<html>
    <head>
      <base href="http://llvm.org/bugs/" />
    </head>
    <body><table border="1" cellspacing="0" cellpadding="8">
        <tr>
          <th>Bug ID</th>
          <td><a class="bz_bug_link 
          bz_status_NEW "
   title="NEW --- - using memory operand form of insert and extract instructions would eliminate loads and stores"
   href="http://llvm.org/bugs/show_bug.cgi?id=17268">17268</a>
          </td>
        </tr>

        <tr>
          <th>Summary</th>
          <td>using memory operand form of insert and extract instructions would eliminate loads and stores
          </td>
        </tr>

        <tr>
          <th>Product</th>
          <td>libraries
          </td>
        </tr>

        <tr>
          <th>Version</th>
          <td>trunk
          </td>
        </tr>

        <tr>
          <th>Hardware</th>
          <td>PC
          </td>
        </tr>

        <tr>
          <th>OS</th>
          <td>All
          </td>
        </tr>

        <tr>
          <th>Status</th>
          <td>NEW
          </td>
        </tr>

        <tr>
          <th>Severity</th>
          <td>normal
          </td>
        </tr>

        <tr>
          <th>Priority</th>
          <td>P
          </td>
        </tr>

        <tr>
          <th>Component</th>
          <td>Backend: X86
          </td>
        </tr>

        <tr>
          <th>Assignee</th>
          <td>unassignedbugs@nondot.org
          </td>
        </tr>

        <tr>
          <th>Reporter</th>
          <td>kkhoo@perfwizard.com
          </td>
        </tr>

        <tr>
          <th>CC</th>
          <td>llvmbugs@cs.uiuc.edu
          </td>
        </tr>

        <tr>
          <th>Classification</th>
          <td>Unclassified
          </td>
        </tr></table>
      <p>
        <div>
        <pre>The following codegen is following the Intel/AMD optimization guidelines and
splitting unaligned 32-byte loads and stores into 16-byte operations by using
'vinsertf128' and 'vextractf128', but it could have eliminated 4 'vmovups'
instructions by choosing the memory operand forms of the insert/extract
instructions rather than the register operand forms.

Eliminating the extra instructions would save 16 instruction bytes. 74 bytes
reduced to 58 bytes = 22% smaller code with theoretically identical performance
for targets such as Intel Sandy Bridge and AMD Bulldozer/Piledriver.

Note: the same problem appears in the case where the loop-end condition is a
variable, but I made the example case use a constant loop-end to simplify the
codegen.

$ ./clang -v
clang version 3.4 (trunk 189776)
Target: x86_64-apple-darwin11.4.2
Thread model: posix

$ cat mulps.c
void foo(float *x) {
    int i;
    for (i=0; i<16; i++) {
        x[i] = x[i] * x[i];
    }
}

$ ./clang -S -O3 -fomit-frame-pointer -march=corei7-avx  -o /dev/stdout mulps.c 
    .section    __TEXT,__text,regular,pure_instructions
    .globl    _foo
    .align    4, 0x90
_foo:                                   ## @foo
    .cfi_startproc
## BB#0:                                ## %for.end
    vmovups    (%rdi), %xmm0
    vmovups    16(%rdi), %xmm1
    vinsertf128    $1, %xmm1, %ymm0, %ymm0
    vmulps    %ymm0, %ymm0, %ymm0
    vextractf128    $1, %ymm0, %xmm1
    vmovups    %xmm1, 16(%rdi)
    vmovups    %xmm0, (%rdi)
    vmovups    32(%rdi), %xmm0
    vmovups    48(%rdi), %xmm1
    vinsertf128    $1, %xmm1, %ymm0, %ymm0
    vmulps    %ymm0, %ymm0, %ymm0
    vextractf128    $1, %ymm0, %xmm1
    vmovups    %xmm1, 48(%rdi)
    vmovups    %xmm0, 32(%rdi)
    vzeroupper
    ret</pre>
        </div>
      </p>
      <hr>
      <span>You are receiving this mail because:</span>
      
      <ul>
          <li>You are on the CC list for the bug.</li>
      </ul>
    </body>
</html>