アルゴリズムのバイトあたりの測定サイクル

Question

ここではhttp://primates.ae/のCでPRIMATEs暗号のビットスライス実装を実装しました。私はSIMDプログラミングを使用して作成していますので、私のコードでAVX2命令セットを使用します。

Imは現在、私の実装がどれほど効果的かを正確に測定しようとしていますが、現在の数字は本当に信頼できません。私の現在の数字では、1バイトあたり約200サイクルが得られます。これは、暗号の上に何が得られるかわかりません。以下のために）（

は現在、私のコードは私が右の計算を行っております信じてこの

#typedef u64 unsigned long long 

u64 start, finish; 
u64 samples[1000000]; 
data = calloc(4000, sizeof(unsigned char)); 

//Performance test on a single core, as that is the standard when computing cycles/byte. 
SetThreadAffinityMask(GetCurrentThread(), 0x00000008); 

//Find CPU clock speed 
start = _rdtsc(); 
sleep(1000); 
finish = _rdtsc(); 
cpu_frequency = finish-start; 

//Take a lot of samples and use median of these. 
for (int i = 0; i < 1000000; i++){ 
    start = _rdtsc(); 
    encrypt(data); 
    decrypt(data); 
    finish = _rdtsc(); 
    samples[i] = finish - start; 
} 
qsort(samples); 
u64 median = samples[500000]; 
double cycles_per_byte = 1/(4000.00/median); 

のように見えるので、私は

• が、それは間違った_rdtscを使用することです...思ったんだけど1バイトあたりの測定サイクル数は？
• 私は自分のコードで費やされたクロックサイクルを測定するのではなく、システム全体で測定することができますか？ （私のコードでどれくらい排他的に費やされているのか分かりませんが、わかりません）
• Linuxは大きな違いがありますか？

GCCとMSVCの両方でコードをコンパイルしようとしましたが、違いはありませんでした（GCCは/ O2または/ O3と約1％速く、どちらが覚えていないか）。 Intel Turboboostを搭載した1つのコアでのみテストを実行しており、ハイパースレッディングはオフになっています。

私の完全なソースコードはここにある

：ビットスライスされた順列が、コードは今スーパークリーンではありません... Primate.cである私の悪いながら https://github.com/opolo/Bitsliced-AEAD/tree/master/Primates/APE120_Bitsliced 私のテストスイートは、Ref.cです。だからこそ私はコードを完全にc/pするのではなく、以前に例を挙げようとしたのです。

Answer 1

バイト単位でサイクルを測定するには_rdtsc（）を使用するのは間違っていますか？

これは正しい方法です。私はrdtsc命令のインラインアセンブリーを使用してインライン展開を保証します。これは実装に依存する関数なので、実際に何が起こっているのか分かりません。特に、アウトオブオーダー実行を正しく防止しているかどうかはわかりません。 here for an inline asm solutionを参照してください。私はx86の組み込み関数が何をしているのか分かりません。

なぜ私は自分のコードで費やされたクロックサイクルを測定するのではなく、システム全体で費やすことができますか？

はい、関数呼び出しにはオーバーヘッドがあります。通常、現代のプラットフォームにはO（100）クロックティックオーバーヘッドがあります。あなたのデータセットが十分に大きければ、本当に重要ではありません。

私はWindowsの代わりに実行することができますか。 Linuxは大きな違いがありますか？

いや

---

だから、アルゴリズムのうち、あなたが望むパフォーマンスを取得していませんか？これはすべてあなたの実装に依存しますので、私はバットからあなたのタイミング機能を責めません。アルゴリズムの実装を完成させるには多くの複雑さがあります。インラインasmまたは組み込み関数を使用して明示的にベクトル化したものを使用している場合は、標準Cおよび最適化されたコンパイラと比較してパフォーマンスが悪い、またはあまり抽象化されていない実装が悪い可能性があることに注意してください。良いアプローチは、まずベンチマークと検証としてアルゴリズムのC実装を記述し、次に手作業で最適化を開始することです。

暗号化/復号化機能はどこにありますか？