如何最大限度地减少开销加载到使用标量SIMD内在函数的simd寄存器中

Question

在godbolt.org上使用gcc 7.2我可以看到以下code在汇编程序中得到了最佳的翻译。我看到1个加载，1个加法和1个商店。

#include <immintrin.h>

__attribute__((alwaysinline)) double foo(double x, double y)
{
    return x+y;
}

void usefoo(double x, double *y, double *z)
{
    *z = foo(x, *y);
}

这导致：

usefoo(double, double*, double*):
   addsd xmm0, QWORD PTR [rdi]
   movsd QWORD PTR [rsi], xmm0
   ret

但是，如果我尝试使用下面的code使用内在函数和模板来实现相同的功能，我可以看到添加了一些开销。特别是，教学的重点是什么：movq xmm0, xmm0？

#include <immintrin.h>

__attribute__((alwaysinline)) double foo(double x, double y)
{
    return _mm_cvtsd_f64(_mm_add_sd(__m128d{x}, __m128d{y}));
}

void usefoo(double x, double *y, double *z)
{
    *z = foo(x, *y);
}

这导致：

usefoo(double, double*, double*):
  movq xmm1, QWORD PTR [rdi]
  movq xmm0, xmm0
  addsd xmm0, xmm1
  movlpd QWORD PTR [rsi], xmm0
  ret

如何使用标量内在函数实现与编译器生成的代码相同的代码？

如果你想知道为什么我想这样做，考虑用+替换<=：如果我写x<y，编译器将结果转换为bool，而内在函数将它保持为双位掩码。因此，对于我的用例，编写x<y不是一种选择。然而，使用+很简单，足以说明这个问题。

Answer 1

正如你在列表初始化movq所要求的那样，“无关的”__m128d正在清除__m128d{x}中的第二个元素。

当源操作数是XMM寄存器时，移动低四字;当目标操作数是XMM寄存器时，四字存储到寄存器的低四字，高四字被清除为全0。

请记住，当提供的初始化程序数少于成员数时，所有剩余成员都会进行值初始化（为零）。

我希望更高级别的优化能够看到第二个元素从未使用过，并删除无关的指令。另一方面，即使未使用，也不允许在添加操作期间捕获第二个值，并且明确地清除它可能是确保它不是最安全的方法。