本文同时发表在https://github.com/zhangyachen/zhangyachen.github.io/issues/142
1.31
晚上的火车回家，在公司还剩两个小时，无心工作，本着不虚度光阴的原则（写这句话时还剩一个半小时~~），还是找点事情干。决定写一下前几天同事遇到的一个golang与c加法速度比较的问题（现在心里在想我工作不饱和的，请大胆的把你的名字放到留言区！）。
操作系统信息：
$uname -a
Linux 35d4aec21d2e 3.10.0-514.16.1.el7.x86_64 #1 SMP Wed Apr 12 15:04:24 UTC 2017 x86_64 x86_64 x86_64 GNU/Linux
先看一段C语言的加法：
#include<stdio.h>
int main(){
long i , sum = 0;
for ( i = 0 ; i < 9000000000; i++ ) {
sum += i;
}
printf("%ld",sum);
return 0;
}
执行时间：
$time ./a.out
3606511848080896768
real 0m32.353s
user 0m30.963s
sys 0m1.091s
再看一段GO语言的加法：
package main
import (
"fmt"
)
func main() {
var i, sum uint64
for i = 0; i < 9000000000; i++ {
sum += i
}
fmt.Print(sum)
}
执行时间：
$time go run a.go
3606511848080896768
real 0m6.272s
user 0m6.142s
sys 0m0.215s
我们可以发现Golang的加法比C版本快5倍以上。结果确实令人大跌眼镜，如果差一点还可以理解，但是这个5倍的差距确实有点大。是什么导致了这种差距？
第一反应肯定是分别查看汇编代码，因为在语言层面实在想不出能有什么因素导致如此大的性能差距，毕竟只是一个加法运算而已。
gcc生成的汇编代码（只看main函数的）:
0000000000400540 <main>:
400540: 55 push %rbp
400541: 48 89 e5 mov %rsp,%rbp
400544: 48 83 ec 10 sub $0x10,%rsp
400548: 48 c7 45 f0 00 00 00 movq $0x0,-0x10(%rbp) -----> sum = 0
40054f: 00
400550: 48 c7 45 f8 00 00 00 movq $0x0,-0x8(%rbp) ----> i = 0
400557: 00
400558: eb 0d jmp 400567 <main+0x27>
40055a: 48 8b 45 f8 mov -0x8(%rbp),%rax
40055e: 48 01 45 f0 add %rax,-0x10(%rbp) -------> sum = sum + i
400562: 48 83 45 f8 01 addq $0x1,-0x8(%rbp) -------> i++
400567: 48 b8 ff 19 71 18 02 mov $0x2187119ff,%rax
40056e: 00 00 00
400571: 48 39 45 f8 cmp %rax,-0x8(%rbp) ------> i < 9000000000
400575: 7e e3 jle 40055a <main+0x1a>
400577: 48 8b 45 f0 mov -0x10(%rbp),%rax
40057b: 48 89 c6 mov %rax,%rsi
40057e: bf 6c 06 40 00 mov $0x40066c,%edi
400583: b8 00 00 00 00 mov $0x0,%eax
400588: e8 37 fe ff ff callq 4003c4 <printf@plt>
40058d: b8 00 00 00 00 mov $0x0,%eax -------> return 0
400592: c9 leaveq
比较重要的汇编语句已经标记出来了，可以发现，代码中频繁用到的sum和i变量，是放在栈中的（内存），每次运算需要访问内存。
再看看GO编译器生成的汇编代码：
000000000047b660 <main.main>:
47b660: 64 48 8b 0c 25 f8 ff mov %fs:0xfffffffffffffff8,%rcx
47b667: ff ff
47b669: 48 3b 61 10 cmp 0x10(%rcx),%rsp
47b66d: 0f 86 aa 00 00 00 jbe 47b71d <main.main+0xbd>
47b673: 48 83 ec 50 sub $0x50,%rsp
47b677: 48 89 6c 24 48 mov %rbp,0x48(%rsp)
47b67c: 48 8d 6c 24 48 lea 0x48(%rsp),%rbp
47b681: 31 c0 xor %eax,%eax -----------> i = 0
47b683: 48 89 c1 mov %rax,%rcx -----------> sum = i =0
47b686: 48 ba 00 1a 71 18 02 mov $0x218711a00,%rdx
47b68d: 00 00 00
47b690: 48 39 d0 cmp %rdx,%rax
47b693: 73 19 jae 47b6ae <main.main+0x4e>
47b695: 48 8d 58 01 lea 0x1(%rax),%rbx -----------> i++ (1)
47b699: 48 01 c1 add %rax,%rcx -----------> sum = sum + i
47b69c: 48 89 d8 mov %rbx,%rax -----------> i++ (2)
47b69f: 48 ba 00 1a 71 18 02 mov $0x218711a00,%rdx
47b6a6: 00 00 00
47b6a9: 48 39 d0 cmp %rdx,%rax
47b6ac: 72 e7 jb 47b695 <main.main+0x35>
47b6ae: 48 89 4c 24 30 mov %rcx,0x30(%rsp)
47b6b3: 48 c7 44 24 38 00 00 movq $0x0,0x38(%rsp)
47b6ba: 00 00
47b6bc: 48 c7 44 24 40 00 00 movq $0x0,0x40(%rsp)
47b6c3: 00 00
47b6c5: 48 8d 05 d4 e6 00 00 lea 0xe6d4(%rip),%rax # 489da0 <type.*+0xdda0>
47b6cc: 48 89 04 24 mov %rax,(%rsp)
47b6d0: 48 8d 44 24 30 lea 0x30(%rsp),%rax
47b6d5: 48 89 44 24 08 mov %rax,0x8(%rsp)
47b6da: e8 91 02 f9 ff callq 40b970 <runtime.convT2E>
47b6df: 48 8b 44 24 10 mov 0x10(%rsp),%rax
47b6e4: 48 8b 4c 24 18 mov 0x18(%rsp),%rcx
47b6e9: 48 89 44 24 38 mov %rax,0x38(%rsp)
47b6ee: 48 89 4c 24 40 mov %rcx,0x40(%rsp)
47b6f3: 48 8d 44 24 38 lea 0x38(%rsp),%rax
47b6f8: 48 89 04 24 mov %rax,(%rsp)
47b6fc: 48 c7 44 24 08 01 00 movq $0x1,0x8(%rsp)
47b703: 00 00
47b705: 48 c7 44 24 10 01 00 movq $0x1,0x10(%rsp)
47b70c: 00 00
47b70e: e8 4d 90 ff ff callq 474760 <fmt.Print>
47b713: 48 8b 6c 24 48 mov 0x48(%rsp),%rbp
47b718: 48 83 c4 50 add $0x50,%rsp
47b71c: c3 retq
47b71d: e8 ee f7 fc ff callq 44af10 <runtime.morestack_noctxt>
47b722: e9 39 ff ff ff jmpq 47b660 <main.main>
可以看出，GO编译器将常用的sum和i变量放到了寄存器上。
CPU访问寄存器的效率是内存的100倍，是CPU cache的10倍。但是在这个例子中，我猜测大多数情况下应该是cache hit，而不会直接访问内存。
在我的机器环境上，给变量加上register关键字，程序运行时间会有明显的提升：
#include<stdio.h>
int main(){
//add register keyword
register long i , sum = 0;
for ( i = 0 ; i < 9000000000; i++ ) {
sum += i;
}
printf("%ld",sum);
return 0;
}
执行时间：
$time ./a.out
3606511848080896768
real 0m4.650s
user 0m4.645s
sys 0m0.001s
由之前的32.4秒提升到了4.6秒，效果很明显。
看下生成的汇编：
0000000000400540 <main>:
400540: 55 push %rbp
400541: 48 89 e5 mov %rsp,%rbp
400544: 41 54 push %r12
400546: 53 push %rbx
400547: 41 bc 00 00 00 00 mov $0x0,%r12d ----------> i = 0 lower 32-bit
40054d: bb 00 00 00 00 mov $0x0,%ebx -----------> sum = 0
400552: eb 07 jmp 40055b <main+0x1b>
400554: 49 01 dc add %rbx,%r12 ----------> sum = sum + i
400557: 48 83 c3 01 add $0x1,%rbx ---------> i++
40055b: 48 b8 ff 19 71 18 02 mov $0x2187119ff,%rax
400562: 00 00 00
400565: 48 39 c3 cmp %rax,%rbx
400568: 7e ea jle 400554 <main+0x14>
40056a: 4c 89 e6 mov %r12,%rsi
40056d: bf 5c 06 40 00 mov $0x40065c,%edi
400572: b8 00 00 00 00 mov $0x0,%eax
400577: e8 48 fe ff ff callq 4003c4 <printf@plt>
40057c: b8 00 00 00 00 mov $0x0,%eax
400581: 5b pop %rbx
400582: 41 5c pop %r12
400584: 5d pop %rbp
400585: c3 retq
这时，gcc将变量都放到了寄存器上。
刚才强调了一下在我的机器环境上，因为在我本地的mac上，即使加上regisrer，gcc还是不会将变量放到寄存器上。
我记得K&R里说过，编译器往往比人聪明，不需要我们手动加register关键字，有时候即使加了，编译器也不会把他们放到寄存器上。但是这个例子中，明显将变量放到寄存器会比较好，为什么gcc不这么做呢？有没有高人出来解释一下。(搞明白了，gcc默认是-O0，我一直以为是-O1，如果优化级别是-O1及以上就可以了)
以一篇水文迎接即将到来的新年。
完。