为什么LOOP在8086上比DEC,JNZ快？

我的教授声称 LOOP 在 8086 上更快，因为只获取一条指令而不是两条指令，就像dec cx, jnz。所以我认为我们通过避免每次迭代的额外获取和解码来节省时间。

但在讲座的早些时候，他还提到 LOOP 在底层与 DEC、JNZ 做同样的事情，我认为它的解码也应该更复杂，所以速度差异应该可以平衡。那么，为什么LOOP指令更快呢？我经历了这个帖子 https://stackoverflow.com/questions/35742570/why-is-the-loop-instruction-slow-couldnt-intel-have-implemented-it-efficiently，并且那里的答案与比 8086 更现代的处理器有关，尽管one https://stackoverflow.com/a/43846925答案（及其链接的页面）确实指出在 8088（与 8086 密切相关）上，LOOP 更快。

后来教授用同样的推理来解释为什么rep字符串操作可能比 LOOP + 单独的移动指令更快，但由于我并不完全相信以前的方法，所以我在这里问了这个问题。

这不是解码的问题，通常是在 8086 上获取。

启动两个单独的指令解码操作可能比仅为一个获取更多微代码更昂贵loop操作说明。我猜这就是下表中不包括代码获取瓶颈的数字的原因。

同样或更重要的是，8086 经常受到内存访问（包括代码获取）的瓶颈。 （8088 几乎总是如此，它的 8 位总线像吸管一样呼吸，这与 8086 的 16 位总线不同）。

dec cx是1个字节，jnz rel8是2个字节。
总共 3 个字节，而 2 个字节loop rel8.

8086性能可以通过计算内存访问次数并乘以四来近似 https://retrocomputing.stackexchange.com/questions/3255/when-specifying-intel-80x86-instruction-execution-time-what-is-included-in-the/3292#3292，因为其 6 字节指令预取缓冲区允许其将代码获取与其他指令的解码和执行重叠。 （除了非常慢的指令，例如mul这将使缓冲区在最多 3 次 2 字节读取后填满。）

也可以看看提高 8086 二进制 -> 格雷码的效率 https://stackoverflow.com/questions/67400133/increasing-efficiency-of-binary-gray-code-for-8086有关针对 8086 进行优化的示例，以及指向更多资源（例如指令时序表）的链接。

https://www2.math.uni-wuppertal.de/~fpf/Uebungen/GdR-SS02/opcode_i.html https://www2.math.uni-wuppertal.de/%7Efpf/Uebungen/GdR-SS02/opcode_i.html有 8086 的指令时序（我认为取自英特尔手册，如 njuffa 的答案中引用的那样），但这些是only当获取不是瓶颈时执行。 （即仅从预取缓冲区进行解码。）

解码/执行时序，不包括获取：

DEC     Decrement

    operand     bytes   8088    186     286     386     486     Pentium
    r8           2       3       3       2       2       1       1   UV
    r16          1       3       3       2       2       1       1   UV
    r32          1       3       3       2       2       1       1   UV
    mem       2+d(0,2)  23+EA   15       7       6       3       3   UV

Jcc     Jump on condition code

    operand     bytes   8088    186     286     386     486     Pentium
    near8        2      4/16    4/13    3/7+m   3/7+m   1/3     1    PV
    near16       3       -       -       -      3/7+m   1/3     1    PV

LOOP    Loop control with CX counter

      operand   bytes   8088    186     286     386     486     Pentium
      short      2      5/17    5/15    4/8+m   11+m    6/7     5/6  NP

因此，即使忽略代码获取差异：

• dec+ 采取jnz在 8086 / 8088 上解码/执行需要 3 + 16 = 19 个周期。
• taken loop在 8086 / 8088 上解码/执行需要 17 个周期。

（采取的分支在 8086 上很慢，并且丢弃预取缓冲区；没有分支预测。我不知道这些计时是否包括任何这种惩罚，因为它们显然不适用于其他指令和非采取的分支。）

除代码预取缓冲区外，8088/8086 不采用流水线方式。完成一条指令的执行并开始下一条指令的解码/执行需要一些时间；即使是最便宜的说明（例如mov reg,reg/ 移动 / 旋转 /stc/std/等）需要2个周期。奇怪的是超过nop（3 个周期）。