Оптимизация СПО для платформы Эльбрус (OSSDEVCONF-2021) — различия между версиями

;{{SpeakerInfo}}:;{{SpeakerInfo}}: 
* {{Speaker|Михаил Шигорин}}
* {{Speaker|Андрей Савченко}}
<blockquote>
Рассмотрены различные методы оптимизации ПО для архитектуры Эльбрус.
Представлены результаты оптимизации СПО проектов и даются практические рекомендации по подобной работе.
</blockquote>

{{VideoSection}}

{{vimeoembed|64297725|800|450}}
{{youtubelink|}}
|KmEyOXX5Or4}}
{{SlidesSection}}
[[File:Оптимизация СПО для платформы Эльбрус (OSSDEVCONF-2021).pdf|left|page=-|300px]]

{{----}}

== Thesis ==

=== Введение ===

Эльбрус (e2000, e2k), в отличие от большинства других архитектур, использует набор инструкций с широким командным словом (VLIW) и позволяет выполнять десятки команд общего назначения за такт (до 25 для 4-го поколения, до 50 для 5-го). Это свойства приводят к гораздо более сильной зависимости производительности кода от степени его оптимизации как компилятором, так и программистом, c учётом особенностей архитектуры.

Рассмотрим способы оптимизации кода от простого к сложному.

=== Новые версии компилятора ===

Внутренний параллелизм и оптимальное заполнение VLIW — сложная задача, поэтому даже без изменения кода можно получить его существенное ускорение, используя последнее поколение компилятора. Например, прирост производительности между lcc-1.10 и lcc-1.25 составляет <tt>2.05</tt> раз для целочисленных вычислений и <tt>3.58</tt> раз для плавающей запятой<ref>Прирост производительности за счёт оптимизации компилятора <tt>https://www.altlinux.org/lcc#/media/File:Lcc-performance.jpg</tt></ref>.

=== Оптимизация для целевого процессора ===

lcc позволяет компилировать как приложения, работающие на любой архитектуре, начиная с заданной (<code>-march</code>), так и для конкретной модели процессора (<code>-mtune</code>). Во втором случае код получается быстрее, но он не будет работать на других моделях процессоров. Эксперименты с ядром показали прирост от <tt>0.5%</tt> (мало, но статистически достоверно), до <tt>8%</tt> в случае с 1С+.

=== Профилирование ===

Профилирование по семантике аналогично gcc (<code>-fprofile-generate</code>, <code>-fprofile-use</code>), но сложнее в практической эксплуатации. Для xz получен прирост <math display="inline">\sim 13 %</math>. Код доступен в Сизифе<ref>xz: поддержка профилирования на e2k http://git.altlinux.org/gears/x/xz.git?p=xz.git;a=commit;h=7ed55a11d0643c5b53234c700163b72a41a7af30</ref>, где можно посмотреть пример практического применения и обхода проблем.

=== Использование SIMD ===

Для SIMD оптимизаций предпочтительно использовать интринсики (встроенные фукнции компилятора), а не писать всё на непосредственно на ассмеблере. Основные особенности:

== Векторные команды x86 ==

SIMD команды Эльбруса копируют векторные команды x86, но есть различия:

* Нет варианта некоторых команд, например <code>_mm_dp_ps()</code>, она эмулируется компилятором, поэтому будет работать медленно.
* Операция Shuffle на Эльбрусе может использовать таблицу в 2 регистра, поэтому можно написать более эффективный код.

== Векторные интринсики x86 ==

lcc понимает интринсики от MMX до AVX2, используя эквивалентные команды для Эльбруса. Если эквивалента не будет, то будет использована медленная эмуляция.

== Особенности архитектур ==

'''v3,v4''': 64-х разрядные регистры и поддержку почти всех SSE4.1 команд, одна векторная инструкция вычисляет только 64-бит результата. Медленно читает невыровненные данные, в том числе если данные выровнены, но компилятор об этом не знает.

'''v5''': регистры 128-разрядные, появились эквиваленты векторных команд, которые обрабатывают 128-бит. Быстрее читает невыровненные данные.

'''v6''': предполагается ускорение работы с невыровненными данными.

== Выбор интринсиков ==

Удобнее использовать интринсики x86, чем Эльбруса:

* Их можно скомпилировать как для v3 так и для v5, для эмуляции SSE интринсика компилятор сгенерирует одну команду для v5 и две команды для v3. На v3 будет использовано в два раза больше регистров. Но регистров у Эльбруса много (256). Зато не нужно писать отдельные версии кода для v3 и v5, что сокращает разработку.
* Оптимизацию можно разрабатывать и отлаживать на x86, лишь в финале проверяя на Эльбрусе. Небольшая часть вещей специфичных для Эльбруса выносится в макросы (которые эмулируют то же самое на x86).
* AVX команды эмулируются тем же образом, как SSE на v3. Использовать не рекомендуется из-за большого перерасхода регистров.

== Зависимости между данными ==

Компилятор для Эльруса должен заранее знать об отсутствии зависимости между данными чтобы сгенерировать быстрый код. Например, для кода:

<pre>for (i = 0; i &lt; n; i++) dst[i] = src[i] + x;</pre>
компилятор не знает, существует ли зависимость между данными (например, что <code>dst</code> будет указывать на <code>src + 1</code>). Поэтому вставит ожидание между записью dst и чтением src из следующей итерации. Чтобы этого не происходило, нужно указывать <code>#pragma ivdep</code> перед циклом.

== Выравнивание данных ==

В lcc-1.25 не работают<code>__attribute__((aligned(N)))</code> или <code>__builtin_assume_aligned(ptr, N)</code>, но есть два способа этого добиться:

# Опция lcc <code>-faligned</code>, но тогда любые указатели будет считаться выровненными, что неудобно и опасно в больших проектах.
# Прямой сброс младших бит указателя: <code>ptr = (T*)((intptr_t)ptr &amp; -8);</code> тогда LCC понимает что память выровнена. Но если придёт невыровненный указатель то не будет ошибки, но будут неправильные вычисления, или придётся добавить assert (что лишний код, замедлит при использовании в цикле). Также это лишняя операция AND, что критично в части кода (например циклы или макросы).

=== Оптимизированное СПО ===

На Эльбрус портированы или оптимизированы д14 популярных СПО проектов<ref>Патчи оптимизации для e2k разного СПО https://github.com/ilyakurdyukov/e2k-ports</ref>, включая ffmpeg, x264, libjpeg-turbo — всего 33 тыс. строк, 1.3 МБ исходного кода. Они уже доступны в Сизифе, ведётся взаимодействие с апстримами.

{|class=wikitable
! Аудио
!align="right"| mp3
!align="right"| aac
!align="right"| ogg
!align="right"| opus
|-
| base
|align="right"| 1.17
|align="right"| 1.26
|align="right"| 1.57
|align="right"| 2.62
|-
| mcst
|align="right"| 1.30
|align="right"| 1.40
|align="right"| 1.76
|align="right"| 2.84
|-
| open
|align="right"| 0.98
|align="right"| 0.94
|align="right"| 1.23
|align="right"| 2.23
|}

{|class=wikitable
! Видео
!align="right"| mpeg2
!align="right"| mpeg4
!align="right"| xvid
!align="right"| avc
!align="right"| vp9
!align="right"| hevc
|-
| base
|align="right"| 51.55
|align="right"| 53.17
|align="right"| 57.07
|align="right"| 88.58
|align="right"| 121.81
|align="right"| 144.38
|-
| mcst
|align="right"| 40.20
|align="right"| 41.16
|align="right"| 45.33
|align="right"| 61.53
|align="right"| 123.61
|align="right"| 143.45
|-
| open
|align="right"| 28.78
|align="right"| 28.14
|align="right"| 30.62
|align="right"| 52.46
|align="right"| 57.34
|align="right"| 72.40
|}

Результаты для основных кодеков в сёк (меньше — лучше) в режиме декодирования. Тестировалось на 720p, 201 сёк. base — исходный код, mcst — бинарные файлы МЦСТ, open — опубликованное открытое решение.

{{----}}
[[File:{{#setmainimage:Оптимизация СПО для платформы Эльбрус (OSSDEVCONF-2021)!.jpg}}|center|640px]]
{{LinksSection}}
<!-- <blockquote>[©]</blockquote> -->

{{fblink|2965540557032279}}                                          
{{vklink|1873}}                                          
<references/>
* Эльбрус upstream https://www.altlinux.org/Эльбрус/upstream

{{stats|disqus_comments=0|refresh_time=2021-08-31T17:40:56.261954|vimeo_plays=0|youtube_plays=0}}

[[Категория:OSSDEVCONF-2021]]
[[Категория:Open-source projects]]ALTLinux на Эльбрусе]]
[[Категория:Эльбрус]]