Суть этого поста
В результате профилирования моей софтины я сделал вывод о необходимости оптимизации функции сравнения буферов.
Т.к. CRL не предоставляет стандартного способа сравнить два куска памяти, то функция была написан на скорую руку самостоятельно (лишь бы работало).
Погуглив по фразе «Best Way to Compare Byte Arrays in .Net», я пришёл в замешательство: в абсолютном большинстве случаев люди предлагали использовать либо LINQ,
либо Enumerable.SequenceEqual(), что практически одно и тоже. Даже на SO это был самый популярный ответ. Т.е. катастрофически популярно заблуждение вида:
Compilerrun-time environment will optimize your loop so you don't need to worry about performance.
Взято отсюда.
Именно оно впервые навело меня на мысль, написать этот пост.
Я провёл сравнительное тестирование пяти способов сравнения буферов, доступных из C#, и на основании результатов тестирования дал рекомендации в выборе способа.
Кроме того, я декомпилировал некоторые функции, и проанализировал код, генерируемый JIT-компилятором для конфигурации x86,
а так же сравнил машинный код, генерируемый JIT-компилятором, с машинным кодом функции CRT аналогичного назначения.
Предыстория
Написав очередную утилиту и добившись её работоспособности, я запустил профайлер и увидел, что огромный процент времени занимает сравнение массивов байтов.
Функция CompareByteArrays() лежала на критическом пути, и с этим надо было что-то делать.
Алгоритмическогоко решения проблемы производительности я не видел: алгоритмы подбирались заранее, и никаких идей о том, как уменьшить итоговую сложность, у меня не возникло.
Результаты поиска во всемируной паутине не очень порадовали: сравнения скорости методов были, но как были получены эти цифры, на каких данных и в каких услових никто написать не удосужился.
У меня были свои предположения на тему того, кто и в каких условиях окажется быстрее. Я решил проверить.
Результаты получились интересными, так что мысль о посте сюда окончательно созрела.
Что и чем я тестировал
Главное
Код компилировался и запускался на машине с Windows 7 x64 со всеми последними обновлениями для .Net 4.0 Client Profile, т.е. с настройками Microsoft Visual Studion 2010 по умолчанию, и только для конфигурации x86, т.е. это 32-битный код. Во-первых, потому что большая часть кода, с которой я сталкиваюсь, написана для 32-битных систем. Во-вторых, я считаю, что для .Net крайне важна производительность именно в этой конфигурации. В частности, потому, что огромный объём уже существующих компонентов написан для 32-бит, и переписывать их никто не будет, а с ними нужно взаимодействовать, т.е. они определят конфигурацию конечного приложения. Во-вторых, крайне малому числу приложений действительно нужно 64 бита – необходимая разрядность определяется в первую очередь требованиями к памяти и целевой платформой. Современные 64-разрядные x86-совместимые процессоры аппаратно поддерживают 32-битные задачи [1][2]. Логично, что Windows x64 эту возможность использует, исполняя 32-битный код напрямую [3]. Компиляция изначально 32-битного приложения в 64 бита умножает необходимую для него память и снижает его производительность, потому что опции компилятора размер TLB процессора не меняют, кэш первого уровня — тоже, а размер указателя удваивают, что в свою очередь ещё и необходимую границу выравнивания данных изменяет [4].
Размеры данных
В моей изначальной задаче требовалось сравнивать байтовые массивы размером 16 байт и размерами от 1 до 4*1024 байт. 16 байт — размер MD5, 4 Kb — размер стандартной страницы памяти в Windows, поэтому он был выбран для буфера ввода-вывода.
Однако тестировал сравнение я на блоках от 1 байта до 1/2 мегабайта, по той простой причине, что хэши бывают размером не только 16 байт, но и 4, и даже 2 байта (CRC16, CRС32), а страницы памяти не только по 4 килобайта, но и 2 МБ[2] и даже 4 МБ. Результаты, показанные на блоках 1/2 MB, оказались достаточны, чтобы делать вывод о работе с блоками больших размеров, к тому же моё время не безгранично (в процессе тестирования компьютер лучше не трогать, чтобы не отнимать время у описываемого процесса).
Исходя из результатов первых прогонов, я счёл достаточным сравнение методов на 25 различных размерах тестовых данных. Для этого я построил цикл тестирования таким образом, чтобы первый тестовый набор состоял из массивов размером 1 байт, а на каждом следующем шаге размер тестовых массивов умножался на одинаковый множитель.
Параметры задавались константами в коде:
private const int CountArrays = 128; //Количество сравниваемых тестовых наборов
private const int StartArraySize = 1; //Стартовый размер тестового набора
private const int MaxArraySize = 512 * 1024; //Максимальный размер тестового набора
private const int StepsCount = 25; //Количество шагов
private const int MeasurementsCount = 10; //Количество измерений
Основной цикл тестирования выглядел вот так:
double sizeMultiplier = 1;
DoInvestigationStep(sizeMultiplier);
const int MaxMultiplier = MaxArraySize / StartArraySize;
var stepMmltiplier = Math.Pow( MaxMultiplier, 1 / (double)StepsCount );
for (var step = 1; step <= StepsCount; step++)
{
sizeMultiplier = Math.Pow(stepMmltiplier, (double) step);
DoInvestigationStep(sizeMultiplier);
}
Размер массива на каждом шаге вычислялся вот так:
var arraySize = (int) (StartArraySize * p_SizeMultiplier);
Протестированные методы
Использование интерфейса System.Collections.IStructuralEquatable
Это относительно новый для C# способ, он появился только в .NET 4, поэтому он представлял для меня особый интерес: любопытно было, насколько он всё-таки медленный.
private static bool ByteArrayCompareWithIStructuralEquatable(byte[] p_BytesLeft, byte[] p_BytesRight)
{
IStructuralEquatable eqa1 = p_BytesLeft;
return eqa1.Equals(p_BytesRight, StructuralComparisons.StructuralEqualityComparer);
}
LINQ, а точнее Enumerable.SequenceEqual()
Это один из самых простых методов, самый простой для реализации. Кроме того, это самый популярный метод.
private static bool ByteArrayCompareWithSequenceEqual(byte[] p_BytesLeft, byte[] p_BytesRight)
{
return p_BytesLeft.SequenceEqual(p_BytesRight);
}
PInvoke, для CRT функции memcmp()
Теоретически, это должен быть самый быстрый способ, но выяснилось, что это не всегда так: накладные расходы на взаимодействие с платформой съедают довольно большое время, и этот метод в некоторых случаях теряет свою привлекательность.
Здесь я привожу его в тмо виде, в котором нашёл его на SO. Именно в таком виде я его и тестировал.
На PInvoke.net он выглядит несколько иначе.
[DllImport("msvcrt.dll", CallingConvention = CallingConvention.Cdecl)]
private static extern int memcmp(byte[] p_BytesLeft, byte[] p_BytesRight, long p_Count);
private static bool ByteArrayCompareWithPInvoke(byte[] p_BytesLeft, byte[] p_BytesRight)
{
// Validate buffers are the same length.
// This also ensures that the count does not exceed the length of either buffer.
return p_BytesLeft.Length == p_BytesRight.Length
&& memcmp(p_BytesLeft, p_BytesRight, p_BytesLeft.Length) == 0;
}
В лоб. Т.е. прямое сравнение байтов в цикле for(;;)
Это самый очевидный способ сравнить два массива, именно поэтому он представляет интерес.
Изначально метод казался не слишком быстрым, но оказалось, что для многих ситуаций он вполне приемлем.
Кстати, одна из вариаций этого метода сравнения была использована в статье от самих Производителей СLR, притом именно в том котексте, в котором она понадобилась мне.
Видимо, пользователи их доканали такими вопросами.
private static bool ByteArrayCompareWithSimplest(byte[] p_BytesLeft, byte[] p_BytesRight)
{
if (p_BytesLeft.Length != p_BytesRight.Length)
return false;
var length = p_BytesLeft.Length;
for (int i = 0; i < length; i++)
{
if (p_BytesLeft[i] != p_BytesRight[i])
return false;
}
return true;
}
Оптимизированный unsafe-метод от Хафора Стефансона
Автор метода утверждает, что этот оптимизированный метод делает сравнение блоками размером 64 бита для возможно большей части массива, рассчитывая на то, что начало массива выравнено по границе QWORD. Он также будет работать, если нет QWORD-выравнивания, но с меньшей скоростью.
Однако, в 32 битной среде сравнения блоками в 64 бита можно добиться только с помощью ассемблера: регистры общего назначения 32 битные, а компилятор при генерации машинного кода, использует именно их.
Так что, как этот метод дейсвтительно будет работать, зависит от того как он будет скомпилирован. В моём случае — точно не 64 бита.
// Copyright (c) 2008-2013 Hafthor Stefansson
// Distributed under the MIT/X11 software license
// Ref: http://www.opensource.org/licenses/mit-license.php.
private static unsafe bool UnsafeCompare(byte[] a1, byte[] a2)
{
if (a1 == null || a2 == null || a1.Length != a2.Length)
return false;
fixed (byte* p1 = a1, p2 = a2)
{
byte* x1 = p1, x2 = p2;
int l = a1.Length;
for (int i = 0; i < l / 8; i++, x1 += 8, x2 += 8)
if (*((long*) x1) != *((long*) x2))
return false;
if ((l & 4) != 0)
{
if (*((int*) x1) != *((int*) x2)) return false;
x1 += 4;
x2 += 4;
}
if ((l & 2) != 0)
{
if (*((short*) x1) != *((short*) x2)) return false;
x1 += 2;
x2 += 2;
}
if ((l & 1) != 0)
if (*((byte*) x1) != *((byte*) x2))
return false;
return true;
}
}
Методика тестирования
Тестовый набор
Чтобы максимально приблизить условия тестирования к боевым и исключить «застревание» тестовых данных в кэше процессора (максимально работать именно с памятью), было решено сгенерировать множество тестовых массивов и сравнивать их друг с другом, т.е. каждый массив с каждым.
В качестве тестового набора был выбран «зубчатый» массив (в оригинальной документации — «Jagged Array»). Было несколько альтернатив, например, List<byte[]> и LinkedList<byte[]>, но альтернативы не устроили временем доступа к элементу, хотя и массив в .NET здесь не блещет: CLR в любом случае проверяет индекс на выход за границы массива, даже если это массив с нулевой базой.
Тестовые данные генерировались таким образом, чтобы отличались все массивы, а отличающийся элемент массива находился ровно посередине.
private static void PrepareTestData(int p_ArraySize)
{
for (int i = 0; i < CountArrays; i++)
{
var byteArray = new byte[p_ArraySize];
byteArray[p_ArraySize / 2] = (byte) (i & 0x000000ff);
s_arrays[i] = byteArray;
}
}
Выполнение сравнений
Так как все массивы предполагалось сравнивать со всеми, то общий вид метода, время исполнения которого измерялось, представляет собой два вложенных цикла по всем массивам набора, а внутри них вызывается испытуемый метод. Суть происходящего можно выразить кодом:
for (int i = 0; i < CountArrays; i++)
for (int j = 0; j < CountArrays; j++)
Compare( s_arrays[i], s_arrays[j] );
Однако тут есть одно «но»: если никак не использовать результат «вычислений», то CLR имеет полное право само «вычисление» не производить. Я с этим сталкивался раньше, когда экспериментировал с C++. При включенной оптимизации «-O3» было весьма проблематично что-либо измерить, т.к. время раз за разом получалось нулевым. Поэтому такой сценарий было решено исключить с самого начала, так что результат работы функции сравнения «аккумулировался» и возвращался, а на самом верхнем уровне анализировался.
var result = true;
for (int i = 0; i < CountArrays; i++)
for (int j = 0; j < CountArrays; j++)
{
var tmp = Compare( s_arrays[i], s_arrays[j] );
result = result && tmp;
}
return result;
var stubLocalVar = p_СomparisonMethod();
if (stubLocalVar)
throw new InvalidOperationException();
Поскольку методов сравнений 5, а вышеописанный шаблон общий, то кажется логичным определить общий, «шаблонный» метод, и передать метод сравнения в него. Таким образом:
private static bool CompareArraysWithExternalMethod(Func<byte[], byte[], bool> p_Method)
{
var result = true;
for (int i = 0; i < CountArrays; i++)
for (int j = 0; j < CountArrays; j++)
{
var tmp = p_Method( s_arrays[i], s_arrays[j] );
result = result && tmp;
}
return result;
}
Такой способ, безусловно, исключает копирование/вставку и уменьшает вероятность ошибки, но в то же время создаёт излишнюю косвенность вызова и исключает встраивание метода (inlining), что, в свою очередь, приводит к потере точности измерений, особенно учитывая, что вызовов много. Именно поэтому мне пришлось создать пять практически одинаковых методов:
private static bool CompareArraysWithUnsafeMethod();
private static bool CompareArraysWithSimplestMethod();
private static bool CompareArraysWithSequenceEqualMethod();
private static bool CompareArraysWithPInvokeMethod();
private static bool CompareArraysWithIStructuralEquatableMethod();
Однако уровнем выше я уже мог применить шаблонный метод.
Из приведённого ниже кода видно, что функция MeasureComparisonTime(), в которой измеряется время выполнения метода сравнения, принимает в качестве параметра делегат типа Func. Именно его время выполнения и измеряется.
private static long GetMinimalMesuredValue(int p_MeasurementNumber, long p_PreviousValue,
long p_MeasuredValue)
{
var result = p_MeasurementNumber == 0
? p_MeasuredValue
: Math.Min(p_PreviousValue, p_MeasuredValue);
return result;
}
private static long MeasureComparisonTime(Func<bool> p_Method, long p_PreviousTime,
int p_MeasurementNumber)
{
GC.Collect();
GC.Collect();
s_stopwatch.Start();
var stubLocalVar = p_Method();
s_stopwatch.Stop();
if (stubLocalVar)
throw new InvalidOperationException();
var result = GetMinimalMesuredValue(p_MeasurementNumber, p_PreviousTime, s_stopwatch.ElapsedTicks);
s_stopwatch.Reset();
return result;
}
Методика измерений
Измерение времени производилось с помощью штатного секундомера (класс System.Diagnostics.Stopwatch), в основе которого лежит QueryPerformanceCounter() (http://msdn.microsoft.com/ru-ru/library/system.diagnostics.stopwatch(v=vs.110).aspx ). Естественно, интересовали не миллисекунды, а тики: в случае крохотных массивов все измерения в миллисекундах были бы нулевыми. Также была идея задействовать свой «велосипед» на основе RDTSC[6], но, во-первых, несколько первых прогонов показали, что для текущей методики точности вполне хватает, а во-вторых, предупреждение о необходимости использования ProcessThread.ProcessorAffinity, которое появилось в последних версиях документации, позволяет предположить, что в основе работы этого класса лежит вышеупомянутый счётчик тактов процессора. Все измерения повторялись 10 раз, и бралось лучшее время. Число 10 было подобрано экспериментально, как дающее достаточно точные результаты при минимальных затратах времени.
private static MeasurementsResults DoMeasurements()
{
MeasurementsResults result;
result.SimplestTime = 0;
result.SequenceEqualTime = 0;
result.PInvokeTime = 0;
result.IStructuralEquatableTime = 0;
result.UnsafeTime = 0;
for (int measurementNumber = 0; measurementNumber < MeasurementsCount; measurementNumber++)
{
Console.WriteLine("Стартует измерение номер {0}", measurementNumber);
result.SimplestTime = MeasureComparisonTime(CompareArraysWithSimplestMethod,
result.SimplestTime,
measurementNumber);
result.SequenceEqualTime = MeasureComparisonTime(CompareArraysWithSequenceEqualMethod,
result.SequenceEqualTime,
measurementNumber);
result.PInvokeTime = MeasureComparisonTime(CompareArraysWithPInvokeMethod,
result.PInvokeTime,
measurementNumber);
result.IStructuralEquatableTime = MeasureComparisonTime(CompareArraysWithIStructuralEquatableMethod,
result.IStructuralEquatableTime,
measurementNumber);
result.UnsafeTime = MeasureComparisonTime(CompareArraysWithUnsafeMethod,
result.UnsafeTime,
measurementNumber);
}
return result;
}
Результаты измерений и первые выводы
Перед началом эксперимента я примерно догадывался, какой метод окажется победителем, а какой аутсайдером, однако результаты меня всё-таки удивили. Мои прогнозы оказались не совсем верны.
| Лучшее время (тики) | Размер массива (байты) | unsafe | В лоб | PInvoke | SequenceEqual | IStructuralEquatable |
|---|---|---|---|---|---|---|
| 276 | 1 | 1,7 | 1 | 6 | 10,5 | 55 |
| 276 | 1 | 1,7 | 1 | 6,3 | 10,1 | 55,7 |
| 325 | 2 | 1,3 | 1 | 5,3 | 11 | 95,2 |
| 374 | 4 | 1,1 | 1 | 4,8 | 11,4 | 121,3 |
| 413 | 8 | 1 | 1,3 | 5 | 14,1 | 181,2 |
| 412 | 13 | 1 | 1,7 | 4,7 | 17,5 | 252,5 |
| 490 | 23 | 1 | 2,3 | 3,7 | 22,1 | 364,8 |
| 554 | 39 | 1 | 3,4 | 3,5 | 30,1 | 535,9 |
| 691 | 67 | 1 | 4,3 | 2,9 | 39,1 | 727,5 |
| 887 | 114 | 1 | 5,6 | 2,4 | 50,3 | 964,1 |
| 1212 | 194 | 1 | 4,6 | 2,1 | 61,5 | 1190,9 |
| 1875 | 328 | 1 | 4,8 | 1,8 | 65,8 | 1295,8 |
| 2897 | 556 | 1 | 5 | 1,6 | 71,5 | 1416,9 |
| 4565 | 942 | 1 | 5,3 | 1,4 | 76,3 | 1521,1 |
| 7711 | 1595 | 1 | 5,2 | 1,3 | 76,2 | 1521,2 |
| 12482 | 2702 | 1 | 5,4 | 1,3 | 79,4 | 1593,6 |
| 20692 | 4576 | 1 | 5,5 | 1,2 | 81,2 | 1626,2 |
| 34369 | 7750 | 1 | 5,6 | 1,2 | 82,8 | 1657,1 |
| 58048 | 13124 | 1 | 5,6 | 1,2 | 82,9 | 1661,9 |
| 97511 | 22226 | 1 | 5,6 | 1,2 | 83,6 | 1677,3 |
| 173805 | 37640 | 1 | 5,4 | 1,1 | 79,5 | 1585,7 |
| 295989 | 63743 | 1 | 5,3 | 1,1 | 79,3 | 1574,9 |
| 588797 | 107949 | 1 | 4,6 | 1,1 | 67,5 | 1340,9 |
| 1010768 | 182811 | 1 | 4,6 | 1,1 | 67 | 1340,4 |
| 1705668 | 309590 | 1 | 4,6 | 1,1 | 67,3 | 1334,1 |
| 2885452 | 524287 | 1 | 4,6 | 1,1 | 67,3 | 1329,1 |
Результаты удивили следующим:
Первое: CRT функция просто обязана быть хорошо оптимизирована, и я рассчитывал, что на определённом этапе (размере тестового массива) её скорость перекроет накладные расходы (overhead) платформенного вызова, но этого не произошло. Позже я повторил тестирования с массивами значительно большего размера, но даже на 1.5 мегабайтах unsafe-код оказывался быстрее.
Второе: я догадывался, что IStructuralEquatable окажется медленным, но цифры меня просто поразили: такого я точно не ожидал.
Диазассемблирование и анализ отдельных функций
Столь серьёзная разница между unsafe и Simplest на больших массивах (я ожидал не более двух-трёхкратного «перевеса») позволяет предположить, что с оптимизацией циклов и обращений к элементам массива в .Net не всё так гладко, как утверждают приверженцы .Net. Соответственно, я не отказал себе в удовольствии посмотреть на результаты работы JIT'ера, т.е. на непосредственно генерируемый машинный код.
Анализ функции CompareArraysWithSimplestMethod()
Для этого в начало метода был вставлен Thread.Sleep(60 * 1000); после запуска релизной сборки я подцепился к процессу OllyDebug'ом. Такой хитрый ход нужен был для того, чтобы ни в коем случае не порушить оптимизации CLR — увидеть картину такой, какая есть.
Спустившись вниз по стеку вызовов от ntdll.NtDelayExecution() и SleepEx(), я нашёл свою функцию и, после её внимательного изучения, был в очередной раз неприятно удивлён. Что мне здесь очень не понравилось:
- Вместо единственной проверки RngChkFail (для всего цикла сразу), CLR делает эту проверку для каждого индекса!!!
- Цикл остался в том виде, в котором я его написал: компилятор не стал его «разворачивать».
- Поэтому сравнение так и осталось побайтным, хотя CLR вполне по силам было его оптимизировать, например, сделав сравнение по 4 байта (размер регистра).
- Вместо единственного return'а c единственным эпилогом и очисткой стека, CLR скопировал их три раза, благодаря чему код «опух». Фактически машинный код повторяет код на C# почти один в один. В связи с этим возникает вопрос: а он вообще оптимизировал код?! Он умеет это делать?
- Вероятно, благодаря предыдущему пункту (опухший код), функция не была заинлайнена.
Анализ функции CompareArraysWithSimplestMethod()
Результат декомпиляции этой функции разжёг моё любопытство и навёл на мысль об остальных функциях. Я решил сравнить CRT-функцию и unsafe-вариант. Сперва я решил посмотреть на unsafe-вариант. Для этого я проделал те же операции, что и для первой функции, за исключением того, что Thread.Sleep() вставил не в саму функцию, а перед её вызовом. Это вряд ли могло как-либо повлиять на суть происходящего, но несколько упростило декомпиляцию: unsafe-функция явно сложнее первой.
Место вставки Thread.Sleep()
private static bool CompareArraysWithUnsafeMethod()
{
var result = true;
for (int i = 0; i < CountArrays; i++)
for (int j = 0; j < CountArrays; j++)
{
Thread.Sleep( 60 * 1000 );
var tmp = UnsafeCompare(s_arrays[i], s_arrays[j]);
private static bool CompareArraysWithUnsafeMethod()
{
var result = true;
for (int i = 0; i < CountArrays; i++)
for (int j = 0; j < CountArrays; j++)
{
Thread.Sleep( 60 * 1000 );
var tmp = UnsafeCompare(s_arrays[i], s_arrays[j]);
Интерес также представляет первая половина этой функции, т.е. до момента вызова UnsafeCompare(). Она, так же, как и первая, демонстрирует, что любое обращение к элементу массива вызывает проверку индекса на вхождение в границы массива. Я подчеркнул это в листинге.
;Address Hex dump Command Comments
001B0B88 55 push ebp ; Стандартный пролог
001B0B89 8BEC mov ebp, esp
001B0B8B 57 push edi
001B0B8C 56 push esi
001B0B8D 53 push ebx
001B0B8E BF 01000000 mov edi, 1 ; result = true;
001B0B93 33DB xor ebx, ebx ; for (int i = 0;
001B0B95 33F6 xor esi, esi ; for (int j = 0;
001B0B97 B9 60EA0000 mov ecx, 0EA60 ; Thread.Sleep( 60 * 1000 );
001B0B9C E8 0CFBC161 call clr.ThreadNative::Sleep
001B0BA1 8B15 A8337A03 mov edx, [s_arrays] ; EDX <-- s_arrays
001B0BA7 3B5A 04 cmp ebx, [edx+4] ; Compare(s_arrays.Length, первый индекс) (1) !!!
001B0BAA 73 31 jae short stub_CLR.JIT_RngChkFail
001B0BAC 8B4C9A 0C mov ecx, [ebx*4+edx+0C] ; ECX <-- s_arrays[i]
001B0BB0 3B72 04 cmp esi, [edx+4] ; Compare(s_arrays.Length, второй индекс) (2) !!!
001B0BB3 73 28 jae short stub_CLR.JIT_RngChkFail
001B0BB5 8B54B2 0C mov edx, [esi*4+edx+0C] ; EDX <-- s_arrays[j]
001B0BB9 FF15 F0381400 call near UnsafeCompare
Результат декомпиляции функции оказался довольно большим и на один экран не помещался, поэтому я не стал приводить скриншот окна дебагера. Так как большой цельный листинг читать утомительно и непродуктивно, то здесь я привожу его логически объединёнными кусками, сопровождая каждый кусок кратким комментарием.
;a1 ========> ECX
;a2 ========> EDX
;Address Hex dump Command Comments
001B0BF8 55 push ebp ; Стандартный пролог
001B0BF9 8BEC mov ebp, esp
001B0BFB 57 push edi ; сохранение регистров в стеке нужно, вероятно, затем, чтобы
001B0BFC 56 push esi ; использовать их в дальнейшем
001B0BFD 53 push ebx ;
001B0BFE 83EC 0C sub esp, 0C ; вершина стека выше сохранённых регистров на 3*sizeof(DWORD), т.е. будет 3 переменных
001B0C01 33C0 xor eax, eax ; (!)
001B0C03 8945 F0 mov [ebp-10], eax ; var1 <-- 0 (!)
001B0C06 8945 EC mov [ebp-14], eax ; var2 <-- 0 (!)
001B0C09 85C9 test ecx, ecx ; Compare(a1, null)
001B0C0B 74 0C je short return1
001B0C0D 85D2 test edx, edx ; Compare(a2, null)
001B0C0F 74 08 je short return1
001B0C11 8B41 04 mov eax, [ecx+4] ; eax <-- a1.Length
001B0C14 3B42 04 cmp eax, [edx+4] ; Compare(eax, a2.Length)
001B0C17 74 0A je short argsIsValid
return1:
001B0C19 33C0 xor eax, eax ; result <-- 0
001B0C1B 8D65 F4 lea esp, [ebp-0C]
001B0C1E 5B pop ebx
001B0C1F 5E pop esi
001B0C20 5F pop edi
001B0C21 5D pop ebp
001B0C22 C3 ret
argsIsValid:
; Часть кода опущена
В соответствии с соглашением вызова fastcall, которому следует .NET Framework [7][8], в регистрах ecx и edx находятся первый и второй параметры, в соответствии с порядком слева направо. В приведённом листинге хорошо видна последовательная проверка входных параметров, он почти однозначно соответствует коду на C#
if (a1 == null || a2 == null || a1.Length != a2.Length)
return false;
Однако, особого внимания заслуживают выделенные строки: назначение их неясно, и они запутывают. Чтобы понять, что это такое и зачем оно может быть нужно, мне пришлось поставить ещё один эксперимент, в ходе которого я написал простейшую unsafe-функцию на C#, которая использует предложение fixed и обращение по указателю, и провёл с ней аналогичные действия.
private static unsafe int func1(byte[] param1)
{
fixed (byte* p = param1)
{
return *p;
}
}
;param1 ========> ECX
Address Hex dump Command Comments
$ ==> 55 push ebp ; Стандартный пролог
$+1 8BEC mov ebp, esp
$+3 50 push eax ; (!)
$+4 33C0 xor eax, eax ; (!)
$+6 8945 FC mov [ebp-4], eax ; var1 <-- 0 (!)
$+9 85C9 test ecx, ecx ; Compare(param1, null)
$+B 74 06 je short param_is_null
$+D 8379 04 00 cmp dword ptr [ecx+4], 0 ; Compare(param1.Length, 0)
$+11 75 07 jne short not_zero_len
param_is_null:
$+13 33D2 xor edx, edx
$+15 8955 FC mov [ebp-4], edx ; var1 <-- 0
$+18 EB 0C jmp short ret_1
not_zero_len:
$+1A 8379 04 00 cmp dword ptr [ecx+4], 0
$+1E 76 10 jbe short call.JIT_RngChkFail
$+20 8D49 08 lea ecx, [ecx+8] ; ecx <-- param1.BufferPointer
$+23 894D FC mov [ebp-4], ecx ; var1 <-- ecx
ret_1:
$+26 8B45 FC mov eax, [ebp-4] ; eax <-- var1
$+29 0FB600 movzx eax, byte ptr [eax] ; eax <-- *eax
$+2C 8BE5 mov esp, ebp ; Стандартный эпилог
$+2E 5D pop ebp
$+2F C3 ret
call.JIT_RngChkFail:
$+30 E8 B3BDC861 call clr.JIT_RngChkFail
$+35 CC int3
Из приведённого листинга становится понятным, что в результате JIT-компиляции переменная в предложении fixed обязательно помещается в стек, вне зависимости от доступности регистров общего назначения. Это хорошо видно из того факта, что регистр eax был сохранён в стеке, в дальнейшем не использовался и, следовательно, был свободным и доступным для операций (до смещения 0x26 от начала функции), но под хранение временных данных была использована стековая переменная по смещению [ebp-4] (назовём её var1). Переменная сразу же обязательно инициализируется нулём, несмотря на то, что потом это значение не используется, а просто затирается. Например, по смещению 0x15 в var1 снова заносится ноль, несмотря на то, что там к этому моменту уже хранится ноль.
Таким образом, становится понятным, что никакого особого смысла выделенные строки в листинге UnsafeCompare.CPU Disasm.ParametersChecking не несут, это всего лишь побочный эффект компиляции. Также из вышеприведённого листинга становится очевидным, что проверка массива в выражении fixed производится в три этапа: сначала массив проверяется на равенство null, потом его длина проверяется на равенство нулю (команда jne анализирует только ZF), и только затем на равенство нулю и отрицательность значения (jbe проверяет и ZF и CF). С моей точки зрения весьма странно, что последние два действия не были объединены в одно, и тем более странно, что команда cmp выполняется дважды, ведь условный переход не сбрасывает флаги. Кроме всего прочего, я изскренне благодарен тем из вас, кто прочитал эту строку, потому что это означает, что я не зря старался, и мои раскопки в ассемблерных листингах были не напрасны.
Проведённый эксперимент значительно упрощает дальнейший анализ кода.
argsIsValid:
001B0C23 8379 04 00 cmp dword ptr [ecx+4], 0 ; Compare(a1.Length, 0) это первая проверка длины первого массива
001B0C27 75 07 jne short a1Len_NonZero ; только неравенство
001B0C29 33C0 xor eax, eax
001B0C2B 8945 F0 mov [ebp-10], eax ; var1 <-- 0
001B0C2E EB 10 jmp short a1Len_Zero
a1Len_NonZero:
001B0C30 8379 04 00 cmp dword ptr [ecx+4], 0 ; Compare(a1.Length, 0) вторая (последняя) проверка длины первого массива
001B0C34 0F86 B5000000 jbe call.JIT_RngChkFail ; если равно или меньше
001B0C3A 8D41 08 lea eax, [ecx+8] ; eax <-- a1.BufferPointer
001B0C3D 8945 F0 mov [ebp-10], eax ; var1 <-- eax
a1Len_Zero:
001B0C40 837A 04 00 cmp dword ptr [edx+4], 0 ; Compare(a2.Length, 0) это первая проверка длины второго массива
001B0C44 75 07 jne short a2Len_NonZero ; только неравенство
001B0C46 33D2 xor edx, edx
001B0C48 8955 EC mov [ebp-14], edx ; var2 <-- 0
001B0C4B EB 10 jmp short part3
a2Len_NonZero:
001B0C4D 837A 04 00 cmp dword ptr [edx+4], 0 ; Compare(a2.Length, 0) вторая (последняя) проверка длины второго массива
001B0C51 0F86 98000000 jbe call.JIT_RngChkFail ; если равно или меньше
001B0C57 8D52 08 lea edx, [edx+8] ; edx <-- a2.BufferPointer
001B0C5A 8955 EC mov [ebp-14], edx ; var2 <-- edx
Никаких сюрпризов компилятор здесь не преподнёс, т.е. алгоритм компиляции даёт легко предсказуемые результаты. Например, переменные, инициализируемые в предложении fixed, в любом случае размещаются в стеке.
Инициализация переменных внутри блока fixed:
part3:
; ECX <======= a1
; EDX <======= a2.BufferPointer
; var1 <======= a1.BufferPointer
; var2 <======= a2.BufferPointer
001B0C5D 8B45 F0 mov eax, [ebp-10] ; eax <-- var1
001B0C60 8BF0 mov esi, eax ; esi <-- eax
001B0C62 8B45 EC mov eax, [ebp-14] ; eax <-- var2
001B0C65 8BF8 mov edi, eax ; edi <-- eax
001B0C67 8B41 04 mov eax, [ecx+4] ; eax <-- a1.Length
001B0C6A 8945 E8 mov [ebp-18], eax ; var3 <-- eax
Инициализация переменных внутри блока fixed любопытна тем, что хорошо демонстрирует принцип, по которому JIT-компилятор генерирует код. Здесь хорошо видно, что вместо прямой пересылки значений из стековых переменных в индексные регистры, значения сначала помещаются в регистр-аккумулятор. Может быть, в этом и есть какой-нибудь тайный магический смысл, но выглядит это (пересылка в eax) просто как лишнее действие.
001B0C6D 33C9 xor ecx, ecx ; счётчик цикла <-- 0
001B0C6F 8BD8 mov ebx, eax ; ebx <-- a1.Length
001B0C71 85DB test ebx, ebx
001B0C73 79 03 jns short ebx_greaterZero
001B0C75 83C3 07 add ebx, 7 ; если отрицательно, прибавляем 7
ebx_greaterZero:
001B0C78 C1FB 03 sar ebx, 3 ; ebx <-- a1.Length / 8
001B0C7B 85DB test ebx, ebx
001B0C7D 7E 1D jle short fourBytesComparing
for8_body:
001B0C7F 8B06 mov eax, [esi]
001B0C81 8B56 04 mov edx, [esi+4]
001B0C84 3B57 04 cmp edx, [edi+4]
001B0C87 75 04 jne short setResult_jumpReturn
001B0C89 3B07 cmp eax, [edi]
001B0C8B 74 04 je short for8_increment
setResult_jumpReturn:
001B0C8D 33C0 xor eax, eax ; result <-- 0
001B0C8F EB 56 jmp short return2 ; goto return
for8_increment:
001B0C91 41 inc ecx
001B0C92 83C6 08 add esi, 8
001B0C95 83C7 08 add edi, 8
for8_expression:
001B0C98 3BD9 cmp ebx, ecx
001B0C9A ^ 7F E3 jg short for8_body
Структура цикла достаточно тривиальна, например, счётчик цикла традиционно располагается в ecx, граничное значение счётчика располагается в ebx, что тоже традиционно. Примечательно здесь лишь то, что первая проверка условия цикла располагается сразу за инициализацией и выглядит не так, как основное условие цикла. Также очевидно, что чудес не бывает, и префикс REX недоступен ни в Protected Mode, ни в Compatible Mode, т.е. сравнение QWORD-блоками невозможно, поэтому сравниваются блоки размером DWORD. Однако из кода видно, что перед выполнением сравнений в регистры eax, edx загружаются соответствующие части первого массива, т.е. JIT-компилятор попытался произвести машинный код, максимально соответствующий исходному коду.
Бросается в глаза то, что компилятор здесь не стал применять строковую инструкцию CMPSD, а именно, её «короткую» форму, которая выполняет сравнение DWORD-блоков, размещённых по адресам esi и edi, выставляя соответствующие флаги. В этом случае размер машинного кода был бы меньше в несколько раз: команда mov здесь имеет размер 2 и 3 байта, команда cmp – 2 и 3 байта, а размер каждой команды CMPSD (в короткой форме) был бы всего 1 байт, т.е. для двух команд всего 2 байта. Это наводит на мысли о нежелании JIT-компилятора оптимизировать код.
Из приведённых листингов очевидно, что пара команд, первая из которых – пересылка в eax, является паттерном, которому компилятор следует неукоснительно.
Попытка сравнить блоки размером DWORD, выполняется, если такой объём остался:
fourBytesComparing:
001B0C9C F745 E8 0400000 test dword ptr [ebp-18], 00000004 ; ZF <-- (var3 & 4) == 0
001B0CA3 74 10 je short length_lowerThenFour
001B0CA5 8B06 mov eax, [esi]
001B0CA7 3B07 cmp eax, [edi]
001B0CA9 74 04 je short dwords_equals ; если блоки равны, переход к инкрименту регистров
001B0CAB 33C0 xor eax, eax
001B0CAD EB 38 jmp short return2
dwords_equals:
001B0CAF 83C6 04 add esi, 4
001B0CB2 83C7 04 add edi, 4
Попытка сравнить блоки размером WORD, выполняется, если такой объём остался:
length_lowerThenFour:
001B0CB5 F745 E8 0200000 test dword ptr [ebp-18], 00000002 ; ZF <-- (var3 & 2) == 0
001B0CBC 74 10 je short length_lowerThenTwo
001B0CBE 0FBF06 movsx eax, word ptr [esi]
001B0CC1 66:3B07 cmp ax, [edi]
001B0CC4 74 04 je short words_equals ; если блоки равны, переход к инкрименту регистров
001B0CC6 33C0 xor eax, eax
001B0CC8 EB 1D jmp short return2
words_equals:
001B0CCA 46 inc esi
001B0CCB 46 inc esi
001B0CCC 47 inc edi
001B0CCD 47 inc edi
Попытка сравнить блоки размером BYTE, выполняется, если такой объём остался:
length_lowerThenTwo:
001B0CCE F745 E8 0100000 test dword ptr [ebp-18], 00000001 ; ZF <-- (var3 & 1) == 0
001B0CD5 74 0B je short 001B0CE2
001B0CD7 0FB606 movzx eax, byte ptr [esi]
001B0CDA 3A07 cmp al, [edi]
001B0CDC 74 04 je short 001B0CE2 ; если блоки равны, переход к инкрименту регистров
001B0CDE 33C0 xor eax, eax
001B0CE0 EB 05 jmp short return2
001B0CE2 B8 01000000 mov eax, 1
Возврат результата и выброс исключения:
return2:
001B0CE7 8D65 F4 lea esp, [ebp-0C]
001B0CEA 5B pop ebx
001B0CEB 5E pop esi
001B0CEC 5F pop edi
001B0CED 5D pop ebp
001B0CEE C3 ret
JIT_RngChkFail:
001B0CEF E8 C4B1DB61 call clr.JIT_RngChkFail
001B0CF4 CC int3
Анализ CRT функции memcmp()
Эта функция представляет интерес ещё и потому, что не просто сравнивает два буфера, а выясняет отношение между ними, а значит, она сложнее, чем те, что рассматривались ранее.
После подцепления дебагером я выяснил, что в память процесса по базовому адресу 0x76C20000 была загружена C:WindowsSysWOW64msvcrt.dll версии 7.0.7601.17744.
Это важное уточнение, поскольку код разных версий библиотек может сильно отличаться, т.к. они могут быть скомпилированы с разными опциями компилятора, и даже более того, разными компиляторами.
Первый же взгляд на препарируемую функцию меня несколько смутил: во-первых, перед стандартным прологом, в самом начале функции, располагалась странная инструкция, а во-вторых, размеры этой функции поражают воображение. Бросилось в глаза наличие «длинных» джампов, к тому же switch с 32 case’ами устрашает.
Странная инструкция:
76C37975 . 8BFF mov edi, edi ; <--(!) Здесь начало функции INT msvcrt.memcmp(buf1,buf2,count)
76C37977 . 55 push ebp
76C37978 . 8BEC mov ebp, esp
Она копирует регистр сам в себя, не обновляя при этом никаких флагов, т.е. результат её выполнения нулевой, прямо как nop, но размером в 2 байта. Промотав код в окне отладчика, я обнаружил, что точно так же начинаются множество других функций. Благодаря блогу Рэймонда Чена объяснение нашлось быстро. Это действительно аналог nop.
It's a hot-patch point.
The MOV EDI, EDI instruction is a two-byte NOP, which is just enough space to patch in a jump instruction so that the function can be updated on the fly. The intention is that the MOV EDI, EDI instruction will be replaced with a two-byte JMP $-5 instruction to redirect control to five bytes of patch space that comes immediately before the start of the function. Five bytes is enough for a full jump instruction, which can send control to the replacement function installed somewhere else in the address space.
blogs.msdn.com/b/oldnewthing/archive/2011/09/21/10214405.aspx
Address Hex dump Command Comments
75A9797C . 8B7D 10 mov edi, [ebp+10] ; edi <-- length
75A9797F . 8BC7 mov eax, edi
75A97981 . 83E8 00 sub eax, 0 ;
75A97984 . 0F84 E7070100 je msvcrt.zeroResult_GoReturn ; (length == 0)=> {result <-- 0, goto return;} (!) Обратите внимание на размер инструкции
; часть кода опущена
; часть кода опущена
75A979BC . 83FF 1F cmp edi, 1F ; Switch (cases 1..1F, 32. exits)
75A979BF . 77 5B ja short msvcrt.75A97A1C
75A979C1 . FF24BD 1F8AA975 jmp near [edi*4+msvcrt.75A98A1F] ; (!) Джамп на адрес из таблицы переходов (!) Обратите внимание на размер инструкции
; часть кода опущена
; часть кода опущена
75A98A1F . 1C7AA975 dd msvcrt.75A97A1C ; (00) Начало таблицы переходов, здесь jump на выход из функции
75A98A23 . E88AA975 dd msvcrt.75A98AE8 ; (01)
75A98A27 . CA8AA975 dd msvcrt.75A98ACA ; (02)
75A98A2B . 8C8BA975 dd msvcrt.75A98B8C ; (03)
75A98A2F . 0A7AA975 dd msvcrt.75A97A0A ; (04)
75A98A33 . 088FA975 dd msvcrt.75A98F08 ; (05)
75A98A37 . B88AA975 dd msvcrt.75A98AB8 ; (06)
75A98A3B . 758BA975 dd msvcrt.75A98B75 ; (07)
75A98A3F . F479A975 dd msvcrt.75A979F4 ; (08)
75A98A43 . 238FA975 dd msvcrt.75A98F23 ; (09)
75A98A47 . 9F8AA975 dd msvcrt.75A98A9F ; (0A)
75A98A4B . A18BA975 dd msvcrt.75A98BA1 ; (0B)
75A98A4F . DE79A975 dd msvcrt.75A979DE ; (0C)
75A98A53 . 3A8FA975 dd msvcrt.75A98F3A ; (0D)
75A98A57 . FD8AA975 dd msvcrt.75A98AFD ; (0E)
75A98A5B . ED8EA975 dd msvcrt.75A98EED ; (0F)
75A98A5F . C879A975 dd msvcrt.75A979C8 ; (10)
75A98A63 . 518FA975 dd msvcrt.75A98F51 ; (11)
75A98A67 . BA8EA975 dd msvcrt.75A98EBA ; (12)
75A98A6B . 6A98A975 dd msvcrt.75A9986A ; (13)
75A98A6F . 8990A975 dd msvcrt.75A99089 ; (14)
75A98A73 . CD98A975 dd msvcrt.75A998CD ; (15)
75A98A77 . D58EA975 dd msvcrt.75A98ED5 ; (16)
75A98A7B . 8598A975 dd msvcrt.75A99885 ; (17)
75A98A7F . 1899A975 dd msvcrt.75A99918 ; (18)
75A98A83 . E898A975 dd msvcrt.75A998E8 ; (19)
75A98A87 . 698FA975 dd msvcrt.75A98F69 ; (1A)
75A98A8B . 9D98A975 dd msvcrt.75A9989D ; (1B)
75A98A8F . 3399A975 dd msvcrt.75A99933 ; (1C)
75A98A93 . 0099A975 dd msvcrt.75A99900 ; (1D)
75A98A97 . 848FA975 dd msvcrt.75A98F84 ; (1E)
75A98A9B . B598A975 dd msvcrt.75A998B5 ; (1F) Окончание таблицы переходов
В связи с большой трудоёмкостью анализа всей функции было решено не дизассемблировать её полностью, к тому же интерес представляли лишь две вещи:
- Оценка накладных расходов (overhead) на «платформенный» вызов (PInvoke)
- Внешняя оценка основного кода функции.
Оценка накладных расходов на взаимодействие с платформой
Для оценки накладных расходов на вызов функции было решено провести трассировку кода от управляемого кода до начала самой функции. Для этого в начале функции была установлена точка останова, и после возврата из Thread.Sleep() начата трассировка. Однако результат первой попытки трассировки оказался неудачным: лог трассировки оказался слишком большим (около 100 тысяч строк), что, вероятно, говорило о том, что была выполнена DllMain(), также существовала вероятность, что был захвачен какой-то код CLR, возможно, код JIT-компилятора. Что именно там выполнялось, я не стал выяснять: это не представляло интереса, т.к. подобный стартовый код выполняется лишь единожды и на общую картину почти не влияет. Чтобы исключить этот код, я перед вызовом Thread.Sleep() вставил ещё один вызов memcmp() и заново произвёл трассировку. В результате чего получил чуть более ста строк.
Часть лога трассировки:
main 00480AEA call 0031C19C ESP=0016F368
; часть кода опущена
main clr.628C3B5F call near [eax+14] ESP=0016F248 ; (1)
; часть кода опущена
main 00480B87 mov eax, [ebp-1C] EAX=00313880
main 00480B8A mov eax, [eax+14] EAX=0031391C
main 00480B8D mov ecx, [eax] ECX=75A97975 ; (2)
main 00480B8F push dword ptr [ebp+0C] ESP=0016F328
main 00480B92 push dword ptr [ebp+8] ESP=0016F324
main 00480B95 push edi ESP=0016F320
main 00480B96 push dword ptr [ebp-10] ESP=0016F31C
main 00480B99 mov dword ptr [ebp-2C], 0
main 00480BA0 mov [ebp-28], esp
main 00480BA3 mov dword ptr [ebp-24], 480BB0
main 00480BAA mov byte ptr [ebx+8], 0
main 00480BAE call ecx ESP=0016F318 ; (3)
main msvcrt.memcmp mov edi, edi
-------- Logging stopped
Из приведённого лога видно, что, во-первых, по пути к функции происходит как минимум один косвенный вызов, а во-вторых, CLR достаёт адрес конечной функции из какой-то структуры данных, т.е. вызов обладает значительной косвенностью и не оставляет блоку предсказания переходов никакой надежды на выполнение его миссии. Это делает бессмысленным вынос таких функций за пределы управляемого кода в том случае, если они не обрабатывают большие порции данных единовременно и не требуют большого времени вычислений.
Оценка основного кода функции
В лучшем, наименее ресурсоёмком, случае функция обнаружит различие в первом же байте и вернёт результат. Именно в этом случае функция затратит наименьшее время. В худшем случае функция сравнит массивы целиком и не обнаружит различий. Очевидно, что во втором случае данные будут сравниваться блоками в цикле.
Поскольку провести дизассемблирование и анализ функции целиком за приемлемое время возможным не представляется, то для оценки выполняемого кода было решено сделать две трассировки, и уже по логу трассировки оценивать оба этих случая. Для анализа лучшего случая, во-первых, была модифицирована функция генерации тестовых данных так, чтобы все массивы отличались, начиная с первого байта, а во-вторых, модифицирована функция, сравнивающая все массивы, так, чтобы в первой же итерации цикла сравнивались разные массивы.
private static bool CompareArraysWithPInvokeMethod()
{
var result = true;
for (int i = CountArrays - 1; i >= 0; i--) //Цикл в обратном направлении
for (int j = 0; j < CountArrays; j++)
{
var tmp = ByteArrayCompareWithPInvoke(s_arrays[i], s_arrays[j]);
result = result && tmp;
}
return result;
}
main msvcrt.memcmp mov edi, edi
main msvcrt.75A97977 push ebp ESP=0041EC74
main msvcrt.75A97978 mov ebp, esp EBP=0041EC74
main msvcrt.75A9797A push esi ESP=0041EC70
main msvcrt.75A9797B push edi ESP=0041EC6C
main msvcrt.75A9797C mov edi, [ebp+10] EDI=00080000 ; edi <-- count
main msvcrt.75A9797F mov eax, edi EAX=00080000 ; eax <-- edi
main msvcrt.75A97981 sub eax, 0 ; if (eax == 0) {result <-- 0; return;}
main msvcrt.75A97984 je msvcrt.zeroResult_GoReturn
main msvcrt.75A9798A dec eax EAX=0007FFFF
main msvcrt.75A9798B je msvcrt.75A98C10
main msvcrt.75A97991 dec eax EAX=0007FFFE
main msvcrt.75A97992 je msvcrt.75A9E610
main msvcrt.75A97998 dec eax EAX=0007FFFD
main msvcrt.75A97999 je msvcrt.75A9E5DF
main msvcrt.75A9799F dec eax EAX=0007FFFC
main msvcrt.75A979A0 je msvcrt.75A98BD2
main msvcrt.75A979A6 mov ecx, [ebp+0C] ECX=034C53B8 ; ecx <-- buf1
main msvcrt.75A979A9 mov eax, [ebp+8] EAX=05C41038 ; eax <-- buf2
main msvcrt.75A979AC push ebx ESP=0041EC68
main msvcrt.75A979AD push 20 ESP=0041EC64 ; Очень необычный способ поместить число в регистр
main msvcrt.75A979AF pop edx EDX=00000020, ESP=0041EC68
;--------------------------------Начало цикла сравнения
main msvcrt.75A979B0 cmp edi, edx
main msvcrt.75A979B2 jae msvcrt.75A993A7
main msvcrt.75A993A7 mov esi, [eax] ESI=4241403F
main msvcrt.75A993A9 cmp esi, [ecx]
main msvcrt.75A993AB jne msvcrt.75AA80E7 ; Обнаружено отличие
main msvcrt.75AA80E7 movzx esi, byte ptr [eax] ESI=0000003F
main msvcrt.75AA80EA movzx ebx, byte ptr [ecx] EBX=00000001
main msvcrt.75AA80ED sub esi, ebx ESI=0000003E ; Вычиление разницы между нулевыми байтами DWORD’а
main msvcrt.75AA80EF jne msvcrt.75AA8178
main msvcrt.75AA8178 xor ebx, ebx EBX=00000000 ; Формирование результата в регистре ebx
main msvcrt.75AA817A test esi, esi
main msvcrt.75AA817C setg bl EBX=00000001
main msvcrt.75AA817F lea ebx, [ebx+ebx-1]
main msvcrt.75AA8183 mov esi, ebx ESI=00000001
main msvcrt.75AA8185 test esi, esi
main msvcrt.75AA8187 jne msvcrt.75A98AB1
main msvcrt.75A98AB1 mov eax, esi EAX=00000001
main msvcrt.75A98AB3 jmp msvcrt.75A97A1E
main msvcrt.75A97A1E pop ebx EBX=00852AE0, ESP=0041EC6C
main msvcrt.return1 pop edi ESP=0041EC70, EDI=034C53B8
main msvcrt.75A97A20 pop esi ESP=0041EC74, ESI=034C53B0
main msvcrt.75A97A21 pop ebp ESP=0041EC78, EBP=0041ECC4
main msvcrt.75A97A22 ret ESP=0041EC7C
Первое, что здесь бросается в глаза – то, что обработка частных случаев, т.е. случаев, когда параметр count лежит в пределах [0..4], сделана довольно необычно. Остаётся только гадать, является ли это результатом компиляции предложения switch или там действительно была заведена локальная переменная, которая декрементировалась на каждом шаге проверки. Однако отладочная информация утверждает, что это всё-таки был switch. С точки зрения оптимизации это вполне разумное действие, т.к. не выполняется инициализация цикла.
Второе, что сразу же бросилось в глаза – весьма необычный способ занесения числа 0x20 в регистр edx (через стек). Это очень похоже на какой-то артефакт компиляции, и явно говорит о том, что функция писалась не на ассемблере. Человек бы такого не написал, т.к. это бессмысленно: стек находится в памяти, а к ней обращения всегда медленнее, чем к регистрам. Рискну предположить, что это артефакт встраивания (inline).
После обнаружения различия двойных слов в буферах выполняется переход по адресу 0x75AA8178, где происходит загрузка первых байтов из исходных буферов в регистры esi и ebx по адресам, где было обнаружено различие. Затем следует вычисление разницы между этими байтами, и, если не обнаружено различий, то загружаются следующие байты, и так для всего двойного слова. Примечательно, что результат не зависит от номера байта, в котором обнаружено различие. Это видно из того, что код формирования результата для последнего байта в DWORD’е полностью идентичен коду аналогичного назначения для первого байта, приведённому выше в трэйслоге первой трассировки.
;Address Hex dump Command Comments
75AA80E7 > 0FB630 movzx esi, byte ptr [eax]
75AA80EA . 0FB619 movzx ebx, byte ptr [ecx]
75AA80ED . 2BF3 sub esi, ebx ; Вычиление разницы между нулевыми байтами DWORD’а
75AA80EF .- 0F85 83000000 jne msvcrt.75AA8178 ; Джамп на формирование результата в регистре ebx
75AA80F5 > 0FB670 01 movzx esi, byte ptr [eax+1]
75AA80F9 . 0FB659 01 movzx ebx, byte ptr [ecx+1]
75AA80FD . 2BF3 sub esi, ebx
75AA80FF .- 0F84 1EF9FEFF je msvcrt.75A97A23
; часть кода опущена
75A97A23 > 0FB670 02 movzx esi, byte ptr [eax+2]
75A97A27 . 0FB659 02 movzx ebx, byte ptr [ecx+2]
75A97A2B . 2BF3 sub esi, ebx
75A97A2D .- 74 15 je short msvcrt.75A97A44
; часть кода опущена
75A97A44 > 0FB670 03 movzx esi, byte ptr [eax+3]
75A97A48 . 0FB659 03 movzx ebx, byte ptr [ecx+3]
75A97A4C . 2BF3 sub esi, ebx
75A97A4E .- 0F84 5F190000 je msvcrt.75A993B3 ; Джамп куда-то внутрь цикла
75A97A54 . 33DB xor ebx, ebx ; Формирование результата в регистре ebx
75A97A56 . 85F6 test esi, esi
75A97A58 . 0F9FC3 setg bl
75A97A5B . 8D5C1B FF lea ebx, [ebx+ebx-1]
75A97A5F . 8BF3 mov esi, ebx
75A97A61 .- E9 4D190000 jmp msvcrt.75A993B3
; часть кода опущена
75A993B1 . |33F6 xor esi, esi
75A993B3 > |85F6 test esi, esi
75A993B5 .-|0F85 F6F6FFFF jne msvcrt.75A98AB1
Дублирование кода нехорошо, но не страшно, а вот последовательное сравнение байтов – не лучший способ сравнения двойных слов, тем более что номер байта на результат не влияет. Таким образом, уже видно, что этот код несколько странноват, возможно, потому, что исходники ещё более странноваты.
Первый взгляд на лог второй трассировки: за одну итерацию цикла сравниваются 8 двойных слов, и это хорошо: видно, что цикл развёрнут, а с другой стороны, после каждого сравнения идёт абсолютно одинаковый бесполезный код: в регистр esi заносится 0 и анализируется содержимое регистра esi. У меня нет никаких предположений о том, зачем это было сделано, однако есть предположение о том, как такое могло получиться: во-первых, это очень похоже на результат работы какого-то макроса, формировавшего ассемблерный код, а во-вторых, похоже, что майкрософтовский компилятор C не так хорош, как я об этом думал раньше.
;--------------------------------Начало цикла сравнения
main msvcrt.75A979B0 cmp edi, edx
main msvcrt.75A979B2 jae msvcrt.75A993A7
main msvcrt.75A993A7 mov esi, [eax] ESI=00000000
main msvcrt.75A993A9 cmp esi, [ecx]
main msvcrt.75A993AB jne msvcrt.75AA80E7
main msvcrt.75A993B1 xor esi, esi
main msvcrt.75A993B3 test esi, esi
main msvcrt.75A993B5 jne msvcrt.75A98AB1
main msvcrt.75A993BB mov esi, [eax+4]
main msvcrt.75A993BE cmp esi, [ecx+4]
main msvcrt.75A993C1 jne msvcrt.75AA811F
main msvcrt.75A993C7 xor esi, esi
main msvcrt.75A993C9 test esi, esi
main msvcrt.75A?993CB jne msvcrt.75A98AB1
main msvcrt.75A993D1 mov esi, [eax+8]
main msvcrt.75A993D4 cmp esi, [ecx+8]
main msvcrt.75A993D7 jne msvcrt.75A97A9A
main msvcrt.75A993DD xor esi, esi
main msvcrt.75A993DF test esi, esi
main msvcrt.75A993E1 jne msvcrt.75A98AB1
main msvcrt.75A993E7 mov esi, [eax+0C]
main msvcrt.75A993EA cmp esi, [ecx+0C]
main msvcrt.75A993ED jne msvcrt.75A97B1F
main msvcrt.75A993F3 xor esi, esi
main msvcrt.75A993F5 test esi, esi
main msvcrt.75A993F7 jne msvcrt.75A98AB1
main msvcrt.75A993FD mov esi, [eax+10]
main msvcrt.75A99400 cmp esi, [ecx+10]
main msvcrt.75A99403 jne msvcrt.75A97BA4
main msvcrt.75A99409 xor esi, esi
main msvcrt.75A9940B test esi, esi
main msvcrt.75A9940D jne msvcrt.75A98AB1
main msvcrt.75A99413 mov esi, [eax+14]
main msvcrt.75A99416 cmp esi, [ecx+14]
main msvcrt.75A99419 jne msvcrt.75A97C29
main msvcrt.75A9941F xor esi, esi
main msvcrt.75A99421 test esi, esi
main msvcrt.75A99423 jne msvcrt.75A98AB1
main msvcrt.75A99429 mov esi, [eax+18]
main msvcrt.75A9942C cmp esi, [ecx+18]
main msvcrt.75A9942F jne msvcrt.75AA1172
main msvcrt.75A99435 xor esi, esi
main msvcrt.75A99437 test esi, esi
main msvcrt.75A99439 jne msvcrt.75A98AB1
main msvcrt.75A9943F mov esi, [eax+1C]
main msvcrt.75A99442 cmp esi, [ecx+1C]
main msvcrt.75A99445 jne msvcrt.75A97CFC
main msvcrt.75A9944B xor esi, esi
main msvcrt.75A9944D test esi, esi
main msvcrt.75A9944F jne msvcrt.75A98AB1
main msvcrt.75A99455 add eax, edx EAX=031353B8
main msvcrt.75A99457 add ecx, edx ECX=031353B8
main msvcrt.75A99459 sub edi, edx EDI=0007FFE0
main msvcrt.75A9945B jmp msvcrt.75A979B0
Примечательно, что на больших объёмах тестовых данных этот код показал результат на ~10% хуже, чем код, использующий unsafe. Понятно, что основное время при сравнении массивов данных уходит на операции чтения из памяти, которая значительно медленнее, чем кэш процессора и, тем более, регистры. Но столь серьёзная разница, которую дали одни лишь операции с регистрами процессора, говорит о том, что оптимизации компилятора крайне важны. Рискну предположить, что тестирование на более слабом процессоре, например, на процессоре с меньшей тактовой частотой, дало бы значительно более существенную разницу.
Выводы
- Если надо быстро сравнивать маленькие (7 байт и меньше) массивы, берём наиболее очевидный способ (побайтное сравнение в цикле), большие — unsafe, а всё остальное от лукавого.
- Вокруг .Net и CLR ходит много легенд. Людей убедили в том, что JIT-компилятор генерирует хороший, оптимизированный код, что CLR «затачивает» машинный код под конкретный процессор. Это неправда. В теории JIT-компилятор способен творить чудеса оптимизации, но на практике не делает этого. Нужен быстрый код — берите C++-компилятор от Intel, а если нужно вообще максимум из железа выжать, то вооружайтесь руководством по оптимизации от одноимённой фирмы (AMD или Intel) и пишите на ассемблере.
- Анализ C-RunTime функции показывает, что компилятор не творит чудес, даже если это один из лучших C-компиляторов – MS VC. Цитата из статьи «О реализации метода оптимизации при компиляции» (http://rsdn.ru/article/optimization/optimization.xml): «Только если особый случай не найден, компилятор выполняет реализацию, рассчитанную на самый общий случай и потому потенциально менее эффективную».
Список литературы
- Intel® 64 and IA-32 Architectures Software Developer Manuals.CHAPTER 2. Intel ® 64 Architecture www.intel.com/content/www/us/en/processors/architectures-software-developer-manuals.html.
- AMD64 Architecture Programmer’s Manual Volume 1: Application Programming CHAPTER 1 Long Mode
amd-dev.wpengine.netdna-cdn.com/wordpress/media/2012/10/24592_APM_v11.pdf - Intel® 64 and IA-32 Architectures Optimization Reference Manual. CHAPTER 3. Alignment www.intel.com/content/www/us/en/architecture-and-technology/64-ia-32-architectures-optimization-manual.html
- Windows Internals, Sixth Edition, Part 1, CHAPTER 5 Processes, Threads, and Jobs
- Windows Internals, Sixth Edition, Part 2, CHAPTER 10. Memory Management
- Intel® 64 and IA-32 Architectures Software Developer Manuals. CHAPTER 17. TIME-STAMP COUNTER
- MSDN Magazine 2005, May: Drill Into .NET Framework Internals to See How the CLR Creates Runtime Objects
msdn.microsoft.com/en-us/magazine/cc163791.aspx#S6 - Joe Duffy, Professional .NET Framework 2.0 (Programmer to Programmer). Chapter 3: Inside the CLR, Just-In-Time (JIT) Compilation
Автор: scumware
