概要

• Assembly Hall of Shame は、単一命令の最低パフォーマンス（最遅実行）を追求するユニークな分析プロジェクト
• fxrstor64命令 を用いたPCIe経由の高遅延MMIOアクセスが最遅記録を保持
• 各命令は、特定のハードウェア構成や状況下でどれだけ遅くできるかを競う
• ルールは「1命令のみ計測」「割り込み不可」「工場出荷時設定で実施」など厳格
• x86命令ランキング とその遅延戦略が詳細に解説

Assembly Hall of Shame 概要

• パフォーマンス最適化 ではなく、あえて「遅く実行される」命令を探求する研究プロジェクト
• 最遅命令達成のため、 PCIeファブリックのMMIO領域 やキャッシュ・バス競合などを戦略的に利用
• 計測対象は 単一命令 のみ、前後のセットアップは自由だがスコアには含めない
• Christopher Domas (@xoreaxeaxeax) によるリサーチ

ルール

• 命令1つだけ が計測対象（セットアップは自由）
• 割り込み可能な命令や、trap/エミュレーション時はtrap部分のみ計測
• rep movs, pause などは失格
• CPUベースクロック で時間正規化
• 工場出荷時設定 でのみ実施、ハードウェア改造不可

🏆 現在のチャンピオン命令（x86）

• fxrstor64 （Ryzen 7 5800H）
  • 戦略: 512バイトのFPU/MMX/XMM状態をPCIe経由で高遅延MMIO領域からロード。さらに他コアでPCIeバスを飽和させ、fxrstor64のトランザクションを極限まで遅延。
  • スコア: 198,002,498,236サイクル
  • 時間: 62秒

名誉ある言及

• 未整列のymm0ロード によるSystem Management Modeの設計破壊（smiiiiiiiiiiiiiiii）
• vmovdqu 0xfcc003b1, %ymm0 による非整列MMIOアクセス

x86命令遅延ランキング（抜粋）

• 27位: nop
  • 何もしない命令。1サイクル
• 26位: nop16
  • データプレフィックスを多重付与した長いnop。20サイクル
• 25位: rdtsc
  • タイマ読み出し。49サイクル
• 24位: idiv
  • 128ビット除算で最長パスを通す。77サイクル
• 23位: enter
  • 最大ネストでディスプレイポインタ読み込みを強制。112サイクル
• 22位: fldl
  • 非正規化値でFPマイクロコードアシスト発動。133サイクル
• 21位: clflush
  • キャッシュラインをL3からフラッシュ。165サイクル
• 20位: fsin
  • 特殊値でマイクロコード処理。257サイクル
• 19位: mfence
  • 書き込みバッファを飽和させ、全バッファフラッシュを強制。326サイクル
• 18位: mov cr3
  • TLB全体無効化。352サイクル
• 17位: fadd
  • 非正規化数でFPアシストを引き出す。677サイクル
• 16位: split lock
  • キャッシュライン境界を跨ぐlock命令でバスロックを強制。865サイクル
• 15位: fdiv
  • 非正規化除数でFPアシスト。883サイクル
• 14位: cpuid
  • 高遅延CPUIDリーフを選択。1248サイクル
• 13位: rdrand
  • エントロピープール枯渇後の遅延。5,579サイクル
• 12位: wrmsr
  • 高遅延MSR（例: MCG_CTL）への書き込み。34,304サイクル
• 11位: out
  • NICレジスタ境界を跨ぐI/Oポート書き込みでDMA停止。49,857サイクル
• 10位: rdmsr
  • 未公開MSR（例: VIA 0x133）読み出し。161,602サイクル
• 9位: wbinvd
  • L1/L2/L3全キャッシュのDRAM書き戻し。1,616,480サイクル
• 8位: in
  • ACPI PMブロックの非整列4バイト読み出し。12,524,415サイクル
• 7位: mov
  • PCIeファブリックの高遅延GPUレジスタ読み出し。443,937,696サイクル
• 6位: mov rax
  • 8バイトMMIOリードで2つのdwordアクセス。887,716,864サイクル
• 5位: vmovdqu xmm
  • 16バイトMMIOリードで4つのdwordアクセス。1,774,555,776サイクル
• 4位: vmovdqu ymm
  • 32バイトMMIOリードで8つのdwordアクセス。3,549,079,296サイクル
• 3位: vmovdqu ymm（非整列）
  • 32バイト非整列MMIOリードで9つのdwordアクセス。4,453,212,256サイクル
• 2位: fxrstor64（ベースライン）
  • 512バイトのFPU/MMX/XMM状態をMMIOからロード。74,584,168,512サイクル
• 1位: fxrstor64（バス飽和）
  • バス競合を最大化した状態でのfxrstor64。198,002,498,236サイクル

今後の展望・未検証命令

• xrstor64 (AMX, MMIO)
  • Sapphire RapidsのAMX対応xsave領域（8KB）を用いたMMIO遅延戦略
  • 理論値: 1兆サイクル超

ARM/RISC-Vランキング

• 未定義 （T.B.D.）

著者

• Christopher Domas (@xoreaxeaxeax) による研究プロジェクト

---

このランキングは、CPUアーキテクチャの 限界的な遅延挙動 や ハードウェア依存性 を深く観察できる貴重な資料。エンジニアや研究者にとって、通常の最適化とは逆方向の知見や、ハードウェアの設計的弱点を知る参考となる。