reason to switch to 64 Bit Assembler

[jj2007]

C is not a plug it is a programming language for Christ sake

It's spelled "plague", Habran.

[habran]

thanks wise man JJ2007 :t
what kind of spelling checker is that when it did not worn me!!! ;)
I will reward you for that and only you can use it, you deserved it! ;)
here is for you changed source:

Code: [Select]

xmemcpy uses ebx dest:DWORD,src:DWORD,count:DWORD
    mov ecx,dest
    mov edx,src
    mov ebx,count
    .if (ecx!=edx)
       shr ebx,1
       .if (CARRY?)
          mov al,[edx]
          mov [ecx],al
          inc ecx
          inc edx
       .endif
       shr ebx,1
       .if (CARRY?)
          mov ax,[edx]
          mov [ecx],ax
          add ecx,2
          add edx,2
       .endif
       shr ebx,1
       .if (CARRY?)
          mov eax,[edx]
          mov [ecx],eax
          add ecx,4
          add edx,4
       .endif
       shr ebx,1
       .if (CARRY?)
          movq xmm4,[edx]
          movq [ecx],xmm4
          add ecx,8
          add edx,8
       .endif
       .while (ebx)
          movdqu xmm4,[edx]
          movdqu [ecx],xmm4
          add ecx,16
          add edx,16
          dec ebx
       .endw
   .endif
   mov eax,dest   
   ret                     
xmemcpy ENDP



[habran]

hey 2007,
are you going to abandon me because of a little spelling mistake :icon_eek:
plug, plague, plug in,plug out, ear plug, plagiarism... who cares 
you are just trying to mask the main issue: compiling JWasm
those ENGLEZE have made mess with unnecessary complex spelling just to tease pure strangers :exclaim:
they messed it up so much that even they can not write "for sale" but use "4 sale" :icon_confused:
 

[japheth]

Hello,

if you don't have M$VC you can compile it with PelesC

it's mentioned in jwasm's readme, but since nobody reads readmes, I'll repeat it here: better do NOT use PellesC to compile JWasm - the jwasm binary created by PellesC is unable to pass the regression tests supplied with the assembler. I haven't analyzed the problem too deeply, but judging from the part that fails I assume that floating-point constants don't have the values as they should.

Good compilers are: Open Watcom, MSVC, GCC (MinGW)

[jj2007]

thanks wise man JJ2007 :t
...
here is for you changed source:
xmemcpy uses ebx dest:DWORD,src:DWORD,count:DWORD
    mov ecx,dest
    mov edx,src
...
   ret                     
xmemcpy ENDP

Thanks, it looks competitive :t

AMD Athlon(tm) Dual Core Processor 4450B (SSE3)
loop overhead is approx. 238/100 cycles

9458    cycles for 100 * xmemcpy
8056    cycles for 100 * MbCopy

9292    cycles for 100 * xmemcpy
7893    cycles for 100 * MbCopy

9289    cycles for 100 * xmemcpy
8072    cycles for 100 * MbCopy

[habran]

Hi Japheth,

do NOT use PellesC to compile JWasm

sorry for misunderstanding
I've read it but I thought that it applies only to 64 bit

jj2007,
thanks for testing it
this version is created for unaligned data as I mentioned before
can you please try to compare when not aligned at all?

[habran]

jj2007,
this is what my machine produce from your test:

Code: [Select]

Intel(R) Core(TM) i7-3610QM CPU @ 2.30GHz (SSE4)
loop overhead is approx. 155/100 cycles

2242    cycles for 100 * xmemcpy
5356    cycles for 100 * MbCopy

2239    cycles for 100 * xmemcpy
5455    cycles for 100 * MbCopy

2243    cycles for 100 * xmemcpy
5166    cycles for 100 * MbCopy


--- ok ---

as double as fast as yours, wouldn't you say so :shock:

Thanks, it looks competitive

I would say It looks downright stunning!!!! :t

[japheth]

I would say It looks downright stunning!!!! :t

I fully agree! However - almost 100% faster than MB - which allegedly is already rocket-science? How is this possible? You must do something wrong...

[habran]

here is 64 bit without .for:

Code: [Select]

xmemcpy ENDP
option win64:0
OPTION PROLOGUE:NONE
OPTION EPILOGUE:NONE
xmemcpy PROC dest:QWORD,src :QWORD, count:UINT_PTR
         mov rax,rcx
         .if (rcx!=rdx)
    shr r8,1
               .if (CARRY?)
            mov r9b,[rdx]
          mov [rcx],r9b
    inc rcx
            inc rdx
           .endif
                shr r8,1
    .if (CARRY?)
             mov r9w,[rdx]
     mov [rcx],r9w
             add rcx,2
             add rdx,2
         .endif
             shr r8,1
            .if (CARRY?)
          mov r9d,[rdx]
          mov [rcx],r9d
          add rcx,4
          add rdx,4
            .endif
            shr r8,1
            .if (CARRY?)
               mov r9,[rdx]
               mov [rcx],r9
               add rcx,8
               add rdx,8
         .endif
            shr r8,1
               .if (CARRY?)
               movdqu xmm4,[rdx]
               movdqu [rcx],xmm4
               add rcx,16
               add rdx,16
   .endif
            .while (r8)         
              vmovdqu ymm4,[rdx]
              vmovdqu [rcx],ymm4
      add rcx,32
      add rdx,32
      dec r8
      .endw
             .endif             
         ret                                             
xmemcpy ENDP
OPTION PROLOGUE:PrologueDef
OPTION EPILOGUE:EpilogueDef


[habran]

Japheth,

I fully agree! However - almost 100% faster than MB - which allegedly is already rocket-science? How is this possible? You must do something wrong...

I did not touch code I just executed JJ's exe on my machine
and I can do it again now, let see: 

Code: [Select]

Intel(R) Core(TM) i7-3610QM CPU @ 2.30GHz (SSE4)
loop overhead is approx. 154/100 cycles

2237    cycles for 100 * xmemcpy
5243    cycles for 100 * MbCopy

2240    cycles for 100 * xmemcpy
5176    cycles for 100 * MbCopy

2233    cycles for 100 * xmemcpy
5163    cycles for 100 * MbCopy


--- ok ---

Japheth, why don't you try it in your machine?

[japheth]

Japheth, why don't you try it in your machine?

The fastest machine that I have available is an 5 year old AMD 64 X2 5000+.

[jj2007]

Cool down. If it's faster than the MasmBasic algo, it just means it is faster on your CPU. Well optimised for your CPU.

In case you like it less superficially (d7=destination is align 16+7, s3=src is 16+3 etc):

AMD Athlon(tm) Dual Core Processor 4450B (SSE3)

Algo           memcpy   MemCo1   MemCo2  MemCoC3  MemCoP4  MemCoC2   MemCoL  xmemcpy
Description       CRT rep movs   movdqa  lps+hps   movdqa   movdqa   Masm32 Habran's
                       dest-al    psllq CeleronM  dest-al   src-al  library  Ferrari
Code size           ?       70      291      222      200      269       33      104
------------------------------------------------------------------------------------
2048, d0s0-0      561      549      360      439      424      361      547      541
2048, d1s1-0      720      597      410      473      473      421     1061      798
2048, d7s7-0      721      598      412      474      474      412     1060      798
2048, d7s8-1      809      851     1016      578      566      582      802      558
2048, d7s9-2      809      853     1016      567      566      567     1058      798
2048, d8s7+1      810      851      868      563      564      565      819      607
2048, d8s8-0      738      587      404      465      480      416      547      541
2048, d8s9-1      801      848      994      563      564      567      804      606
2048, d9s7+2      824      864      862      565      564      579     1060      798
2048, d9s8+1      808      853      862      564      567      565      803      543
2048, d9s9-0      721      595      411      472      472      409     1061      798
2048, d15s15      722      591      425      480      486      422     1072      798

Your algo is pretty good, but for the (frequent) aligned case, there are four algos that perform better on my AMD.

[dedndave]

prescott w/htt
Intel(R) Pentium(R) 4 CPU 3.00GHz (SSE3)

Algo           memcpy   MemCo1   MemCo2  MemCoC3  MemCoP4  MemCoC2   MemCoL  xmemcpy
Description       CRT rep movs   movdqa  lps+hps   movdqa   movdqa   Masm32 Habran's
                       dest-al    psllq CeleronM  dest-al   src-al  library  Ferrari
Code size           ?       70      291      222      200      269       33      104
------------------------------------------------------------------------------------
2048, d0s0-0      717      719      608      609      904      610      718     1590
2048, d1s1-0     1100      846      651      651      650      650     4435     3945
2048, d7s7-0     1003      849      656      657      656      655     4437     3952
2048, d7s8-1     1368     1445     1223      868      611      613     4303     3799
2048, d7s9-2     1367     1446     1224      867      611      611     4454     3929
2048, d8s7+1     1338     1446     1188     1342      611     1023     1343     1748
2048, d8s8-0      976      849      656      657      657      656      977     1588
2048, d8s9-1     1332     1470     1212      873      611      612     1333     1733
2048, d9s7+2     1663     1440     1179     1342      611     1023     4150     4085
2048, d9s8+1     1660     1439     1182     1343      610     1023     4026     4014
2048, d9s9-0     1098      850      664      667      664      664     4135     4127
2048, d15s15      770      853      664      665      662      664     4136     4108

[Gunther]

Here the test results:


Intel(R) Core(TM) i7-3770 CPU @ 3.40GHz (SSE4)
 
Algo           memcpy   MemCo1   MemCo2  MemCoC3  MemCoP4  MemCoC2   MemCoL  xmemcpy
Description       CRT rep movs   movdqa  lps+hps   movdqa   movdqa   Masm32 Habran's
                       dest-al    psllq CeleronM  dest-al   src-al  library  Ferrari
Code size           ?       70      291      222      200      269       33      104
------------------------------------------------------------------------------------
2048, d0s0-0      427      223      251      248      247      250      224      292
2048, d1s1-0      275      251      275      270      277      273      274      303
2048, d7s7-0      275      253      282      273      278      276      274      303
2048, d7s8-1      279      271      617      453      247      269      273      303
2048, d7s9-2      279      272      617      450      254      269      274      303
2048, d8s7+1      275      270      621      483      256      272      274      304
2048, d8s8-0      275      255      295      284      288      291      274      303
2048, d8s9-1      275      271      610      452      254      269      273      294
2048, d9s7+2      283      272      611      486      262      276      276      309
2048, d9s8+1      287      277      612      486      261      276      274      309
2048, d9s9-0      280      260      287      280      281      285      280      309
2048, d15s15      280      260      287      281      282      286      280      309


Gunther

[jj2007]

One more - not by accident, #4 was named "CeleronM" ;-)

Intel(R) Celeron(R) M CPU        420  @ 1.60GHz (SSE3)

Algo           memcpy   MemCo1   MemCo2  MemCoC3  MemCoP4  MemCoC2   MemCoL  xmemcpy
Description       CRT rep movs   movdqa  lps+hps   movdqa   movdqa   Masm32 Habran's
                       dest-al    psllq CeleronM  dest-al   src-al  library  Ferrari
Code size           ?       70      291      222      200      269       33      104
------------------------------------------------------------------------------------
2048, d0s0-0      556      566      363      363      373      363      563     1051
2048, d1s1-0     1047      619      421      423      444      423     1683     1782
2048, d7s7-0      567      619      418      420      446      420     1699     1782
2048, d7s8-1     1677     1714     1090      441     1118     1123     1302     1337
2048, d7s9-2     1677     1713     1090      441     1118     1123     1716     1782
2048, d8s7+1     1655     1502     1090      857      979      975     1647     1245
2048, d8s8-0      556      619      420      422      448      422      563     1051
2048, d8s9-1     1664     1714     1083      441     1118     1123     1661     1241
2048, d9s7+2     1668     1502     1081      857      979      975     1762     1495
2048, d9s8+1     1668     1502     1081      857      979      975     1283     1052
2048, d9s9-0     1047      619      420      422      448      422     1686     1497
2048, d15s15      567      619      422      424      446      424     1678     1497