Performance 间接daxpy操作的高效实现

_axpy是blas一级操作，它实现以下功能

for i = 1:n
    a[i] = a[i]-$\alpha$ b[i]

通过各种blas库（如MKL）可以有效地实现这种常规的daxpy

在我的例子中，我想实现以下使用间接寻址的daxpy操作变体

for i = 1:n
    a[ind1[i]] = a[ind1[i]]-$\alpha$ b[i]

其中ind1包含需要更新的向量A的元素索引。我得到的信息是，ind1是一个单调数组，即$ind1[I]>ind[j]\_foralli>j$

---

我假设这种计算经常出现在稀疏线性代数中。是否有人知道基于SSE/AVX的此类例程的任何有效实现

你可以做

movss

，然后做3个

insrps

，直到你填充一个向量，然后再做数学运算。然后分散回各个位置？如果索引是16位或32位，您可以将多个索引一次加载到64位GP寄存器中，然后shift+

movzx

以获取数组索引

例如，见。该函数根据16位字的高半部和低半部查找16位GF16 longmultiply分量。所以我的索引是8位的，所以我可以在一个64位的加载中得到很多

---

如果索引中有足够多的连续数据，值得大量分支预测失误查找，那么正如@StephenCanon所说，只需查找运行并使用SIMD执行每个连续块就值得了。

如果

ind1

数组包含连续运行，您可以采取一些措施来加快操作。如果

ind1

本质上是任意的，那么您几乎无法对此进行优化（可能除了预取）。SSE/AVX根本没有进行必要的聚集/分散操作的有效方法。它确实包含连续运行，但可能长度为10-30。我的猜测是预取可能会起作用，但有人警告我，手动预取可能弊大于利