Assembly 什么'；VPERMILPS指令的要点是什么？

AVX指令集引入了VPERMILPS，这似乎是SHUFPS的简化版本（适用于两个输入寄存器相同的情况）

例如，以下说明：

c5 f0 c6 c1 00          vshufps xmm0,xmm1,xmm1,0x0

可替换为：

c4 e3 79 04 c1 00       vpermilps xmm0,xmm1,0x0

正如您所看到的，VPERMILPS版本需要额外的一个字节，并执行相同的操作。根据指令表，这两条指令都需要1个CPU周期，并且具有相同的吞吐量

---

引入这种指导有什么意义？我遗漏了什么吗？

是的，使用

vpermilps

-与

vshufps

相比，immediate通常是遗漏的优化（骑士着陆时除外），在相同性能的相同操作中浪费1字节的代码大小

---

我认为

vpermilps

的要点是它可以与向量控制操作数一起使用。在AVX之前，唯一的变量控制洗牌是整数

pshufb

-使用来自ymm3/m256的控件在ymm2中排列单精度浮点值，并将结果存储在ymm1中

---

当然，直接形式有一个完全独立的操作码，你会问为什么它会存在。英特尔肯定只包括矢量版本，所以问题变成了“为什么他们包括即时版本？”至少需要一点额外的解码硬件。洗牌单元已经有硬件以这种形式解包立即控制操作数，因为它与

vshufps

相同，所以实现起来可能比较便宜

使用immediate

vpermilps

所能做的唯一一件事是在一条指令中加载+洗牌，就像

vpermilps ymm0[rdi]，0b0001011

那样反转源代码每个通道中的元素。但与大多数具有立即数的指令一样，它不能对内存操作数进行微融合，因此前端仍然是2个融合域UOP。（在AMD CPU上，它确实节省了前端带宽。）不过，它与vmovups ymm0相比，节省了代码大小，[rdi]/

vshufps ymm0，ymm0，ymm0，0b00011011

除此之外，我看不出有什么意义。它们都在两个128位通道中执行相同的洗牌，为两个通道重用立即数的4x2位字段。（While和两者都在其即时中使用1位字段，并且可以在每个通道中执行不同的洗牌；上层通道使用位2和3。ZMM版本在上层256中使用位4..7。因此，

vpermilpd dst，src，imm

与

vshufpd dst，src，src，imm

相同，除非您使用内存源或使用洗牌控制ol矢量而不是立即数。）

这让你怀疑英特尔是否忘记了VEX编码将使非破坏性的

vshufps

能够对即时洗牌执行相同的操作

---

或者他们可能考虑了低功耗的CPU，如Knight's Landing（至强Phi），其中单源洗牌更便宜：

vpermilps

具有1个周期的吞吐量，但是

vshufps

或

vperm2f128

具有2个周期的吞吐量和额外的延迟周期。(根据)

因此，对相同的输入使用两次

vshufps

，速度较慢

但在英特尔的大核心主流CPU上，使用

vpermilps

-immediate与

vshufps

相比是一个遗漏的优化，除非您可以将其与内存源一起使用

vshufps

将需要两次相同的内存源，这显然是不可编码的

AVX的设计比KNL早了几年，但ISA的设计者可能已经想到，也许未来的CPU可以通过更简单的洗牌来提高效率。

常规Silvermont（KNL基于的无序原子）不支持AVX，但它具有1 uop/1周期吞吐量和

shufps

的延迟。对于

shufps

，Goldmont的吞吐量为0.5c

---

顺便说一句，英特尔还没有用AVX制造出低功耗的内核（Xeon Phi除外）。我认为他们不打算与Goldmont Plus的继任者Gracemont或Gracemont合作。

与

vpermilps合作有三个“正交”选项：1。单人包装与双人包装，2。即时混洗控制整数与可变控制向量，以及3。128位xmm对256位ymm。选择不同的组合，将产生8个不同版本的
vpermilps
。巧合的是，其中一个具有与
vshufps
相同的行为。因此，如果
vpermilps xmm0，xmm1,0x0
不存在，那么它就不符合逻辑。然而，人们可能更喜欢
vshufps xmm0、xmm1、xmm1,0x0
，这实际上节省了一个字节。（我不确定这个评论是否适合作为答案。）然而，问题仍然存在，为什么带有直接控制整数的
vpermilps
会存在，因为还有
vshufpd
。re：您的编辑：只有
shufps
的SSE编码不会修改上层车道，是的，
vpermilps
不提供该选项。但您的示例是
vshufps
，它没有上行链路，可以复制和洗牌。我想这在CPU上可能很有用，因为它不会导致AVX/SSE转换暂停（Haswell/Broadwell除外），比如插入YMM的SSE
pinsrd/q
。我想，如果您避免使用xmm8..15中的REX前缀，那么使用SSE1 SHUFP还可以节省更多的代码字节。仅一个2字节操作码+modrm+imm8=总共4个字节，而2字节VEX+操作码为5个字节。