Vectorization AVX指令vxorpd和vpxor之间的差异

据报道,

• vxorpd ymm，ymm，ymm

  ：计算a和b中压缩双精度（64位）浮点元素的位异或，并将结果存储在dst中

• vpxor ymm，ymm，ymm

  ：计算a和b中256位（代表整数数据）的按位异或，并将结果存储在dst中

---

这两者的区别是什么？在我看来，这两条指令都会对ymm寄存器的所有256位执行按位异或运算。如果我对整数数据使用

vxorpd

（反之亦然），是否会造成性能损失？

将一些注释组合成一个答案：

除了性能，它们有相同的行为（我认为即使有内存参数：所有AVX指令都缺少对齐要求）

在Nehalem到Broadwell上，

（V）PXOR

可以在3个ALU执行端口p0/p1/p5中的任何一个上运行<代码>（V）XORPS/D只能在p5上运行

一些CPU在整数和FP“域”之间有“旁路延迟”。假设在SnB/IvB上，旁路延迟有时为零。e、 g.使用“错误”类型的随机或布尔运算时。在Haswell身上，他的例子表明，

orps

用于整数指令的结果时没有额外的延迟，但是

por

用于

addps

的结果时有额外的1个延迟时钟

在Skylake上，FP布尔可以在任何端口上运行，但旁路延迟取决于它们运行在哪个端口上。（有关表格，请参阅英特尔优化手册）。端口5在FP数学运算之间没有旁路延迟，但端口0或端口1有旁路延迟。由于FMA单元位于端口0和1上，uop发布阶段通常会在FP重载代码中将布尔值分配给端口5，因为它可以看到很多uop排队等待p0/p1，但p5不那么忙。（）

我建议你不要担心这个。哈斯韦尔和天湖的曲调会很好。或者总是在整数数据上使用VPXOR，在FP数据上使用VXORPS，Skylake会做得很好（但Haswell可能不会）

---

在AMD推土机/打桩机/蒸汽压路机上没有布尔运算的“FP”版本。（参见Agner Fog的Microach手册第182页）执行单元之间的数据转发存在延迟（ivec->fp或fp->ivec为1个周期，int->ivec为10个周期（

eax

->），ivec->int为8个周期（推土机上为8,10个周期，蒸汽压路机上为4,5个周期，用于movd/pinsrw/pextrw）），因此无论如何，使用适当的布尔insn无法避免AMD上的旁路延迟

XORPS

编码所需的字节比

PXOR

或

XORPD

少一个字节（非VEX版本。VEX版本都需要4个字节）

在任何情况下，旁路延迟只是额外的延迟，而不是降低吞吐量。如果这些操作不是内部循环中最长的dep链的一部分，或者如果您可以并行交错两个迭代（因此您有多个依赖链同时进行无序执行），那么

PXOR

可能是一种方法

---

在Skylake之前的英特尔CPU上，压缩整数指令始终可以在比浮点指令更多的端口上运行，因此更喜欢整数运算。

在当前的英特尔处理器上，SIMD单元有两个域：INT和FLOAT。将数据从一个移动到另一个会导致性能下降。在INT域的吞吐量也更高。谢谢你！表示当使用错误数据类型的向量指令时，Intel Sandy Bridge和更高版本的CPU具有0-1个周期的“旁路延迟”（bypass delay）。请注意，

vxorpd

是AVX，而

vpxor

是AVX2（当然，这不会影响性能，只是兼容性）。