main,@function

main:
            jmp LBB2_1
            setl #IR7, #IR7, -128
complete

LBB2_1:
            jmp init_system_timer
    SR2 :=  getl 10
    SR3 :=  getl -1
    SR4 :=  getl 3
    SR5 :=  getl -1073676288
    SR6 :=  getl LBB2_2
            wrl @SR2, #IR7, 16
            wrl @SR3, #IR7, 12
            wrl @SR4, #IR7, 8
            wrl @SR5, #IR7, 4
            wrl @SR6, #IR7
complete

LBB2_2:
            jmp SER_init
    SR2 :=  getl LBB2_3
            wrl @SR2, #IR7
complete

LBB2_3:
            jmp get_system_ticks
    SR2 :=  getl -1073676288
    SR3 :=  getl 50462976
    SR4 :=  getl 117835012
    SR5 :=  getl LBB2_4
            wrl @SR3, #IR7, 64
            wrl @SR4, #IR7, 68
            wrl @SR3, #IR7, 72
            wrl @SR4, #IR7, 76
            wrl @SR3, #IR7, 80
            wrl @SR4, #IR7, 84
            wrl @SR3, #IR7, 88
            wrl @SR4, #IR7, 92
            wrl @SR3, #IR7, 96
            wrl @SR4, #IR7, 100
            wrl @SR3, #IR7, 104
            wrl @SR4, #IR7, 108
            wrl @SR3, #IR7, 112
            wrl @SR4, #IR7, 116
            wrl @SR3, #IR7, 120
            wrl @SR4, #IR7, 124
            wrl @SR2, #IR7, 4
            wrl @SR5, #IR7
complete

LBB2_4:
            jmp LBB2_8
    SR2 :=  getl 4
    SR3 :=  getq #GPR7
    SR4 :=  exal #IR7, 64
            wrq @SR2, #IR7, 56
            wrq @SR2, #IR7, 48
            wrq @SR3, #IR7, 40
            wrq @SR4, #IR7, 24
complete

LBB2_8:
    SR2 :=  rdq #IR7, 24
    SR3 :=  rdq #IR7, 48
    SR4 :=  rdq #IR7, 56
    SR5 :=  addsl @SR2, @SR4
    SR2 :=  addsl @SR4, 4
    SR4 :=  rdl @SR5
    SR5 :=  xorl @SR2, 64
            jne @SR5, LBB2_8
            je @SR5, LBB2_5
            wrq @SR2, #IR7, 56
    SR2 :=  slrl @SR4, 1
    SR6 :=  andl @SR2, 1431655765
    SR2 :=  subsl @SR4, @SR6
    SR4 :=  andl @SR2, 858993459
    SR6 :=  slrl @SR2, 2
    SR2 :=  andl @SR6, 858993459
    SR6 :=  addsl @SR2, @SR4
    SR2 :=  slrl @SR6, 4
    SR4 :=  addsl @SR2, @SR6
    SR2 :=  andl @SR4, 252645135
    SR4 :=  mulsl @SR2, 16843009
    SR2 :=  slrl @SR4, 24
    SR4 :=  addsl @SR2, @SR3
            wrq @SR4, #IR7, 48
            wrq @SR4, #IR7, 32
complete

LBB2_5:
            jmp get_system_ticks
    SR2 :=  getl -1073676288
    SR3 :=  getl LBB2_6
            wrl @SR2, #IR7, 4
            wrl @SR3, #IR7
complete

LBB2_6:
            jmp mc_uprintf
    SR2 :=  rdq #IR7, 40
    SR3 :=  rdq #IR7, 32
    SR4 :=  getq #GPR7
    SR5 :=  getl .L.str
            wrl @0, #IR7, 4
    SR6 :=  getl LBB2_7
    SR7 :=  subsl @SR2, @SR4
            wrl @SR5, #IR7, 8
            wrl @SR3, #IR7, 16
            wrl @SR6, #IR7
            wrl @SR7, #IR7, 12
complete

LBB2_7:
    SR2 :=  rdq #IR7, 32
            setq #GPR7, @SR2
    SR2 :=  rdl #IR7, 128
            jmp @SR2
            setl #IR7, #IR7, 128
complete

.Lfunc_end2:
    .size   main, .Lfunc_end2-main

    .type   .L.str,@object
    .section    .rodata.str1.1,"aMS",@progbits,1
.L.str:
    .asciz  "ticks count = 0x%Xnbits_count = %u"
    .size   .L.str, 35

Данная реализация выполняет указанный алгоритм примерно за 950 тактов, что более, чем в 10 раз хуже ассемблерной версии.

Приведём сводную таблицу результатов (количество тактов на один цикл расчёта 32-х бит)

Алгоритм Multiclet R1 © Multiclet R1 (ASM) Pentium Dual Core 5700 3.0GHz Intel Core i7-4700HQ@2400
BitHacks 59.4 5.0 9.5 4.7

Одним из наиболее презентативных алгоритмов является БПФ. При этом, для исключения технологических факторов, оценка должна проводится в тактах, затрачиваемых на решение данной задачи, также необходимо учитывать количество операций выполняемых за один такт и их особенности (количество данных формируемых  SIMD операцией  может составлять два и более).

Рассмотрим реализацию на ассемблере комплексного БПФ с плавающей запятой одинарной точности на 256 точек.

.alias IRBASE 8
.alias IR0  8
.alias IR1  9
.alias IR2  10
.alias IR3  11
.alias IR4  12

.alias IRMASK01234  ((1 << (IR0 - IRBASE)) | (1 << (IR1 - IRBASE)) 
            | (1 << (IR2 - IRBASE)) | (1 << (IR3 - IRBASE)) 
            | (1 << (IR4 - IRBASE)))
.alias IRMASK04     ((1 << (IR0 - IRBASE)) | (1 << (IR4 - IRBASE)))

.syntax V1

.data

ticks:
    .long 0

.align 8
W:
;   Re(z),              Im(z)
 .float
    0f1.000000000000000000000000,   0f-0.000000000000000000000000,
    0f0.999698817729949951171875,   0f-0.024541229009628295898438,
    0f0.998795449733734130859375,   0f-0.049067676067352294921875,
    0f0.997290432453155517578125,   0f-0.073564566671848297119141,
    0f0.995184719562530517578125,   0f-0.098017141222953796386719,
    0f0.992479562759399414062500,   0f-0.122410677373409271240234,
    0f0.989176511764526367187500,   0f-0.146730467677116394042969,
    0f0.985277652740478515625000,   0f-0.170961901545524597167969,
    0f0.980785250663757324218750,   0f-0.195090323686599731445312,
    0f0.975702106952667236328125,   0f-0.219101235270500183105469,
    0f0.970031261444091796875000,   0f-0.242980197072029113769531,
    0f0.963776051998138427734375,   0f-0.266712784767150878906250,
    0f0.956940352916717529296875,   0f-0.290284663438796997070312,
    0f0.949528157711029052734375,   0f-0.313681751489639282226562,
    0f0.941544055938720703125000,   0f-0.336889863014221191406250,
    0f0.932992815971374511718750,   0f-0.359895050525665283203125,
    0f0.923879504203796386718750,   0f-0.382683455944061279296875,
    0f0.914209723472595214843750,   0f-0.405241340398788452148438,
    0f0.903989315032958984375000,   0f-0.427555084228515625000000,
    0f0.893224298954010009765625,   0f-0.449611335992813110351562,
    0f0.881921231746673583984375,   0f-0.471396744251251220703125,
    0f0.870086967945098876953125,   0f-0.492898225784301757812500,
    0f0.857728600502014160156250,   0f-0.514102756977081298828125,
    0f0.844853579998016357421875,   0f-0.534997642040252685546875,
    0f0.831469595432281494140625,   0f-0.555570244789123535156250,
    0f0.817584812641143798828125,   0f-0.575808227062225341796875,
    0f0.803207516670227050781250,   0f-0.595699310302734375000000,
    0f0.788346409797668457031250,   0f-0.615231633186340332031250,
    0f0.773010432720184326171875,   0f-0.634393334388732910156250,
    0f0.757208824157714843750000,   0f-0.653172850608825683593750,
    0f0.740951120853424072265625,   0f-0.671558976173400878906250,
    0f0.724247097969055175781250,   0f-0.689540565013885498046875,
    0f0.707106769084930419921875,   0f-0.707106769084930419921875,
    0f0.689540505409240722656250,   0f-0.724247097969055175781250,
    0f0.671558916568756103515625,   0f-0.740951180458068847656250,
    0f0.653172791004180908203125,   0f-0.757208883762359619140625,
    0f0.634393274784088134765625,   0f-0.773010432720184326171875,
    0f0.615231573581695556640625,   0f-0.788346409797668457031250,
    0f0.595699310302734375000000,   0f-0.803207516670227050781250,
    0f0.575808167457580566406250,   0f-0.817584812641143798828125,
    0f0.555570185184478759765625,   0f-0.831469655036926269531250,
    0f0.534997642040252685546875,   0f-0.844853579998016357421875,
    0f0.514102697372436523437500,   0f-0.857728660106658935546875,
    0f0.492898195981979370117188,   0f-0.870086967945098876953125,
    0f0.471396654844284057617188,   0f-0.881921291351318359375000,
    0f0.449611306190490722656250,   0f-0.893224298954010009765625,
    0f0.427555114030838012695312,   0f-0.903989315032958984375000,
    0f0.405241280794143676757812,   0f-0.914209783077239990234375,
    0f0.382683426141738891601562,   0f-0.923879504203796386718750,
    0f0.359894961118698120117188,   0f-0.932992815971374511718750,
    0f0.336889833211898803710938,   0f-0.941544055938720703125000,
    0f0.313681662082672119140625,   0f-0.949528217315673828125000,
    0f0.290284633636474609375000,   0f-0.956940352916717529296875,
    0f0.266712754964828491210938,   0f-0.963776051998138427734375,
    0f0.242980122566223144531250,   0f-0.970031261444091796875000,
    0f0.219101220369338989257812,   0f-0.975702106952667236328125,
    0f0.195090234279632568359375,   0f-0.980785310268402099609375,
    0f0.170961856842041015625000,   0f-0.985277652740478515625000,
    0f0.146730497479438781738281,   0f-0.989176511764526367187500,
    0f0.122410625219345092773438,   0f-0.992479562759399414062500,
    0f0.098017133772373199462891,   0f-0.995184719562530517578125,
    0f0.073564492166042327880859,   0f-0.997290432453155517578125,
    0f0.049067649990320205688477,   0f-0.998795449733734130859375,
    0f0.024541135877370834350586,   0f-0.999698817729949951171875,
    0f-0.000000043711388286737929,  0f-1.000000000000000000000000,
    0f-0.024541223421692848205566,  0f-0.999698817729949951171875,
    0f-0.049067739397287368774414,  0f-0.998795449733734130859375,
    0f-0.073564574122428894042969,  0f-0.997290432453155517578125,
    0f-0.098017223179340362548828,  0f-0.995184719562530517578125,
    0f-0.122410707175731658935547,  0f-0.992479503154754638671875,
    0f-0.146730571985244750976562,  0f-0.989176511764526367187500,
    0f-0.170961946249008178710938,  0f-0.985277652740478515625000,
    0f-0.195090323686599731445312,  0f-0.980785250663757324218750,
    0f-0.219101309776306152343750,  0f-0.975702106952667236328125,
    0f-0.242980197072029113769531,  0f-0.970031261444091796875000,
    0f-0.266712844371795654296875,  0f-0.963776051998138427734375,
    0f-0.290284723043441772460938,  0f-0.956940293312072753906250,
    0f-0.313681721687316894531250,  0f-0.949528157711029052734375,
    0f-0.336889922618865966796875,  0f-0.941544055938720703125000,
    0f-0.359895050525665283203125,  0f-0.932992815971374511718750,
    0f-0.382683515548706054687500,  0f-0.923879504203796386718750,
    0f-0.405241340398788452148438,  0f-0.914209723472595214843750,
    0f-0.427555084228515625000000,  0f-0.903989315032958984375000,
    0f-0.449611365795135498046875,  0f-0.893224298954010009765625,
    0f-0.471396833658218383789062,  0f-0.881921231746673583984375,
    0f-0.492898166179656982421875,  0f-0.870087027549743652343750,
    0f-0.514102756977081298828125,  0f-0.857728600502014160156250,
    0f-0.534997701644897460937500,  0f-0.844853520393371582031250,
    0f-0.555570363998413085937500,  0f-0.831469535827636718750000,
    0f-0.575808167457580566406250,  0f-0.817584812641143798828125,
    0f-0.595699369907379150390625,  0f-0.803207516670227050781250,
    0f-0.615231692790985107421875,  0f-0.788346350193023681640625,
    0f-0.634393274784088134765625,  0f-0.773010492324829101562500,
    0f-0.653172850608825683593750,  0f-0.757208824157714843750000,
    0f-0.671559035778045654296875,  0f-0.740951061248779296875000,
    0f-0.689540684223175048828125,  0f-0.724246978759765625000000,
    0f-0.707106769084930419921875,  0f-0.707106769084930419921875,
    0f-0.724247157573699951171875,  0f-0.689540505409240722656250,
    0f-0.740951240062713623046875,  0f-0.671558856964111328125000,
    0f-0.757208824157714843750000,  0f-0.653172850608825683593750,
    0f-0.773010492324829101562500,  0f-0.634393274784088134765625,
    0f-0.788346469402313232421875,  0f-0.615231513977050781250000,
    0f-0.803207635879516601562500,  0f-0.595699131488800048828125,
    0f-0.817584812641143798828125,  0f-0.575808167457580566406250,
    0f-0.831469655036926269531250,  0f-0.555570185184478759765625,
    0f-0.844853639602661132812500,  0f-0.534997463226318359375000,
    0f-0.857728600502014160156250,  0f-0.514102756977081298828125,
    0f-0.870087027549743652343750,  0f-0.492898136377334594726562,
    0f-0.881921350955963134765625,  0f-0.471396625041961669921875,
    0f-0.893224298954010009765625,  0f-0.449611365795135498046875,
    0f-0.903989315032958984375000,  0f-0.427555054426193237304688,
    0f-0.914209783077239990234375,  0f-0.405241221189498901367188,
    0f-0.923879623413085937500000,  0f-0.382683277130126953125000,
    0f-0.932992815971374511718750,  0f-0.359895050525665283203125,
    0f-0.941544115543365478515625,  0f-0.336889803409576416015625,
    0f-0.949528217315673828125000,  0f-0.313681602478027343750000,
    0f-0.956940352916717529296875,  0f-0.290284723043441772460938,
    0f-0.963776051998138427734375,  0f-0.266712725162506103515625,
    0f-0.970031261444091796875000,  0f-0.242980077862739562988281,
    0f-0.975702166557312011718750,  0f-0.219101071357727050781250,
    0f-0.980785310268402099609375,  0f-0.195090308785438537597656,
    0f-0.985277652740478515625000,  0f-0.170961812138557434082031,
    0f-0.989176511764526367187500,  0f-0.146730333566665649414062,
    0f-0.992479503154754638671875,  0f-0.122410699725151062011719,
    0f-0.995184719562530517578125,  0f-0.098017096519470214843750,
    0f-0.997290492057800292968750,  0f-0.073564447462558746337891,
    0f-0.998795449733734130859375,  0f-0.049067486077547073364258,
    0f-0.999698817729949951171875,  0f-0.024541210383176803588867

.text

// системный таймер
init_timer:
    setl #ST0PRDR, 0xFFFFFFFF
    setl #ST0CR, 0x1
    jmp start
complete

start:
    jmp L1;

    setl #PSW, 0x00000040; Чтение и запись идут параллельно

    getl 0x000007C0;
    patch @1, 0x00000000;
    setq #IR0, @1;

    getl 0x0001001F;
    patch @1, 0x00000000;
    setq #IR4, @1;
complete;

L1:
    irm IRMASK04
    exa #IR4;
    je @1, L2;
    jne @2, L1;
    rdc #IR0, x + 0 * 8;        x0
    rdc #IR0, x + 2 * 8;        x2
    rdc #IR0, x + 4 * 8;        x4
    rdc #IR0, x + 6 * 8;        x6
    rdc #IR0, x + 1 * 8;        x1
    rdc #IR0, x + 3 * 8;        x3
    rdc #IR0, x + 5 * 8;        x5
    rdc #IR0, x + 7 * 8;        x7
    rdc W + 64 * 8;         W4_1
    addc @9, @5;            x0=x0+x1
    subc @10, @6;           x1=x0-x1
    addc @10, @6;           x2=x2+x3
    subc @11, @7;           x3=x2-x3
    addc @11, @7;           x4=x4+x5
    subc @12, @8;           x5=x4-x5
    addc @12, @8;           x6=x6+x7
    subc @13, @9;           x7=x6-x7
    mulc @9, @5;            W4_1*x3
    mulc @10, @2;           W4_1*x7
    addc @10, @8;           x0=x0+x2
    addc @10, @3;           x1=x1+W4_1*x3
    subc @12, @10;          x2=x0-x2
    subc @12, @5;           x3=x1-W4_1*x3
    addc @10, @8;           x4=x4+x6
    addc @10, @6;           x5=x5+W4_1*x7
    subc @12, @10;          x6=x4-x6
    subc @12, @8;           x7=x5-W4_1*x7
    wrc @8, #IR0, x + 0 * 8;
    wrc @8, #IR0, x + 1 * 8;
    wrc @8, #IR0, x + 2 * 8;
    wrc @8, #IR0, x + 3 * 8;
    wrc @8, #IR0, x + 4 * 8;
    wrc @8, #IR0, x + 5 * 8;
    wrc @8, #IR0, x + 6 * 8;
    wrc @8, #IR0, x + 7 * 8;
complete

L2:
    jmp L3;

    getl 0x00000718;
    patch @1, 0x00000000;
    setq #IR0, @1;

    getl 0x00000300;
    patch @1, W;
    setq #IR1, @1;

    getl 0x00000180;
    patch @1, W;
    setq #IR2, @1;

    getl 0x000000C0;
    patch @1, W;
    setq #IR3, @1;

    getl 0x0001001F;
    patch @1, 0x00000000;
    setq #IR4, @1;
complete;

L3:
    irm IRMASK01234
    exa #IR4;
    je @1, L4;
    jne @2, L3;
    rdc #IR1;           W8_i
    rdc #IR0, x + 4 * 8;        x1
    rdc #IR0, x + 12 * 8;       x3
    rdc #IR0, x + 20 * 8;       x5
    rdc #IR0, x + 28 * 8;       x7
    mulc @5, @4;            W8_i*x1
    mulc @6, @4;            W8_i*x3
    mulc @7, @4;            W8_i*x5
    mulc @8, @4;            W8_i*x7
    rdc #IR0, x + 0 * 8;        x0
    rdc #IR0, x + 8 * 8;        x2
    rdc #IR0, x + 16 * 8;       x4
    rdc #IR0, x + 24 * 8;       x6
    addc @3, @7;            x2=x2+W8_i*x3
    subc @4, @8;            x3=x2-W8_i*x3
    addc @3, @7;            x6=x6+W8_i*x7
    subc @4, @8;            x7=x6-W8_i*x7
    addc @8, @12;           x0=x0+W8_i*x1
    subc @9, @13;           x1=x0-W8_i*x1
    addc @8, @12;           x4=x4+W8_i*x5
    subc @9, @13;           x5=x4-W8_i*x5
    rdc #IR2;           W16_i
    rdc #IR2, 0x0200;       W16_j
    mulc @2, @10;           W16_i*x2
    mulc @2, @10;           W16_j*x3
    mulc @4, @10;           W16_i*x6
    mulc @4, @10;           W16_j*x7
    addc @8, @2;            x4=x4+W16_i*x6
    addc @8, @2;            x5=x5+W16_j*x7
    subc @10, @4;           x6=x4-W16_i*x6
    subc @10, @4;           x7=x5-W16_j*x7
    addc @14, @8;           x0=x0+W16_i*x2
    addc @14, @8;           x1=x1+W16_j*x3
    subc @16, @10;          x2=x0-W16_i*x2
    subc @16, @10;          x3=x1-W16_j*x3
    mulc @8, #IR3;          W32*x4
    mulc @8, #IR3, 0x0100;      W32*x5
    mulc @8, #IR3, 0x0200;      W32*x6
    mulc @8, #IR3, 0x0300;      W32*x7
    addc @8, @4;            x0=x0+W*x4
    addc @8, @4;            x1=x1+W*x5
    addc @8, @4;            x2=x2+W*x6
    addc @8, @4;            x3=x3+W*x7
    subc @12, @8;           x4=x0-W*x4
    subc @12, @8;           x5=x1-W*x5
    subc @12, @8;           x6=x2-W*x6
    subc @12, @8;           x7=x3-W*x7
    wrc @8, #IR0, x + 0 * 8;
    wrc @8, #IR0, x + 4 * 8;
    wrc @8, #IR0, x + 8 * 8;
    wrc @8, #IR0, x + 12 * 8;
    wrc @8, #IR0, x + 16 * 8;
    wrc @8, #IR0, x + 20 * 8;
    wrc @8, #IR0, x + 24 * 8;
    wrc @8, #IR0, x + 28 * 8;
complete

L4:
    jmp L5;

    getl 0x000000F8;
    patch @1, 0x00000000;
    setq #IR0, @1;

    getl 0x000003E0;
    patch @1, W;
    setq #IR1, @1;

    getl 0x000001F0;
    patch @1, W;
    setq #IR2, @1;

    getl 0x000000F8;
    patch @1, W;
    setq #IR3, @1;

    getl 0x0001001F;
    patch @1, 0x00000000;
    setq #IR4, @1;
complete;

L5:
    irm IRMASK01234
    exa #IR4;
    je @1, stop;
    jne @2, L5;
    rdc #IR1;           W32_i
    rdc #IR0, x + 32 * 8;       x1
    rdc #IR0, x + 96 * 8;       x3
    rdc #IR0, x + 160 * 8;      x5
    rdc #IR0, x + 224 * 8;      x7
    mulc @5, @4;            W32_i*x1
    mulc @6, @4;            W32_i*x3
    mulc @7, @4;            W32_i*x5
    mulc @8, @4;            W32_i*x7
    rdc #IR0, x + 0 * 8;        x0
    rdc #IR0, x + 64 * 8;       x2
    rdc #IR0, x + 128 * 8;      x4
    rdc #IR0, x + 192 * 8;      x6
    addc @3, @7;            x2=x2+W32_i*x3
    subc @4, @8;            x3=x2-W32_i*x3
    addc @3, @7;            x6=x6+W32_i*x7
    subc @4, @8;            x7=x6-W32_i*x7
    addc @8, @12;           x0=x0+W32_i*x1
    subc @9, @13;           x1=x0-W32_i*x1
    addc @8, @12;           x4=x4+W32_i*x5
    subc @9, @13;           x5=x4-W32_i*x5
    rdc #IR2;           W64_i
    rdc #IR2, 0x0200;       W64_j
    mulc @2, @10;           W64_i*x2
    mulc @2, @10;           W64_j*x3
    mulc @4, @10;           W64_i*x6
    mulc @4, @10;           W64_j*x7
    addc @8, @2;            x4=x4+W64_i*x6
    addc @8, @2;            x5=x5+W64_j*x7
    subc @10, @4;           x6=x4-W64_i*x6
    subc @10, @4;           x7=x5-W64_j*x7
    addc @14, @8;           x0=x0+W64_i*x2
    addc @14, @8;           x1=x1+W64_j*x3
    subc @16, @10;          x2=x0-W64_i*x2
    subc @16, @10;          x3=x1-W64_j*x3
    mulc @8, #IR3;          W128_i*x4
    mulc @8, #IR3, 0x0100;      W128_j*x5
    mulc @8, #IR3, 0x0200;      W128_k*x6
    mulc @8, #IR3, 0x0300;      W128_l*x7
    addc @8, @4;            x0=x0+W128_i*x4
    addc @8, @4;            x1=x1+W128_j*x5
    addc @8, @4;            x2=x2+W128_k*x6
    addc @8, @4;            x3=x3+W128_l*x7
    subc @12, @8;           x4=x0-W128_i*x4
    subc @12, @8;           x5=x1-W128_j*x5
    subc @12, @8;           x6=x2-W128_k*x6
    subc @12, @8;           x7=x3-W128_l*x7
    wrc @8, #IR0, x + 0 * 8;
    wrc @8, #IR0, x + 32 * 8;
    wrc @8, #IR0, x + 64 * 8;
    wrc @8, #IR0, x + 96 * 8;
    wrc @8, #IR0, x + 128 * 8;
    wrc @8, #IR0, x + 160 * 8;
    wrc @8, #IR0, x + 192 * 8;
    wrc @8, #IR0, x + 224 * 8;
complete

stop:
        jmp uart_init
        getl #ST0VAL
        wrdl @1, ticks
complete

.syntax V2
uart_init:
              jmp uart_print
  altport  := getl 0xFFFFFFFF
  control  := getl 0x00000003; rx, tx enable
  bitrate  := getl 0x34;

              wrdl @control, 0xC0000108
              wrdl @altport, 0xC00F0218
              wrdl @bitrate, 0xC000010C
              setl #GPR0, 32
complete

uart_print:
  count    := getl #GPR0
              je @count, finish
              jne @count, uart_wait
              setl #GPR0, #GPR0, -8
complete

uart_wait:
  st       := rddl 0xC0000104
              andl @st, 2
              je @1, uart_wait
              jne @2, uart_print_data                
complete

uart_print_data:
              jmp uart_print
  data     := rdl ticks
              slrl @data, #GPR0
              wrdb @1, 0xC0000100
complete

finish:
    getl 0;
complete

Сравнение результатов выполнения комплексного БПФ с плавающей запятой одинарной точности на 256 точек:

Количество операций Количество тактов Количество операций за такт Наличие комплексных / SIMD операций
Multiclet R1, Мультиклет 9400 2350 4 комплексные
1967ВН034, Миландр 10872 1812 6 SIMD
Процессоры семейства С66х, TI 14256 1782 8 комплексные
ADSP-TS201S, Analog Devices 22272 928 24 SIMD

Приведенные результаты показывают, что мультиклеточная архитектура более эффективно реализует параллелизм. Наиболее отчетливо это видно при сравнении с процессорами семейства С66х, которые также как и мультиклеточный процессор имеют команды комплексной арифметики, выполняемые в потоке за такт.

Из представленных примеров на ассемблере видно, что мультиклеточная архитектура позволяет достичь намного лучших результатов, поэтому мы считаем, что есть перспектива совершенствования компилятора.

В настоящее время компилятор успешно используется для портирования наработанного программного обеспечения на мультиклеточные процессоры по контрактам с российскими и зарубежными компаниями-заказчиками.

Приглашаем всех желающих, энтузиастов мультиклеточной архитектуры принять участие в тестировании компилятора на форуме.

Автор: GenadyIvanovich

Источник

Поделиться новостью

* - обязательные к заполнению поля