Assembly 基于标量整数条件的AVX向量寄存器的条件移动（cmov）？

对于64位寄存器，如果满足条件

cc

，则有一条指令只将

B

写入

A

：

; Do rax <- rdx iff rcx == 0
test rcx, rcx
cmove rax, rdx

---

cmov是否有AVX等价物？如果没有，如何以无分支的方式实现此操作？

虽然没有矢量化版本的

cmov

，但可以使用位掩码和

---

假设我们有两个256位向量

value1

和

value2

，它们位于相应的向量寄存器

ymm1

和

ymm2

中：

align 32
value1: dq 1.0, 2.0, 3.0, 4.0
value2: dq 5.0, 6.0, 7.0, 8.0

我们要比较两个寄存器

rcx

和

rdx

：

; Values to compare
mov rcx, 1
mov rdx, 2

如果它们相等，我们希望将

ymm2

复制到

ymm1

（并因此选择

value2

），否则我们希望保留

ymm1

，因此

value1

使用

cmov的等效（无效）表示法：

cmp rcx, rdx
cmove ymm1, ymm2  (invalid)


首先，我们将
rcx
和
rdx
加载到向量寄存器中，然后将它们复制到相应寄存器的所有64位块中（
描述了串联）：

最后，我们使用
ymm0
中的掩码将
ymm2
转换为
ymm1
：

; If rcx == rdx: ymm1 <- ymm2
; If rcx != rdx: ymm1 <- ymm1
vpblendvb ymm1, ymm1, ymm2, ymm0

；如果rcx==rdx:ymm1给定此branchy代码（如果条件预测良好，则该代码将有效）：

我们可以根据比较条件创建一个0/-1向量，并在其上进行混合，从而无分支地完成这项工作。与其他答案相比，有些优化：


在XMM比较之后广播，因此不需要广播两个输入。保存一条指令，并进行仅比较XMM（在Zen1上保存uop）
如果可以便宜地将整数输入减少为一个整数。所以，您只需要将一件事情从integer复制到XMM regs。标量异或可以在任何执行端口上运行，而
vmovd/q xmm，reg
只能在英特尔上的单个执行端口上运行：端口5，与
vpq ymm，xmm等向量混洗所需的端口相同


除了总共节省1条指令外，它还使其中一些指令更便宜（同一执行端口的竞争更少，例如标量异或根本不是SIMD）和脱离关键路径（异或归零）。在循环中，你可以在循环外准备一个零向量

;; inputs: RCX, RDX.  YMM1, YMM2
;; output: YMM0

   xor      rcx, rdx        ; 0 or non-0.
   vmovq    xmm0, rcx
         vpxor xmm3, xmm3, xmm3   ; can be done any time, e.g. outside a loop
   vcmpeqq  xmm0, xmm0, xmm3      ; 0 if RCX!=RDX,  -1 if RCX==RDX

   vpbroadcastq ymm0, xmm0
   vpblendvb    ymm0, ymm1, ymm2, ymm0   ; ymm0 = (rcx==rdx) ? ymm2 : ymm1

销毁旧的RCX意味着您可能需要一个
mov
，但这仍然是值得的

类似于
rcx>=rdx
（无符号）的条件可以通过
cmp-rdx，rcx
/
sbb-rax，rax
实现0/-1整数（无需
vpcmpeqq
即可广播）

一种比情况更严重的症状更痛苦；您可能最终需要为
vpcmpgtq
使用2x
vmovq
，而不是
cmp
/
setg
/
vmovd
/
vpb
。特别是如果您没有方便的寄存器来
setg
以避免可能的错误依赖
setg al
/read EAX对于部分寄存器暂停不是问题：CPU足够新，可以有AVX2。（只有英特尔曾经这样做过，在Haswell中没有。）因此，不管怎样，您可以
setcc
进入
cmp
输入的低字节

请注意，
vblendvps
和
vblendvpd
只关心每个dword或qword元素的高位字节。如果您有两个正确的扩展整数，并且减去它们不会溢出，
c-d
将直接用作混合控件，只需广播即可。整数SIMD指令之间的FP混合，如
vpaddd
，在带有AVX2的英特尔CPU上（在AMD上可能类似），在输入和输出上有额外1个周期的旁路延迟，但保存的指令也会有延迟

对于无符号32位数字，在整数regs中可能已经将其零扩展到64位。在这种情况下，
sub-rcx，rdx
可以将rcx的MSB设置为与
cmp-ecx，edx
设置CF的方式相同。（请记住，for
jb
/
cmovb
是
CF==1
）

；；无符号32位比较，输入已经过零扩展
分rcx、rdx；设置MSB=（ecxvblendvpd ymm0、ymm1、ymm2、ymm0；ymm0=ECX这里没有这样的指令。您可以使用混合说明实现所需的效果；您只需要创建一个位掩码来指示所需的条件，而不是设置标志。将标志从rflags广播到向量中是很烦人的，希望在可以避免的上下文中使用它（例如，基于向量元素是否为零的掩码）@janw如果有更多的背景，可能会为您的具体案例提出解决方案。此外，您可以使用AVX2还是仅使用AVX？@janw您可以使用
vpbroadcastq
将块地址广播到YMM寄存器的所有元素中。还广播所需块的地址。然后，与
vpcmpeqq
进行比较，得到地址匹配的0和地址不匹配的-1。@fuz-Oh，这看起来是一个很好的方法，也是一个很好的解决方法。我会试试这个，谢谢！（我最后问了我的第一个XY问题，看起来…；））您可以在比较之后进行广播，并在复制到XMM注册表之前将整数值组合成0/non-0
xor rcx，rdx
/
vmovq xmm0，rcx
/
vpxor xmm3，xmm3，xmm3
（可提升）/
vcmpeqq xmm0，xmm0，xmm3
（-1如果rcx==rdx，否则0）/
VPQ ymm0，xmm0
/使用ymm0混合其他两个矢量。除了总共节省1条指令外，它还使其中一些指令更便宜（同一执行端口的竞争更少，例如标量异或根本不是SIMD）和脱离关键路径（异或归零）。在循环中，你可以在循环外准备一个零向量，这是一些很好的优化
vmovq xmm0, rcx          ; xmm0 <- 0 . rcx
vpbroadcastq ymm1, xmm0  ; ymm1 <- rcx . rcx . rcx . rcx
vmovq xmm0, rdx          ; xmm0 <- 0 . rdx
vpbroadcastq ymm2, xmm0  ; ymm2 <- rdx . rdx . rdx . rdx

; If rcx == rdx:  ymm0 <- ffffffffffffffff.ffffffffffffffff.ffffffffffffffff.ffffffffffffffff
; If rcx != rdx:  ymm0 <- 0000000000000000.0000000000000000.0000000000000000.0000000000000000
vpcmpeqq ymm0, ymm1, ymm2

; If rcx == rdx: ymm1 <- ymm2
; If rcx != rdx: ymm1 <- ymm1
vpblendvb ymm1, ymm1, ymm2, ymm0

    cmp rcx, rdx
    jne  .nocopy
     vmovdqa  ymm1, ymm2       ;; copy if RCX==RDX
.nocopy:

;; inputs: RCX, RDX.  YMM1, YMM2
;; output: YMM0

   xor      rcx, rdx        ; 0 or non-0.
   vmovq    xmm0, rcx
         vpxor xmm3, xmm3, xmm3   ; can be done any time, e.g. outside a loop
   vcmpeqq  xmm0, xmm0, xmm3      ; 0 if RCX!=RDX,  -1 if RCX==RDX

   vpbroadcastq ymm0, xmm0
   vpblendvb    ymm0, ymm1, ymm2, ymm0   ; ymm0 = (rcx==rdx) ? ymm2 : ymm1

;; unsigned 32-bit compare, with inputs already zero-extended
   sub   rcx, rdx               ; sets MSB = (ecx < edx)
   vmovq xmm0, rcx
   vpbroadcastq   ymm0, xmm0

   vblendvpd      ymm0, ymm1, ymm2, ymm0   ; ymm0 = ecx<edx ? ymm2 : ymm1