用内在函数初始化__m128i常数的最快方法？

Question

当前，我有一个__m128i变量，我们称它为X。我想用一个恒定的128位值对其进行异或运算，然后将该值保存回X。因此，对于某些常数X ^= C，基本上是C。

当前，我正在按照以下方式进行操作：

X = _mm_xor_si128(X, _mm_set_epi64x(C_a, C_b))

这将从__m128i的两个64位部分中为异或构建一个C。

我的问题是，这似乎不是初始化Xor的__m128i常数的最有效方法。尝试从对齐的数组中进行加载会更好吗？还是其他方法？

我目前在Visual Studio中使用MSVC。

Answer 1

此答案纯粹是关于常数C的情况。如果您有非恒定输入，那么它们的来源（内存，寄存器，您可以首先在矢量寄存器中进行的最新计算？）以及可能要对结果进行的处理就很重要向量。在ALU端口瓶颈与存储/重载的延迟和吞吐量（以及标量->向量的存储转发停顿）之间权衡取舍，将单独的标量变量混入SIMD向量中/从SIMD向量中移出，这有点糟。但是，在asm中存储/重新加载非常有用，可以在您确实想要全部小元素时获得SIMD向量的许多小元素out。

---

对于常数C_a和C_b，即使MSVC在通过该_mm_set进行恒定传播方面也做得很好。因此，编写诸如SSE Error - Using m128i_i32 to define fields of a __m128i variable的特定于实现的初始化程序没有任何优势

请记住，性能的真正决定因素是可以诱使编译器生成的程序集，而不是真正用来执行此操作的内在函数。

#include <immintrin.h>

__m128i xor_const(__m128i v) {
    return _mm_xor_si128(v, _mm_set_epi64x(0x789abc, 0x123456));
}
使用x64 MSVC -O2 Gv编译（on Godbolt

）（使用vectorcall，以便我们可以看到向量已经在寄存器中时的行为，例如此内联时），我们得到了这个相当愚蠢的asm希望内联后在更大的函数中不会有这么糟糕：

;; MSVC 19.10
;; this is in the .rdata section; godbolt just filters directives that aren't interesting
;; "everyone knows" that compilers put data in the right sections
__xmm@0000000000789abc0000000000123456 DB 'V4', 012H, 00H, 00H, 00H, 00H, 00H
        DB      0bcH, 09aH, 'x', 00H, 00H, 00H, 00H, 00H

xor_const@@16 PROC                                  ; COMDAT
        movdqa  xmm1, XMMWORD PTR __xmm@0000000000789abc0000000000123456
        pxor    xmm1, xmm0
        movdqa  xmm0, xmm1
        ret     0
xor_const@@16 ENDP
我们可以看到，_mm_set内部函数在静态存储中被编译为16字节常数，就像我们想要的那样。未能使用pxor xmm0, xmm1令人惊讶，但是[G0]与GCC和/或叮当声相比。同样，作为大型函数的一部分，当它可以选择寄存器时，我们可能没有多余的MSVC is well known for asm that's often not quite as good。而且，如果xor处于循环中，那么无论如何我们都希望在循环外加载一次。这不是最新的MSVC版本。 Godbolt仅为C ++（不是C）安装了最新的MSVC版本，但您标记了此C。

---

相比之下，GCC9.2 -O3编译为在所有CPU上均有效的预期内存源PXOR。

movdqa
[您可能会让编译器发出相同的asm，并带有一个包含常量的静态xor_const:
        pxor    xmm0, XMMWORD PTR .LC0[rip]
        ret

.section .rodata    # Godbolt strips out stuff like section directive; re-added manually
.LC0:
        .quad   1193046
        .quad   7903932
数组，并从中获取alignas(16)。但是为什么要打扰呢？

要避免[avoid

的一件事是在编写_mm_load_si128()-编译器对此非常笨拙，不会将static const __m128i C = _mm_set...折叠为_mm_set的静态常量初始化程序。 C编译器将拒绝编译非常量静态初始化器。 C ++编译器将保留一些BSS空间，并运行类似于构造函数的函数，以将只读常量复制到该BSS空间中，因为在这种情况下__m128i不能完全优化。