X86 在通道中，在AVX2中跨64位元素数据移动

在

ymm

regs中，是否有任何寄存器到寄存器1 AVX或AVX2指令可以在128位通道的64位半部之间以任何方式移动数据，而不使用当代Intel2上的端口5

---

1对于内存源，存在这样一种东西，形式为

D

和

Q

广播指令

---

2 Haswell通过Skylake-S（尽管如果在SKX中实现的AVX-512中存在任何内容，则值得一提）

我认为在1 reg reg指令中不可能，但存储/重新加载可以在没有端口5的通道中移动数据。即使是像

dppd

或

vcvtps2pd

这样的时髦玩意儿也需要端口5洗牌。所有寄存器源洗牌指令都在Haswell和更高版本的端口5上运行（直到Ice Lake在另一个端口上添加第二个可以执行洗牌的洗牌单元）

显然，未对齐的重新加载可以执行任何字节移位，但这将导致存储转发暂停，并且您必须屏蔽不需要的数据

完全在加载端口上运行，与

vbroadcastsd

完全相同，它是低qword的车道内广播

vmovsldup

并且只需要一个加载端口，但不能满足在64位通道的一半之间移动的要求

没有任何

movhdup

复制每条车道内的高半部，只有

movddup

复制低双精度FP元素。SSE3用于xmm，AVX1用于ymm版本

---

正如@harold指出的，我们可以将数据从高64位放入低64位。但它在YMM版本中不可用。它可能是唯一一条具有特殊用途执行单元的指令，可以在随机洗牌之外执行

psadbw

在64位元素中工作<代码>vdbpsadbw是SKX上p5的1 uop<代码>mpsadbw是多uop，包括2p5<代码>phadd说明也包含在2p5中

---

---

Zen 2对

vpshufd ymm

（）的吞吐量为0.5c。在处理粒度小于128位的车道交叉洗牌时，它比Intel慢，但在车道内洗牌和128位洗牌（如

vperm2f128

等）上性能良好。我假设您排除了Ice Lake（第二个可以运行一些洗牌的洗牌单元）或pre Haswell，其中整数洗牌的吞吐量为2/时钟。对于1/c洗牌吞吐量，存储+广播重新加载至少值得考虑。@PeterCordes-是的，我打算将其限制为当前可用的支持AVX2的CPU，基本上是Haswell通过Skylake和变体。用脚注澄清。实际上我想的是AVX-512之前的版本，但如果ICL AVX-512之前的版本中有答案的话，我也很感兴趣。

PHMINPOSUW

是否算数？是的，Zen1对于uops车道交叉洗牌的次数非常随意。我曾希望Zen2在将shuffle ALU扩展到256位时会更像Intel，但也许他们实际上没有这样做。所以它有点像Merom，它只有一个64位的洗牌单元，使pshufd变慢，但pshuflw变快。（可能Zen2的洗牌端口每个都有2个车道内洗牌单元。因此车道内洗牌是全速的，但是车道交叉需要额外的UOP，以便粒度<128位）。广播仍然很快（4c延迟），而且

vperm2f128

很好（3c延迟）。@harold-我打算不允许它，因为我正在使用AVX指令查找

ymm

。我没有提到

ymm

部分，所以我猜从技术上讲它是这样做的，但是它没有

ymm

版本，只是在AVX中，因为默认的VEX编码几乎什么都有。我刚刚编辑了？n以使

ymm

显式。