C++ AVX等价物，用于移动

由于没有AVX版本的

\u-mm\u-movelh\u-ps

我通常使用

\u-mm256\u-shuffle\u-ps（a、b、0x44）

替换AVX寄存器。然而，我记得在其他问题中读到过，如果可能的话（出于某种原因我不知道），最好是不带控制整数的swizzle指令（如

\u mm256\u unclo\u ps

或

\u mm\u movelh\u ps

）。昨天，我突然想到，另一种选择可能是使用以下方法：

\u mm256\u castpd\u ps（\u mm256\u unplo\u pd（\u mm256\u castps\u pd（a），\u mm256\u castps\u pd（b））；

既然强制转换应该是无操作的，那么在性能方面，这是否比使用

\u mm256\u shuffle\u ps

更好\相等\更差

此外，如果情况确实如此，如果有人能用简单的话解释一下（我对汇编和微体系结构的理解非常有限）为什么人们更喜欢没有控制整数的指令，那就太好了

提前谢谢

附加说明： Clang实际上将洗牌优化为

vunpcklpd

：

---

看来我的想法还不错。但是，GCC和ICC会创建一条随机指令。

避免立即执行会节省1字节的机器码大小；这就是全部。出于性能考虑，它位于列表的底部，但由于这个原因，所有其他相同的洗牌，如带有隐式“控制”的

\u mm256\u unplo\u pd

，都比立即控制字节稍微好一点

（但是在另一个向量（如

vpermilps

can或

vpermd

requires）中获取控制操作数通常更糟糕，除非您在长时间运行的循环中遇到了一些奇怪的前端瓶颈，并且可以在循环外加载shuffle控件。这不是很合理，此时您必须在asm中手工编写才能完成任务。）关于代码大小/对齐的很多；在C++中，这不是你可以直接控制的东西。 既然强制转换应该是无操作的，那么在性能方面，这是否比使用

\u mm256\u shuffle\u ps

更好\相等\更差

冰湖有2个/时钟

vshufps

和1个/时钟

vunpcklpd

，根据在实际硬件上的测试，运行在端口1或端口5上。肯定使用

\u mm256\u shuffle\u ps

。在早期的CPU上，微不足道的额外代码大小成本可能根本不会带来任何伤害，而且可能是值得的对于ICL的未来好处，除非您确定端口5不会成为瓶颈

Ice Lake在端口1上有一个第二个洗牌单元，可以处理一些常见的XMM和车道内的YMM洗牌，包括

vpshufb

，显然还有一些像

vshufps

这样的2输入洗牌。我不知道为什么它不使用该控制向量将

vunpcklpd

解码为

vshufps

，或者以其他方式运行该程序端口1上的huffle。我们知道shuffle硬件本身可以执行shuffle，所以我想设置隐式shuffle只是控制硬件的问题，以某种方式将操作码映射到shuffle控件

除此之外，它在旧的AVX CPU上是相同或更好的；没有任何CPU会因为在其他PS指令之间使用PD洗牌而受到惩罚。任何现有CPU上唯一的不同是代码大小。像K8和Core 2这样的旧CPU具有比

PS

更快的

PD

洗牌，但没有任何带有AVX的CPU具有这种弱点的洗牌单元。此外，AVX非破坏性指令之间的级别差异，操作数必须是目标

---

从GoDebug链接中可以看出，在洗牌之前/之后，没有额外的指令。“Casic”本质不做转换，只是重新解释以保持C++类型系统的幸福，因为英特尔决定有不同的类型：<代码>·y250/<代码> vs.代码> y.M256d（vs.代码＞M256i < /代码>），而不是有一个通用的YMM类型。他们选择不象ARM那样有单独的

uint8x16

vs

因此，编译器不需要为强制转换发出额外的指令，实际上这是正确的；它们不引入额外的

vmovaps

/

apd

注册副本或类似的内容

---

如果您使用的是clang，您可以方便地编写它，让clang的shuffle optimizer为您发出

vunpcklpd

。或者在其他情况下，不管它要做什么，都要做；有时它会做出比源代码更糟糕的选择，通常它做得很好

Clang在

-march=icelake client

中犯了这个错误，即使您编写

\u mm256\u shuffle\u ps

（或者根据周围的代码，可能会将该shuffle优化为其他内容的一部分）

---

如果可能的话，最好选择[Shuffle without immediate control byes]听起来像我写的：P@PeterCordes：谢谢你的回答（如下）。我觉得我应该在将来直接向你提出我的问题。：DHeh，我可能仍然会回答它，如果它对未来的读者有用的话。顺便说一句，请注意我在你接受后刚刚做的更新。@PeterCordes看到了更新。有趣的是，即使是对于

-march=icelake clien，Clang也做了这种糟糕的优化t

。你认为一个人应该提交一份bug报告来引起他们的注意吗？是的，应该得到报告。至少对于icelake，应该改为更喜欢

vshufps

，可能对于generic也是如此。好的，我会处理好的（今天或明天）并在问题中发布链接。建议对该答案进行编辑或发表评论，将是LLVM错误报告链接的更好位置。感谢您花时间这么做。顺便说一句，您可能希望在您的LLVM missed optimization bug中链接该答案，或至少链接uops.info搜索结果。@chtz：我在后面的回答中提到过这一点；CorE2和K8在使用64位块时具有更快的洗牌速度。Conro