Assembly 将XMM寄存器设置为重复字节模式（广播常量字节）

我知道我们可以这样做，将字符移动到xmm寄存器：

movaps xmm1, xword [.__0x20]

align 16
.__0x20 db 0x20,0x20,0x20,0x20,0x20,0x20,0x20,0x20,0x20,0x20,0x20,0x20,0x20,0x20,0x20,0x20

但由于这是一个记忆过程，我想知道是否有更好的方法？（另外，我说的是SSE2而不是其他SIMD类型…）

我希望xmm1寄存器的每个字节都是0x20，而不仅仅是一个字节。

（编者按：这可以称为广播或splat。

---

这是

\u mm\u set1\u epi8（0x20）

固有的功能。

只有SSE2，从内存加载完整模式通常是最好的选择

在NASM源代码中，您可以使用

乘以16 db 0x20

，以便于维护

---

使用SSE3，您可以使用进行8字节广播加载。使用AVX，您可以使用进行4字节的广播加载这些广播加载在现代CPU上非常好，只在加载端口上运行，不需要随机uop。也就是说，它们与支持它们的CPU上的

movap

一样便宜，除了一个字节或两个以上的代码大小。与YMM寄存器的vbroadcastf128相同

大多数编译器似乎没有意识到这一点，并且会通过

\u mm_set1

进行常量传播，即使这样会产生一个32字节的常量而不是4字节的常量，即使只是

mov…

在循环之前加载它，而不是将它折叠到ALU指令的内存操作数中。（当AVX512可用时，广播加载仍然是可能的。）Clang有时会利用广播加载来实现简单常量

AVX2添加了

VPB/w/d/q

，但只有dword和qword是纯加载UOP。字节和字广播加载需要一个ALU shuffle uop，因此对于常量字节模式，您可能只希望广播加载一个重复字节4次的dword。（除非它是大查找表中的元素，否则使用字节或字广播加载或

pmovsx

符号扩展加载或其他方式压缩该表）

AVX512的添加使您可以

mov eax，0x202020

/

vpbroadcasted xmm0，eax

，如果您有AVX512VL

---

对于SSE2，至少需要2条指令，包括ALU洗牌，就像这样，可能不值得这么做

    movd    xmm0, [const_4B]
    pshufd  xmm0, xmm0, 0

---

一些重复常量可以在一对指令中动态生成，从

pcmpeqd xmm0、xmm0

中的所有常量开始。请参阅和Agner Fog的指南

这种模式似乎不容易生成。这是一种字节模式（不是word、dword或qword），SSE移位最多只能用于字粒度。但是，如果我们知道跨字节边界移位的位是0，则可以。e、 g

   pcmpeqd  xmm0, xmm0     ; set1( -1 )
   pabsb    xmm0, xmm0     ; set1_epi8(1)    SSSE3
   pslld    xmm0, 5        ; set1_epi8(1<<5)

; or with only SSE2, something even less efficient like shift / packsswb / shift

pcmpeqd-xmm0，xmm0；set1（-1）
pabsb xmm0，xmm0；set1_epi8（1）SSSE3
pslldxmm0,5；set1_epi8（1当所需字节为常量时，您所做的是最快的方法。我只是在寻找更好的方法（如果有）一些即时或（从寄存器）方式！您的字节是常量还是变量？如果它是常量，那么您所做的已经是最快的方式。在这种情况下，您的代码已经是理想的。根据您使用的汇编器，可能会有某种
times
或
dup
指令，使其更易于键入。您还可以定义宏如果这让你恼火。你知道GP 64位寄存器这个问题的任何答案吗？@Noah：对于常量，通常只是
mov rdi，0x0101010101
或其他什么。对于非常量，
imul rcx，rdi
，带有0x01重复常量，零后将字节扩展到rcx。因此
mov reg，imm64的最坏情况成本是
对于乘法器，
movzx ecx，byte source
和
imul r64，r64
。啊，比移位法聪明多了！@Noah：是的，快速硬件乘法器可以被“滥用”来做很多整洁的事情，包括将足够小的元素求和到高字节。（）。乘法是一种移位和加法操作，加上或不受其他值位的控制。此外@phuclv还很好地解释了中的机制