for循环的MMX SSE扩展名

Question

我有GCC 9.2编译器。如果我使用MMX或SSE / AVX扩展名，则将使您的代码并行运行，因此速度会更快。如何告诉编译器使用此指令我有一个要并行的代码段：

char max(char * a, int n){
    char max = (*a);
    for (int i = 0 ; i< n ; ++i){
            if (max < a[i]){
                max = a[i];
            }
    }
    return max;
}

它使用SSE扩展名生成代码，但不使用pmaxub为什么

Answer 1

SSE2是x86-64的基线，因此可以使用pmaxub。

但是您的代码使用char，在x86-64 System V ABI和Windows x64中使用char = signed char。也许您来自char = unsigned char的ARM公司？ ISO C标准保留了char实现的签名定义，因此依靠它来确保正确性（在这种情况下为性能）是一个可怕的想法。

[如果您像普通人一样使用uint8_t，即使没有使用-O3或启用AVX2的任何功能，也可以从x86-64的GCC9.2 -march=skylake获得预期的内部循环。 （Godbolt）

.L14:
        movdqu  xmm2, XMMWORD PTR [rax]
        add     rax, 16
        pmaxub  xmm0, xmm2
        cmp     rax, rdx
        jne     .L14

pmaxsb requires SSE4.1。 （SSE2与MMX一样是高度非正交的，某些操作仅适用于大小和符号的某些组合，针对特定的应用程序（例如音频DSP和图形像素）。SSE4.1填补了许多空白。）

如果启用它，GCC和clang使用它。

---

仅使用pmaxsb和默认的基准x86-64 -O3（和-march），GCC会使用-mtune=generic（这是有符号的比较）自动矢量化，然后使用pcmpgtb / pand手动混合/ pandn和必需的额外por复制。 movdqa提示您编写的代码需要带符号比较，而不是无符号。叮当做同样的事情。

pcmpgtb

[GCC可以通过将范围移位输入自动向量化为

.L5:
        movdqu  xmm1, XMMWORD PTR [rax]
        add     rax, 16
        movdqa  xmm2, xmm1
        pcmpgtb xmm2, xmm0
        pand    xmm1, xmm2
        pandn   xmm2, xmm0
        movdqa  xmm0, xmm2
        por     xmm0, xmm1
        cmp     rax, rdx
        jne     .L5

的无符号，然后通过加/减128将范围移位回到有符号的循环外。（即pmaxub和pxor ）。因此，在这种情况下，这是一个很大的错过优化，它可以将关键路径延迟降低到1个周期，仅为_mm_set1_epi8(0x80)。

---

但是当然，如​​果您实际上启用了SSE4.1，则会得到pmaxub。或AVX2 pmaxsb。

您可以使用vpmaxsb或-msse4.1，但是通常您希望启用其他CPU也具有的扩展名，并设置调整设置。特别是对于AVX2，您不希望针对Sandybridge和较旧的CPU进行调整，因为SnB甚至没有have AVX2。您不希望拆分未对齐的载荷和类似的东西。同样，AVX2 CPU通常也具有BMI2，popcnt和其他功能。

使用-mavx2或-march=haswell（Zen）。或供本地使用，[-march=znver1为您的CPU优化]。 （如果您拥有Skylake，这与使用-march=native相同，除非它可以检测到您特定的L3缓存大小或其他内容。）