c – 多线程内联汇编

在我的c代码中：

extern "C"
{
   void ProcessChunk(const char* buf,uint32_t* state);
}

pchunk.il：

.inline ProcessChunk,8  
.volatile
  /* copy state */
  ldd [%o1],%f0 /* load 8 bytes */ 
  ldd [%o1 + 8],%f2 /* load 8 bytes */ 
  ldd [%o1 +16],%f4 /* load 8 bytes */ 
  ldd [%o1 +24],%f6 /* load 8 bytes */ 

  /* copy data */
  ldd [%o0],%f8 /* load 8 bytes */ 
  ldd [%o0+8],%f10 /* load 8 bytes */ 
  ldd [%o0+16],%f12 /* load 8 bytes */ 
  ldd [%o0+24],%f14 /* load 8 bytes */ 
  ldd [%o0+32],%f16 /* load 8 bytes */ 
  ldd [%o0+40],%f18 /* load 8 bytes */ 
  ldd [%o0+48],%f20 /* load 8 bytes */ 
  ldd [%o0+56],%f22 /* load 8 bytes */ 

  sha256
  nop

  std %f0,[%o1]
  std %f2,[%o1+8]
  std %f4,[%o1+16]
  std %f6,[%o1+24]
.end

事情在单线程环境中运行良好,但速度不够快.我使用openmp来并行化应用程序,以便我可以同时调用ProcessChunk.应用程序的多线程版本适用于几个线程,但是当我增加线程数(例如16个)时,我开始得到虚假结果. ProcessChunk函数的输入都是每个线程本地的堆栈变量.我已经确认无论线程数多少都能正确生成输入.如果我将ProcessChunk放入临界区,我会得到正确的结果,但性能会显着下降(单线程表现更好).我对问题可能是什么感到难过. solaris线程是否可以踩到另一个线程的浮点寄存器？

有什么想法我可以调试这个吗？

问候

更新：

我将代码更改为使用四倍大小(16字节)加载并保存：

.inline ProcessChunk,8
.volatile
  /* copy state */
  ldq [%o1],%f0
  ldq [%o1 +16],%f4

  /* copy data */
  ldq [%o0],%f8
  ldq [%o0+16],%f12
  ldq [%o0+32],%f16
  ldq [%o0+48],%f20

  lzd %o0,%o0
  nop

  stq %f0,[%o1]
  stq %f4,[%o1+16]
.end

乍一看这个问题似乎已经消失了.在32个线程之后性能显着下降,因此这是我坚持的数量(至少目前)并且使用当前代码我似乎得到了正确的结果.我可能只是掩盖了这个问题,所以我将进行进一步的测试.

更新2：

我找到了一些时间回到这一点,我能够从T4获得不错的结果(一分钟内有数百万个哈希值).

我所做的改变是：

>使用的程序集而不是内联汇编
>由于函数是叶函数,我没有触及寄存器窗口

我将所有内容都打包在一个库中,并使代码可用here