linux堆栈和windows,c++ - 使用英特尔编译器的Windows和Linux之间的性能差异:查看程序集 - 堆栈内存溢出...

使用Visual Studio 2015,Win 7 64位模式,我找到了erf()中使用的一些路径的以下代码(并非显示所有路径)。 每个路径涉及从内存中读取的最多8个(可能更多用于其他路径)常量,因此保存寄存器的单个存储/加载似乎不太可能导致Linux和Windows之间的3倍速差。 至于保存/恢复,此示例保存并恢复xmm6和xmm7。 至于时间,原始帖子中的程序在Intel 3770K(3.5ghz cpu)(VS2015 / Win 7 64 bit)上大约需要0.86秒。 更新 - 我后来确定,在程序10 ^ 8循环(每个循环约3纳秒)的情况下,保存和恢复xmm寄存器的开销约为0.03秒。

000007FEEE25CF90 mov rax,rsp

000007FEEE25CF93 movss dword ptr [rax+8],xmm0

000007FEEE25CF98 sub rsp,48h

000007FEEE25CF9C movaps xmmword ptr [rax-18h],xmm6

000007FEEE25CFA0 lea rcx,[rax+8]

000007FEEE25CFA4 movaps xmmword ptr [rax-28h],xmm7

000007FEEE25CFA8 movaps xmm6,xmm0

000007FEEE25CFAB call 000007FEEE266370

000007FEEE25CFB0 movsx ecx,ax

000007FEEE25CFB3 test ecx,ecx

000007FEEE25CFB5 je 000007FEEE25D0AF

000007FEEE25CFBB sub ecx,1

000007FEEE25CFBE je 000007FEEE25D08F

000007FEEE25CFC4 cmp ecx,1

000007FEEE25CFC7 je 000007FEEE25D0AF

000007FEEE25CFCD xorps xmm7,xmm7

000007FEEE25CFD0 movaps xmm2,xmm6

000007FEEE25CFD3 comiss xmm7,xmm6

000007FEEE25CFD6 jbe 000007FEEE25CFDF

000007FEEE25CFD8 xorps xmm2,xmmword ptr [7FEEE2991E0h]

000007FEEE25CFDF movss xmm0,dword ptr [7FEEE298E50h]

000007FEEE25CFE7 comiss xmm0,xmm2

000007FEEE25CFEA jbe 000007FEEE25D053

000007FEEE25CFEC movaps xmm2,xmm6

000007FEEE25CFEF mulss xmm2,xmm6

000007FEEE25CFF3 movaps xmm0,xmm2

000007FEEE25CFF6 movaps xmm1,xmm2

000007FEEE25CFF9 mulss xmm0,dword ptr [7FEEE298B34h]

000007FEEE25D001 mulss xmm1,dword ptr [7FEEE298B5Ch]

000007FEEE25D009 addss xmm0,dword ptr [7FEEE298B8Ch]

000007FEEE25D011 addss xmm1,dword ptr [7FEEE298B9Ch]

000007FEEE25D019 mulss xmm0,xmm2

000007FEEE25D01D mulss xmm1,xmm2

000007FEEE25D021 addss xmm0,dword ptr [7FEEE298BB8h]

000007FEEE25D029 addss xmm1,dword ptr [7FEEE298C88h]

000007FEEE25D031 mulss xmm0,xmm2

000007FEEE25D035 mulss xmm1,xmm2

000007FEEE25D039 addss xmm0,dword ptr [7FEEE298DC8h]

000007FEEE25D041 addss xmm1,dword ptr [7FEEE298D8Ch]

000007FEEE25D049 divss xmm0,xmm1

000007FEEE25D04D mulss xmm0,xmm6

000007FEEE25D051 jmp 000007FEEE25D0B2

000007FEEE25D053 movss xmm1,dword ptr [7FEEE299028h]

000007FEEE25D05B comiss xmm1,xmm2

000007FEEE25D05E jbe 000007FEEE25D076

000007FEEE25D060 movaps xmm0,xmm2

000007FEEE25D063 call 000007FEEE25CF04

000007FEEE25D068 movss xmm1,dword ptr [7FEEE298D8Ch]

000007FEEE25D070 subss xmm1,xmm0

000007FEEE25D074 jmp 000007FEEE25D07E

000007FEEE25D076 movss xmm1,dword ptr [7FEEE298D8Ch]

000007FEEE25D07E comiss xmm7,xmm6

000007FEEE25D081 jbe 000007FEEE25D08A

000007FEEE25D083 xorps xmm1,xmmword ptr [7FEEE2991E0h]

000007FEEE25D08A movaps xmm0,xmm1

000007FEEE25D08D jmp 000007FEEE25D0B2

000007FEEE25D08F mov eax,8000h

000007FEEE25D094 test word ptr [rsp+52h],ax

000007FEEE25D099 je 000007FEEE25D0A5

000007FEEE25D09B movss xmm0,dword ptr [7FEEE2990DCh]

000007FEEE25D0A3 jmp 000007FEEE25D0B2

000007FEEE25D0A5 movss xmm0,dword ptr [7FEEE298D8Ch]

000007FEEE25D0AD jmp 000007FEEE25D0B2

000007FEEE25D0AF movaps xmm0,xmm6

000007FEEE25D0B2 movaps xmm6,xmmword ptr [rsp+30h]

000007FEEE25D0B7 movaps xmm7,xmmword ptr [rsp+20h]

000007FEEE25D0BC add rsp,48h

000007FEEE25D0C0 ret

数据治理是确保数据准确性、可靠性、安全性、可用性和完整性的体系和框架。它定义了组织内部如何使用、存储、保护和共享数据的规则和流程。数据治理的重要性随着数字化转型的加速而日益凸显,它能够提高决策效率、增强业务竞争力、降低风险,并促进业务创新。有效的数据治理体系可以确保数据在采、存储、处理、共享和保护等环节的合规性和有效性。 数据质量管理是数据治理中的关键环节,它涉及数据质量评估、数据清洗、标准化和监控。高质量的数据能够提升业务决策的准确性,优化业务流程,并挖掘潜在的商业价值。随着大数据和人工智能技术的发展,数据质量管理在确保数据准确性和可靠性方面的作用愈发重要。企业需要建立完善的数据质量管理和校验机制,并通过数据清洗和标准化提高数据质量。 数据安全与隐私保护是数据治理中的另一个重要领域。随着数据量的快速增长和互联网技术的迅速发展,数据安全与隐私保护面临前所未有的挑战。企业需要加强数据安全与隐私保护的法律法规和技术手段,采用数据加密、脱敏和备份恢复等技术手段,以及加强培训和教育,提高安全意识和技能水平。 数据流程管理与监控是确保数据质量、提高数据利用率、保护数据安全的重要环节。有效的数据流程管理可以确保数据流程的合规性和高效性,而实时监控则有助于及时发现并解决潜在问题。企业需要设计合理的数据流程架构,制定详细的数据管理流程规范,并运用数据审计和可视化技术手段进行监控。 数据资产管理是将数据视为组织的重要资产,通过有效的管理和利用,为组织带来经济价值。数据资产管理涵盖数据的整个生命周期,包括数据的创建、存储、处理、共享、使用和保护。它面临的挑战包括数据量的快速增长、数据类型的多样化和数据更新的迅速性。组织需要建立完善的数据管理体系,提高数据处理和分析能力,以应对这些挑战。同时,数据资产的分类与评估、共享与使用规范也是数据资产管理的重要组成部分,需要制定合理的标准和规范,确保数据共享的安全性和隐私保护,以及建立合理的利益分配和权益保障机制。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值