C 将16字节字符串与SSE进行比较

我有16个字节的“字符串”（它们可能较短，但您可以假设它们在末尾用零填充），但您可能不会假设它们是16字节对齐的（至少不总是这样）

如何编写一个将它们与SSE内部函数进行比较（相等）的例程？我发现这个代码片段可能会有所帮助，但我不确定它是否合适

register __m128i xmm0, xmm1; 
register unsigned int eax; 

xmm0 = _mm_load_epi128((__m128i*)(a)); 
xmm1 = _mm_load_epi128((__m128i*)(b)); 

xmm0 = _mm_cmpeq_epi8(xmm0, xmm1); 

eax = _mm_movemask_epi8(xmm0); 

if(eax==0xffff) //equal 
else   //not equal 

有人能解释一下或者写一个函数体吗

---

它需要在GCC/mingw（在32位窗口上）中工作。

矢量比较指令根据对应源元素之间的比较，将其结果生成为所有1（真）或所有0（假）元素的掩码

请参阅以获取一些链接，这些链接将告诉您这些内在函数的作用

问题中的代码看起来应该可以工作。

如果要找出哪些元素不相等，请使用movemask版本（

pmovskb

或

movmskps

）。您可以

tzcnt

/

bsf

对第一个匹配进行位扫描，或

popcnt

对匹配进行计数。所有相等项为您提供一个

0xffff

掩码，非相等项为您提供

0

---

您可能想知道SSE4.1

ptest

在这里是否有用。它是可用的，但实际上并不是更快，特别是当您在结果上分支而不是将其转换为布尔值0/-1时

 // slower alternative using SSE4.1 ptest
__m128i avec, bvec;
avec = _mm_loadu_si128((__m128i*)(a)); 
bvec = _mm_loadu_si128((__m128i*)(b)); 

__m128i diff = _mm_xor_si128(avec, bvec);  // XOR: all zero only if *a==*b

if(_mm_test_all_zeros(diff, diff))  { //equal 
} else {   //not equal 
}

在asm中，

ptest

是2个UOP，不能与

jcc

条件分支进行宏融合。因此，前端的总

pxor

+

ptest

+分支为4个uops，并且仍然销毁其中一个输入，除非您有AVX将异或结果放入第三个寄存器

pcmpeqb xmm0，xmm1

/

pmovmskb eax，xmm0

/

cmp/jcc

总共是3个uop，其中cmp/jcc在Intel和AMD CPU上融合为1个uop

如果您有更宽的元素，则可以对

pcmpeqd/q

的结果使用

movmskps

或

movmskpd

来获得4位或2位掩码。如果希望位扫描或popcnt而不除以每个元素4或8个字节，则此选项非常有用。（或使用AVX2、8位或4位而不是32位掩码。）

---

ptest

只有在不需要任何额外指令来构建输入时才是一个好主意：测试是否为全零，有无掩码。e、 g.检查每个元素或某些元素中的某些位。

嗯，我不确定这是否会更快，但可以通过单个SSE 4.2指令instrinsic完成：检查PCMPISTRI（压缩比较隐式长度字符串，返回索引）的进位和/或溢出标志：

if (_mm_cmpistrc(a, b, mode))   // checks the carry flag (not set = equal)
  // equal
else
  // unequal

模式为（针对您的情况）：

不幸的是，此说明的文档记录得很差。

---

因此，如果有人找到一个合适的资源，将所有模式组合和结果标志聚合在一起，请分享。

我将尝试帮助解决这个问题。有人能解释一下这部分问题吗

register __m128i xmm0, xmm1; 
register unsigned int eax; 

这里我们声明一些变量<代码>\uuum128i是SSE寄存器上整数运算的内置类型。请注意，变量的名称根本不重要，但作者将它们命名为与汇编中调用的相应CPU寄存器完全相同的名称<代码>xmm0，

xmm1

，

xmm2

，

xmm3

。。。是SSE操作的所有寄存器

eax

是通用寄存器之一

register

关键字很久以前就被用来建议编译器将变量放入CPU寄存器中。我想今天它完全没用了。有关详细信息，请参阅

xmm0 = _mm_loadu_si128((__m128i*)(a)); 
xmm1 = _mm_loadu_si128((__m128i*)(b)); 

此代码按照@harold的建议进行了修改。这里我们从给定的内存指针（可能未对齐）加载16个字节到变量

xmm0

和

xmm1

。在汇编代码中，这些变量很可能直接位于寄存器中，因此该内部函数将生成未对齐的内存负载。将指针转换为

\uuu m128i*

类型是必要的，因为Inquired接受这种指针类型，尽管我不知道Intel为什么这样做

xmm0 = _mm_cmpeq_epi8(xmm0, xmm1); 

这里，我们比较

xmm0

变量中的每个字节与

xmm1

变量中的相应字节是否相等。后缀

\u epi8

表示对8位元素（即字节）进行操作。它有点类似于

memcmp（&xmm0，&xmm1，16）

，但会生成其他结果。它返回一个16字节的值，其中包含每个值相等的字节的

0xFF

，以及每个值不同的字节的

0x00

eax = _mm_movemask_epi8(xmm0); 

这是来自SSE2的一条非常重要的指令，通常用于编写带有某种SSE条件的

if

语句。它从XMM参数中的16个字节中取最高的位，并将它们写入一个16位整数。在汇编级别上，这个数字位于通用寄存器中，允许我们稍后快速检查其值

if(eax==0xffff) //equal 
else   //not equal

如果两个XMM寄存器的所有16字节相等，则

\u mm\u cmpeq\u epi8

必须返回一个设置了所有128位的掩码<代码>\u mm\u movemask\u epi8将返回完整的16位掩码，即

0xFFFF

。如果任何两个比较的字节不同，相应的字节将由

\u mm\u cmpeq\u epi8

用零填充，因此

\u mm\u movemask\u epi8

将返回设置了相应位的16位掩码，因此它将小于

0xFFFF

此外，下面是包装到函数中的解释代码：

bool AreEqual(const char *a, const char *b) {
  __m128i xmm0, xmm1; 
  unsigned int eax; 
  xmm0 = _mm_loadu_si128((__m128i*)(a)); 
  xmm1 = _mm_loadu_si128((__m128i*)(b)); 
  xmm0 = _mm_cmpeq_epi8(xmm0, xmm1); 
  eax = _mm_movemask_epi8(xmm0); 
  return (eax == 0xffff); //equal 
}

---

\u-mm\u-load\u-epi128

不存在，您的意思是要么

\u-mm\u-load\u-si128

，要么因为您说它们可以不对齐，

\u-mm\u-loadu-si128

似乎

ptest

指令在当前的英特尔体系结构上使用了2个UOP。此外，它没有融合后的条件跳转。因此，您的解决方案生成4个UOP，而OP的代码只生成3个UOP。有关详细信息，请参阅。假设这意味着你的解决方案在一个紧密的循环中会变慢。@stgatilov:很好<代码>PTEST可能具有较低的延迟

bool AreEqual(const char *a, const char *b) {
  __m128i xmm0, xmm1; 
  unsigned int eax; 
  xmm0 = _mm_loadu_si128((__m128i*)(a)); 
  xmm1 = _mm_loadu_si128((__m128i*)(b)); 
  xmm0 = _mm_cmpeq_epi8(xmm0, xmm1); 
  eax = _mm_movemask_epi8(xmm0); 
  return (eax == 0xffff); //equal 
}