X86 什么'；这是LDQU si256和loadu si256之间的区别

根据我在网上找到的一个例子，我一直在使用

\u mm256\u lddqu\u si256

。后来我发现了

\u mm256\u loadu\u si256

。《英特尔Intrinsics指南》仅指出，

lddqu

版本在跨越缓存线边界时性能可能会更好。

loadu

的优点是什么？一般来说，这些函数是如何不同的？

< P> <强>没有理由使用<代码> MM256YLDQQUIX256< /代码> <强>，将其视为<代码>的同义词：MM256ILUBUIXSI256code>lddqu仅因历史原因而存在，因为x86正在朝着更好的未对齐向量加载支持发展，并且支持AVX版本的CPU运行它们的方式相同。没有AVX512版本

并发出该指令，因此如果希望代码以相同的方式运行，但具有不同的校验和或机器代码字节，则可以使用该指令

---

没有x86微体系结构运行的

vlddqu

与

vmovdqu

有任何不同。即，两个操作码可能在所有AVX CPU上解码为同一个内部uop。它们可能总是会的，除非出现一些非常低功耗或专门的微体系结构，而没有有效的未对齐向量负载（这是自Nehalem以来的事情）。编译器在自动矢量化时从不使用

vlddqu

lddqu

与奔腾4上的

movdqu

不同。请参阅。

lddqu

允许（并且在P4上允许）两个对齐的16B加载，并获取该数据的窗口

movdqu

架构上仅从预期的16字节加载这对存储转发有影响：如果您正在加载刚与未对齐存储一起存储的数据，请使用

movdqu

，因为存储转发仅适用于完全包含在以前存储中的加载。但除此之外，您通常希望使用

lddqu

。（这就是为什么他们不只是让

movdqu

始终使用“好方法”，而是为程序员引入了一条新的指令来担心。但幸运的是，他们改变了设计，所以我们不必再担心使用哪条未对齐的加载指令。）

它还对不可缓存（UC）或不可缓存推测写组合（UCSW，又名WC）内存类型（其后面可能有MMIO寄存器）的可观察行为的正确性有影响

---

两条asm指令中没有代码大小差异：

  # SSE packed-single instructions are shorter than SSE2 integer / packed-double
  4000e3:       0f 10 07                movups xmm0, [rdi]   

  4000e6:       f2 0f f0 07             lddqu  xmm0, [rdi]
  4000ea:       f3 0f 6f 07             movdqu xmm0, [rdi]

  4000ee:       c5 fb f0 07             vlddqu xmm0, [rdi]
  4000f2:       c5 fa 6f 07             vmovdqu xmm0, [rdi]
  # AVX-256 is the same as AVX-128, but with one more bit set in the VEX prefix

---

在Core2和更高版本上，没有理由使用

lddqu

，但与

movdqu

相比，也没有缺点。Intel放弃了Core2的特殊

lddqu

功能，因此这两个选项都很糟糕

特别是在Core2上，在具有两个对齐加载和SSSE3

palignr

的软件中避免缓存线分裂有时是对

movdqu

的胜利，尤其是在第二代Core2（Penryn）上，

palignr

在Merom/Conroe上只是一个随机uop，而不是2个。（Penryn将洗牌执行单元扩展到128b）

请参阅Dark Shikaris 2009年一篇x264开发人员日志：了解更多关于旧时代未对齐的加载策略的信息

Core2之后的一代是Nehalem，其中

movdqu

是一条uop指令，在加载端口中具有专用硬件支持。告诉编译器指针何时对齐仍然很有用（特别是对于自动矢量化，尤其是在没有AVX的情况下），但对他们来说，到处使用

movdqu

并不是性能灾难，特别是如果数据实际上在运行时对齐

---

我根本不知道英特尔为什么要生产一款AVX版的

lddqu

。我想对于解码器来说，在所有模式下（使用传统SSE前缀，或使用AVX128/AVX256），只将该操作码作为

movdqu

/

vmovdqu

的别名，而不是将该操作码解码为其他带有VEX前缀的操作码更简单

所有当前支持AVX的CPU都具有高效的硬件未对齐加载/存储支持，可以尽可能以最佳方式处理它。e、 g.当数据在运行时对齐时，与

vmovdqa

相比，性能差异完全为零

尼哈勒姆的情况并非如此

movdqu

和

lddqu

用于解码到多个uop，以处理潜在的未对齐地址，而不是将硬件支持放在加载端口中，在加载端口中单个uop可以激活它，而不是在未对齐的地址上出错

但是，256b版本可以加载多达64个字节（取决于实现）：

如果源操作数跨越缓存线边界，则此指令可能会提高相对于（V）MOVDQU的性能。在需要修改（V）LDDQU加载的数据并将其存储到同一位置的情况下，使用（V）MOVDQU或（V）MOVDQA代替（V）LDDQU。要将双四字移入或移出已知在16字节边界上对齐的内存位置，请使用（V）MOVDQA指令

IDK其中有多少是故意写的，有多少是在更新AVX条目时预先添加的

（V）

。我不认为英特尔的优化手册建议在任何地方使用

vlddqu

，但我没有检查

---

没有AVX512版本的

vlddqu

，因此我认为这意味着英特尔已经决定，替代策略未对齐的加载指令不再有用，甚至不值得保留它们的选项。

哎呀，我忘了我已经写了关于非AVX

lddqu

的大部分历史资料。（包括相同的链接，因为我记得搜索相同的内容。）