The profile said 77% of clb_digits' steps are pointer moves, so the layout of its 13 cell scratch block (S..S+12) is the cost. The block is one rigid 7 cell unit (clb_divmod owns its internal order: Rhi,Sd,Bo,Cm=Bc,Ci,buf,NR) plus six free units, so the legal space is 5040 permutations. All 5040 were assembled and run (minimal driver, value 2047): old: TEN Q R [block] counter T F new: T1 R [block] TEN Q F counter tape 13,717 -> 11,717 chars (-14.6%) steps 145,114 -> 113,264 (-21.9%) pointer moves 111,958 -> 80,108 (-28.4%) non-move steps identical (33,156) Full 2048 value sweep: worst 164,843 -> 123,731 (-24.9%), mean 144,904 -> 112,552 (-22.3%), better on all 2048 values. The old layout ranked 3459/5040. Two things worth remembering. First, ordering the units by the wrapper's first visit order is *worse* than the old layout (150,748 steps): first visit ignores revisit frequency -- the counter is touched once per round, TEN is copied into Bc every round, T1 is hammered by clb_add_ip's carry chain. Second, the n-1 lower bound is not reachable here: 74% of the steps still execute inside clb_divmod's block, whose order is not clb_digits' to choose, so this lever is now exhausted (that is what the exhaustive search proves). Min tape is not min steps either: block-first BQTRT1F1C gives the shortest tape (10,713) but 123,890 steps. Tape counts a .tp once, steps count its execution. Ripple: asm/test.r8asm 64,513 -> 62,513 chars, 236,439 -> 206,491 steps, INS_SIZE headroom ~1k -> ~3k; --opt 58,060 -> 56,350; calc --opt 52,857; calc_op 77,356 -> 69,324 chars / 599,090 -> 476,170 steps. Verified: ctest 8/8, byte_op_test 21 items (digits 2048/2048), examples_test 18, --opt assembles, SPEC 7.7/10.2 + AGENTS + README + docs/calc.md + docs/divmod.md numbers updated. New driver drv/digits_layout.r8asm keeps the measurement honest (one clb_digits call, no output, value fed as 0=2047).
104 lines
6.4 KiB
Markdown
104 lines
6.4 KiB
Markdown
# `clb_divmod` 的设计推理与实测数据
|
||
|
||
契约(签名、cell 数、吃什么留什么、谁验证)在 [`SPEC.md`](../SPEC.md) §7.6;这里只放
|
||
"为什么这么写"和实测数字。原来的位置是 SPEC §14。
|
||
|
||
## 1. 为什么换、每轮的状态
|
||
|
||
旧版 O(N/D):`2047/1` 要 2047 轮、每轮约 2.4k 步,直接撞 2000 万步上限(实测 HANG)。
|
||
新版固定 **W 轮**(11 轮),跟 N、D 的值无关。
|
||
|
||
N 被除数(W 位)。每轮 `rol N`,于是 N 的 LSB 就是**最高位起**的下一位
|
||
(rol 把 bit W-1 转到 bit0) —— 转满 W 轮 N 自动复原,所以 N 不被消耗
|
||
R 部分余数 = (Rhi:Rlo),Rlo 是普通 cell,Rhi 只有 bit0 有意义(轮内布尔)
|
||
D 除数(W 位),每轮都要拿它去比/减 → 必须保留 → 这就是 `raw_sub` 存在的理由
|
||
Sd 减法结果(W 位,Rlo - D)
|
||
Bo raw_sub 给的"没借位"(1 表示 Rlo >= D)
|
||
|
||
每轮:`R = (R << 1) | 位`,然后 `R >= D ? (R -= D, 商位 = 1) : (商位 = 0)`。
|
||
|
||
## 2. W+1 位比较拆成"一个 W 位减 + 一个布尔"(实际用到的版本)
|
||
|
||
`R = (Rhi:Rlo)`、`D < 2^W`。先算 `Sd = Rlo - D` 与 `Bo = (Rlo >= D)`,那么
|
||
|
||
提交(R >= D) ⟺ Rhi == 1 或 Bo == 1 → **commit = Rhi | Bo**
|
||
|
||
四种情况都对得上(`Rhi = 0, Bo = 0` 就是 `R < D`,不提交)。所以**不需要真的做
|
||
W+1 位减法**,只要一个 W 位 `raw_sub`(顺带给出 Bo)+ 一个按位或。
|
||
|
||
原设计里还有一条 `Shi = Rhi & Bo`("提交后的新高位")和对应的 `clb_bit_and`,
|
||
**实际实现把它省掉了**:每轮开头 R < D < 2^W(提交之后 R 一定小于 D),所以 Rhi
|
||
在轮首恒为 0;而 `Rhi = 1 且 Bo = 1` 这个组合会要求 R = 2^W + Rlo >= 2D,与
|
||
"轮首 R < D ⇒ 左移后 R < 2D" 矛盾,不可能出现。于是新高位恒为 0,Rhi 只是轮内的
|
||
H,`clb_bit_or` 顺手把它清零就够了 —— 省一个 `clb_bit_and`、一次 copy 和一个变量。
|
||
|
||
## 3. 每轮实际骨架(`asm/divmod.r8asm`)
|
||
|
||
.tp N ; rol ; 下一位进 N 的 LSB
|
||
.tp R ; rol ; clb_bit_mov Rhi ; Rlo 左移,绕回位先搬进 Rhi(顺带清 bit0)
|
||
.tp N ; bit_copy Rlo buf ; 注入这一位(38 字符,保留 N)
|
||
raw_sub Rlo D Sd Bo Cm Ci buf ; Sd = Rlo - D,Bo = (Rlo >= D)
|
||
clb_bit_or Rhi Bo Cm ; 提交条件(两个输入都被吃掉)
|
||
.tp Q ; rol ; 商左旋一位(bit0 一定是 0)
|
||
.tp Cm ; biz
|
||
.tp Sd ; copy R buf ; R = Sd(495 字符,只在提交时跑)
|
||
.tp Q ; set_1 ; 商位 = 1
|
||
.tp Cm ; flb ; 吃掉条件
|
||
rnz
|
||
.tp NR ; set_0 ; ror ; 轮数吃掉一个
|
||
|
||
7 个草稿格(`S+0..S+6`):Rhi、Sd、Bo、Cm(= `raw_sub` 的 Bc,兼提交标志)、Ci、
|
||
buf、NR。固定代价里最大的是 `raw_sub` 的 2793 字符和提交时那个 `copy` 的 495 字符。
|
||
|
||
## 4. 坑(都踩过或实测过)
|
||
|
||
1. **R 的跨格左移顺序**:`rol` 把 Rlo 的最高位绕回 bit0,必须**先**把它搬进 Rhi
|
||
(`clb_bit_mov` 搬的同时清掉绕回位),**再** `bit_copy` 注入 N 的那一位。
|
||
顺序错了就丢位 —— `clb_mul` 当年在这里返工两轮。单点验证驱动是
|
||
`drv/div_shift.r8asm`(`r8forge_derive drv/div_shift.r8asm -1 0=1024 2=0 4=1`
|
||
等三条,见文件头)。
|
||
2. **`biz` 是循环对**:门控提交的 body 最后必须把条件吃掉(`flb`);商位的 `set_1`
|
||
和那个 `flb` 合在同一个块里。条件块的身体都回到自己的条件 cell(净位移 0)。
|
||
3. **Rhi 只有 bit0 有意义**,它当布尔用,别当字节。
|
||
4. **轮数计数器**:`%rep _CELL_SIZE { set_1; ror }` 造出来的就是 W 个 1,轮首的 LSB
|
||
已经是 1、**不用再补一条 `rol`** —— 原来的设计笔记里说要补,实测不需要
|
||
(`clb_mul` 也是这么用的)。
|
||
5. **N 要保留就得用 `bit_copy`**(保留源),不能用 `clb_bit_mov`(吃源);代价是
|
||
每轮 38 字符 + 约 40 步。余数因此要单独一格 R(旧版"余数就在 N 里"的约定没有了)。
|
||
|
||
## 5. 验收(实测)
|
||
|
||
* **Q/R 逐对比**:`byte_op_test` 的 `test_divmod` 现在跑 **8 个除数 × 全部 2048 个
|
||
被除数 = 16384 组**(旧的 76 组抽样表是它的子集),全对;顺带断言 N、D 原样返回。
|
||
* **步数**(`drv/divmod.r8asm`,11 位):
|
||
|
||
| 算式 | 旧(重复减法) | 新(移位-恢复) |
|
||
|---|---|---|
|
||
| `2047/10` | 495,986 | **28,593** |
|
||
| `2047/2` | 2,461,650 | **31,997** |
|
||
| `999/7` | 340,086 | **28,661** |
|
||
| `2047/1` | **HANG**(>2000 万) | **32,383** |
|
||
| `7/10` | 3,014 | 25,315 |
|
||
| `100/7` | 34,940 | 27,460 |
|
||
|
||
16384 组里最坏 **32,383** 步。**N/D 很小时反而慢**(固定 11 轮),和 `clb_mul`
|
||
的取舍一样:拿它换"除数和商再大也不会挂"。
|
||
* **`clb_digits`**:`test_digits` 现在**穷举全部 2048 个值**,全对;`0=2047` 从
|
||
740,695 步降到 **113,288** 步(最坏 123,755 —— 小值反而慢,同上)。纸带
|
||
`clb_digits` **11717**(13 格草稿重排之前 13717,再往前 10829 —— 重排见 SPEC §7.7),
|
||
`clb_divmod` **4499**(旧 4189)。
|
||
|
||
**纠正一个流传的数字**:这里原来写"`2047/10` 要 148 万步"、"`clb_digits` 的 1.48M 步"。
|
||
按 SPEC §1.3 的口径实测旧实现是 **495,986**(`2047/10`)和 **740,695**(digits `0=2047`),
|
||
没有 148 万 —— 那个数不知道是别的驱动还是别的版本量的,**别再引用**。
|
||
|
||
## 6. 没做的优化(想让除法再快一档的话)
|
||
|
||
把"每轮 copy 一份 D 再取反"(`raw_sub` 内部,单轮 2019 步)换成**开循环前预计算
|
||
`NegD = ~D`、每轮只跑 `raw_add Rlo NegD Ci Sd Bo buf`**:单轮 973 步(两者都是拿同一
|
||
张驱动单独跑出来的),纸带基本不变(循环体 −594、循环外 +518,净 −76)。按这个差值
|
||
估计 `clb_divmod` 28.6k → 约 **17.6k** 步(未实测)。没换的原因是 §3 指名用
|
||
`raw_sub`、而它是上一轮专门为长除法加的(SPEC §7.8)。真要换的话注意:多一个 NegD
|
||
草稿格;`Ci = 1` 在循环外设一次就够(`raw_add` 结束会把 Ci 还原成进入时的值,实测两次
|
||
调用都保持 1);`Bo` 语义不变(`A + ~D + 1` 的进位就是"没借位")。
|