C 使用内部函数初始化uu m128i常量的最快方法？

目前，我有一个uu m128i变量，我们称它为

X

。我想用一个128位的常量值对其进行异或运算，然后将值保存回

X

。因此，本质上，对于某个常数

C

，X^=C

目前，我正在做以下工作：

X=_-mm\u-xor\u-si128（X，_-mm\u-set\u-epi64x（C\u-a，C\u-b））

它从异或的

C

的两个64位部分构建一个

\uuuu m128i

我的问题是，这似乎不是为xor初始化_m128i常量的最有效方法。尝试从一个对齐的数组加载会更好吗？还是其他方法

---

我目前在Visual Studio中与MSVC合作。

这个答案纯粹是关于常量

C

的情况。如果您有非常量输入，则它们来自何处（内存、寄存器、最近的计算，您可能首先在向量寄存器中执行这些计算？）以及您对结果向量所做的操作都很重要。将单独的标量变量混入/移出SIMD向量有点糟糕，需要在ALU端口瓶颈与存储/重新加载的延迟和吞吐量（以及标量->向量的存储转发暂停）之间进行权衡。不过，在asm中，存储/重新加载对于从SIMD向量中获取大量小元素非常有用，因为您确实需要它们

---

对于常量

C_a

和

C_b

，即使是MSVC也能通过

\u mm_集

在常量传播方面做得很好。因此，编写特定于实现的初始值设定项（如

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，而不是用来生成的内部函数。

#include <immintrin.h>

__m128i xor_const(__m128i v) {
    return _mm_xor_si128(v, _mm_set_epi64x(0x789abc, 0x123456));
}

我们可以看到，

\u mm_set

在静态存储中编译为一个16字节的常量，就像我们想要的那样。未能使用px或xmm0、xmm1是令人惊讶的，但与GCC和/或clang相比。同样，作为一个大函数的一部分，当它有寄存器选择时，我们可能没有额外的

movdqa

。如果xor在循环中，那么在循环外加载一次就是我们想要的。这不是MSVC的最新版本；GOODBET只具有最新的MSVC版本，安装在C++中，而不是C，但您标记了C.

---

相比之下，GCC9.2-O3编译为在所有CPU上都有效的预期内存源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，其中包含一个保持常量的静态数组

alignas（16）

array，并从中加载

\u mm\u load\u si128（）

。但是为什么要麻烦呢

---

要避免的一件事是写入

静态常量m128i C=\u mm\u集…

-编译器对此非常愚蠢，不会将

\u mm\u集

折叠到

\u m128i

的静态常量初始值设定项中。C编译器将拒绝编译非常量静态初始值设定项。C++编译器将保留一些BSS空间，运行一个类似于构造函数的函数，从只读常量复制到该BSS空间，因为<>代码> MyMyStuts在这种情况下不能完全优化。

< P>这纯粹是关于常数<代码> C<代码>的情况。如果您有非常量输入，则它们来自何处（内存、寄存器、最近的计算，您可能首先在向量寄存器中执行这些计算？）以及您对结果向量所做的操作都很重要。将单独的标量变量混入/移出SIMD向量有点糟糕，需要在ALU端口瓶颈与存储/重新加载的延迟和吞吐量（以及标量->向量的存储转发暂停）之间进行权衡。不过，在asm中，存储/重新加载对于从SIMD向量中获取大量小元素非常有用，因为您确实需要它们

---

对于常量

C_a

和

C_b

，即使是MSVC也能通过

\u mm_集

在常量传播方面做得很好。因此，编写特定于实现的初始值设定项（如

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，而不是用来生成的内部函数。

#include <immintrin.h>

__m128i xor_const(__m128i v) {
    return _mm_xor_si128(v, _mm_set_epi64x(0x789abc, 0x123456));
}

我们可以看到，

\u mm_set

在静态存储中编译为一个16字节的常量，就像我们想要的那样。未能使用px或xmm0、xmm1是令人惊讶的，但与GCC和/或clang相比。同样，作为一个大函数的一部分，当它有寄存器选择时，我们可能没有额外的

movdqa

。如果xor在循环中，那么在循环外加载一次就是我们想要的。这不是MSVC的最新版本；GOODBET只具有最新的MSVC版本，安装在C++中，而不是C，但您标记了C.

---

相比之下，GCC9.2-O3编译为在所有CPU上都有效的预期内存源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，其中包含一个保持常量的静态数组

alignas（16）

array，并从中加载

\u mm\u load\u si128（）

。但是为什么要麻烦呢

要避免的一件事是写入

静态常量m128i C=\u mm\u集…

-编译器对此非常愚蠢，不会将

\u mm\u集

折叠到

\u m128i

的静态常量初始值设定项中。C编译器将拒绝编译非常量静态初始值设定项。C++编译器将保留一些BSS空间，运行一个类似于构造函数的函数，从只读常量复制到该BSS空间，因为<>代码> MyMyStuts在这种情况下不能完全优化。

谢谢，这里有很多很棒的信息，我现在仍然在更详细地介绍这一切。看起来，在当前的实现中，我从代码段中的一个常量（

cs:xmmword…

）获得了一个

movdqa

）。我要走了