找出最少3个数字的最快方法？
在我写的一个程序中，在这个例程中，20％的时间用于在内循环中找出最少3个数字：
static inline unsigned int min(unsigned int a, unsigned int b, unsigned int c) { unsigned int m = a; if (m > b) m = b; if (m > c) m = c; return m; } 有什么方法可以加快速度吗？ 对于x86 / x86_64，我也可以使用汇编代码。
编辑：回复一些评论：
*正在使用的编译器是gcc 4.3.3
*就集会而言，我只是初学者。 我在这里要求组装，学习如何做到这一点。 🙂
*我运行四核Intel 64，因此支持MMX / SSE等。
*这里很难发布循环，但我可以告诉你它是levenshtein算法的一个高度优化的实现。
这是编译器给我的非内联版本的min：
.globl min .type min, @function min: pushl %ebp movl %esp, %ebp movl 8(%ebp), %edx movl 12(%ebp), %eax movl 16(%ebp), %ecx cmpl %edx, %eax jbe .L2 movl %edx, %eax .L2: cmpl %ecx, %eax jbe .L3 movl %ecx, %eax .L3: popl %ebp ret .size min, .-min .ident "GCC: (Ubuntu 4.3.3-5ubuntu4) 4.3.3" .section .note.GNU-stack,"",@progbits
内联版本在-O2优化代码内（甚至我的标记mrk = 0xfefefefe，在调用min（）之前和之后）都被gcc优化掉了，所以我无法掌握它。
更新：我测试了Nils建议的变化，但是使用min（）的汇编版本没有明显的性能提升。 但是，通过使用-march = i686编译程序，我获得了12.5％的提升，我想这是因为整个程序正在获得gcc使用此选项生成的新快速指令的好处。 谢谢你的帮助。
PS – 我使用ruby探测器来测量性能（我的C程序是一个由ruby程序加载的共享库），所以我只能花时间花在ruby程序调用的顶级C函数上，最终调用min （）在堆栈中。 请看这个问题 。
首先确保使用适当的-march设置。 GCC默认不使用原始i386不支持的任何指令 – 允许它使用更新的指令集有时会产生巨大的差异！ 在-march=core2 -O2我得到：
min: pushl %ebp movl %esp, %ebp movl 8(%ebp), %edx movl 12(%ebp), %ecx movl 16(%ebp), %eax cmpl %edx, %ecx leave cmovbe %ecx, %edx cmpl %eax, %edx cmovbe %edx, %eax ret
在这里使用cmov可以帮助您避免分支延迟 – 并且只需通过-march就可以在没有任何内联asm的情况下获得它。 当内联到更大的function时，这可能更有效，可能只有四个assembly操作。 如果你需要比这更快的东西，看看你是否可以让SSE向量操作在整个算法的上下文中工作。
假设你的编译器没有去吃午餐，这应该编译为两个比较和两个条件移动。 不可能做得更好。
如果您发布编译器实际生成的程序集，我们可以看到是否有任何不必要的东西会降低它的速度。
要检查的首要问题是例程实际上是内联的。 编译器没有义务这样做，如果它正在生成一个函数调用，那么对于这样一个简单的操作来说，这将是非常昂贵的。
如果调用真的被内联，那么循环展开可能是有益的，正如DigitalRoss所说，或者矢量化是可能的。
编辑：如果你想对代码进行矢量化，并且正在使用最新的x86处理器，你将需要使用SSE4.1 pminud指令（内在： _mm_min_epu32 ），该指令采用两个四个无符号整数的向量，并生成一个向量四个无符号的整数。 结果的每个元素是两个输入中相应元素的最小值。
我还注意到你的编译器使用了分支而不是条件移动; 你可能应该首先尝试一个使用条件移动的版本，看看在你进行矢量实现的比赛之前是否能获得任何加速。
我对x86汇编器实现，GCC语法的看法。 翻译成另一个内联汇编语法应该是微不足道的：
int inline least (int a, int b, int c) { int result; __asm__ ("mov %1, %0\n\t" "cmp %0, %2\n\t" "cmovle %2, %0\n\t" "cmp %0, %3\n\t" "cmovle %3, %0\n\t" : "=r"(result) : "r"(a), "r"(b), "r"(c) ); return result; }
新版和改进版：
int inline least (int a, int b, int c) { __asm__ ( "cmp %0, %1\n\t" "cmovle %1, %0\n\t" "cmp %0, %2\n\t" "cmovle %2, %0\n\t" : "+r"(a) : "%r"(b), "r"(c) ); return a; }
注意：它可能也可能不比C代码快。
这取决于很多因素。 如果分支不可预测，通常cmov会胜出（在某些x86架构上）OTOH内联汇编程序始终是优化器的问题，因此对周围代码的优化代价可能超过所有增益。
Btw Sudhanshu，听听这段代码如何与你的testdata一起表演会很有趣。
SSE2指令扩展包含一个整数min指令，一次可以选择8个最小值。 请参阅http://www.intel.com/software/products/compilers/clin/docs/ug_cpp/comm1046.htm中的 _mm_mulhi_epu16
我的AMD Phenom上的这种替换时钟速度提高了大约1.5％：
static inline unsigned int min(unsigned int a, unsigned int b, unsigned int c) { asm("cmp %1,%0\n" "cmova %1,%0\n" "cmp %2,%0\n" "cmova %2,%0\n" : "+r" (a) : "r" (b), "r" (c)); return a; }
结果可能有所不同 一些x86处理器不能很好地处理CMOV。
首先，看看反汇编。 那会告诉你很多。 例如，正如所写，有2个if语句（这意味着有2个可能的分支错误预测），但我的猜测是，一个体面的现代C编译器将有一些聪明的优化，可以在没有分支的情况下完成。 我很想知道。
其次，如果您的libc具有特殊的内置最小/最大function，请使用它们。 例如，GNU libc的浮点数为fmin / fmax，他们声称“在某些处理器上，这些函数可以使用特殊的机器指令比同等的C代码更快地执行这些操作”。 也许有类似的东西。
最后，如果你对一堆数字并行执行此操作，可能会有向量指令来执行此操作，这可以提供显着的加速。 但是我甚至看到使用矢量单位时非矢量代码更快。 像“将一个uint加载到向量寄存器，调用向量最小函数，得到结果”这样的东西看起来很笨，但实际上可能更快。
如果您只进行一次比较，则可能需要手动展开循环。
首先，看看你是否可以让编译器为你展开循环，如果你不能，你可以自己动手。 这至少会减少循环控制开销……
是的，发布后，但我天真的优化是：
static inline unsigned int min(unsigned int a, unsigned int b, unsigned int c) { unsigned int m = a; if (m > b) m = b; if (m > c) return c; return m; }
您可以尝试这样的方法来保存声明和不必要的比较：
static inline unsigned int min(unsigned int a, unsigned int b, unsigned int c) { if (a < b) { if (a < c) return a; else return c; } if (b < c) return b; else return c; }
这些都是很好的答案。 冒着被指责不回答问题的风险，我也会看其他80％的时间。 Stackshots是我最喜欢的方法，可以找到值得优化的代码，特别是如果它是您发现的并不是绝对需要的函数调用。