用内在函数初始化__m128i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))

将C的两个64位部分用于xor来构建__m128i。

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

对于常量C_a和C_b，我认为即使MSVC在通过该初始化程序进行常量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
__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MSVC以asm闻名，与GCC和/或clang相比，它通常不那么出色。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movdqa。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。

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

---

[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alignas(16)数组，并从中获取_mm_load_si128()。但是为什么要打扰呢？

要避免[avoid的一件事是在编写static const __m128i C = _mm_set...-编译器对此非常笨拙，不会将_mm_set折叠为__m128i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_mm_set不能完全优化。