C++ 使用SSE 4.2比较两个16字节的值是否相等？

我有一个这样的结构：

struct {
    uint32_t a;
    uint16_t b;
    uint16_t c;
    uint16_t d;
    uint8_t  e;
} s;

我想以最快的方式比较上面两种结构的相等性。我看了《英特尔Intrinsics指南》，但找不到整数的比较，可用的选项主要是双精度和单浮点向量输入

有人能告诉我最好的方法吗？我可以向我的结构中添加一个并集，以简化处理

---

我（目前）仅限于使用SSE4.2，但如果AVX的回答速度明显更快，我也欢迎。我使用的是GCC4.8.2

一个简单的解决方案是在屏蔽后按字节减去两个结构，这样只有当所有压缩字节都相同时，才能得到一个全零值。这段代码是MASM格式的，但您肯定可以将其改编为gcc AT&T语法或内部语言：

.data
  mask11byte db 0ffh,0ffh,0ffh,0ffh,0ffh,0ffh,0ffh,0ffh,0ffh,0ffh,0ffh,0,0,0,0,0
.code
  pand  xmm1, xmmword ptr [mask11byte]
  pand  xmm2, xmmword ptr [mask11byte]
  psubb xmm1, xmm2
  ptest xmm1, xmm1   ; SSE 4.1
  setz al     ; AL=TRUE for equal

---

添加：因为结构的大小是11字节，所以256bit/32字节的AVX（x）没有意义。

@zx485应该写的是：

.data
  mask11byte db 0ffh,0ffh,0ffh,0ffh,0ffh,0ffh,0ffh,0ffh,0ffh,0ffh,0ffh,0,0,0,0,0
.code
  pxor xmm1, xmm2  ; equiv to psubb, but runs on all 3 vector execution ports
  ptest xmm1, xmmword ptr [mask11byte]   ; SSE 4.1
  setz al     ; AL=TRUE for equal

只要没有什么不好的事情发生（浮点异常），您就不需要在计算之前屏蔽操作数，即使它们包含垃圾。由于

PTEST

执行按位和作为其操作的一部分，因此根本不需要单独的

PAND

有一段时间，我认为我有一个版本可以使用更少的空间和更少的UOP，但我最终需要一个额外的指令，因为没有

pcmpneq

（所以我需要一个逻辑

而不是
）。因此它更小，UOP的数量相同，但延迟明显更差

.code
  PCMPEQB xmm1, xmm2  ; bytes of xmm1 = 0xFF on equal
  PMOVMSKB eax, xmm1  ; ax = high bit of each byte of xmm1
  NOT eax
  TEST eax, 0x7FF  ; zero flag set if all the low 11 bits are zero
  SETZ al    ; 17 bytes

; Or one fewer insn with BMI1's ANDN.  One fewer uop if test can't macro-fuse
  ANDN eax, eax, [mask11bits]   ; only test the low 11 bits.
;  ANDN version takes 20 bytes, plus 2B of data
.data
  mask11bits dw 07ffh

test
可以与
jcc
进行宏融合，因此，如果您将其用作跳转条件，而不是实际执行
setz
，那么您将在规模上领先。（因为您不需要16B掩码常量。）

ptest
需要2个计量单位，因此
ptest
版本总共是4个计量单位（包括
jcc
或其他指令）。
pmovskb
版本也是4个UOP，带有
test
/
jcc
宏融合分支，但5个UOP带有
cmovcc
/
setcc
。（4带有
和n
，带有任何
setcc
/
cmovcc
/
jcc
，因为它不能进行宏融合`。）

（Agner Fog的表格显示，
ptest
在Sandybridge上取1个融合域uop，在所有支持它的英特尔CPU上取2个。不过，我不确定我是否相信这一点。）

Haswell上的延迟（如果分支不能很好地预测，则很重要）：


pxor
：1+
ptest
：2=3个周期
pcmpeqb
：1+
pmovmskb
：3+
非
：1+
测试
：1=6个周期
pcmpeqb
：1+
pmovmskb
：3+
和n
：1=5个周期（但不是宏融合，因此可能还有1个周期的延迟？）

因此，
ptest
版本的延迟显著缩短：
jcc
可以更快地执行，以更快地检测分支预测失误

Agner Fog的测试显示，
ptest
在Nehalem上的延迟为3，在SnB/IvB上的延迟为1，在Haswell上的延迟为2。
您可以使用
PCMPEQ
系列中的任何整数比较，我看不出您的问题。此结构基本上是打包的。你能假设这永远是真的吗？似乎
memcmp（&s1，&s2，sizeof（struct s））
可能是最少的时间投资。利用memcmp提供的任何优化功能。@JonathonReinhart yes可以假设压缩。@Jester\u mm\u cmpeq\u epi64只接受64位输入？该结构只有11个字节；因此，在进行比较之前，您需要屏蔽掉未使用的5个字节（以防它们包含垃圾）；或者比较压缩字节并屏蔽未使用的5个字节的结果。在现代64位计算机上，使用
uint16\u t e
将其设置为12个字节，并使用枯燥的老式“非SIMD”整数比较进行64位比较和32位比较可能会更快（特别是如果您没有处理这些结构的数组）……或者，您可以使用
pxor
而不是
psub
，而且只需
pand
一次。您根本不需要
pand
。将掩码用作一个操作数，以
ptest
；这就是它的目的！您可以在
psubb
（字节减法）或
pxor
之后进行掩码，但是
pxor
可以在
psubb
无法运行的一个端口（SnB端口0）上运行，这是一个很好的调用。