为什么使用XCHG reg，在现代Intel架构上注册3 micro-op指令？

Question

我正在对代码的性能至关重要的部分进行微优化，并遇到了指令序列（采用AT＆T语法）：add %rax, %rbxmov %rdx, %raxmov %rbx, %rdx我以为我终于有了一个用例xchg，可以允许我剃一条指令并编写：add  %rbx, %raxxchg %rax, %rdx然而，令我感到困惑的是，我从Agner Fog的指令表中发现，这xchg是一条3微操作指令，在Sandy Bridge，Ivy Bridge，Broadwell，Haswell甚至Skylake上具有2个周期的延迟。3个完整的微操作和2个延迟周期！3个微操作会甩掉我的4-1-1-1节奏，最好的情况下2个周期的延迟使它比原始操作更糟，因为原始操作中的最后2条指令可能会并行执行。现在...我知道CPU可能正在将指令分解为等效于以下内容的微操作：mov %rax, %tmpmov %rdx, %raxmov %tmp, %rdx 这里tmp是一个匿名内部寄存器，我想最后两个微操作可以并行运行，因此延迟为2个周期。但是，鉴于寄存器重命名是在这些微体系结构上发生的，因此对我来说这样做是没有意义的。为什么寄存器重命名器不交换标签？从理论上讲，这将只有1个周期的延迟（可能为0？），并且可以表示为单个微操作，因此便宜得多。

Answer 1

这似乎会使mul每个时钟的吞吐量达到1 。我认为这mul/mulx r32是3微妙而不是2微妙，这可能是因为它必须将乘法器输出的低64位分为上下半部分。但是我不确定这告诉我们什么mul r64。我更倾向于内部缓冲理论；似乎不太可能mul r64只通过转发网络发送上半部分，否则调度程序将不得不对乘法运算之间的耦合了解太多。