X86 什么'；Vextract128和vextractf128的区别是什么？

vextract128

和

vextractf128

具有相同的功能、参数和返回值。另外一个是AVX指令集，另一个是AVX2。有什么区别

好问题-看起来AVX指令

vextractf128

适用于任何向量类型（int、float、double），而AVX2指令

vextract128

仅适用于int向量。我建议在使用AVX2和整数向量时使用后者，以防它在某些情况下提供更好的性能，否则使用前者。

vextract128

和

vextractf128

不仅具有相同的功能、参数和返回值。它们具有相同的指令长度。而且它们具有相同的吞吐量（根据Agner Fog的优化手册）

不完全清楚的是它们的延迟值（依赖链紧循环中的性能）。指令本身的延迟为3个周期。但在阅读了《英特尔优化手册》第2.1.3节（“执行引擎”）后，我们可能会怀疑，使用浮点数据时，

vextract128

应额外获得1个时钟延迟，而使用整数数据时，

vextractf128

应额外获得1个时钟延迟。测量结果表明，这是不正确的，延迟总是正好保持3个周期（至少对于Haswell处理器）。据我所知，优化手册中没有记录这一点

静态指令集只是处理器的接口。Haswell是这个接口的唯一实现，包含这两个指令（目前）。我们可以忽略这样一个事实，即这些指令的实现（很可能）是相同的。并按预期使用这些说明-

vextract128

用于整数数据，而

vextractf128

用于FP数据。（如果我们只需要在不执行任何int/FP操作的情况下对数据进行重新排序，那么显而易见的选择是

vextractf128

，因为它受多个旧处理器的支持）。经验还表明，英特尔有时会降低下一代CPU中某些指令的性能，因此，明智的做法是观察这些指令的相关性，以避免将来可能出现的速度下降

由于《英特尔优化手册》并未详细描述SIMD指令的int/FP域之间的关系，因此我（在Haswell上）进行了更多的测量，并得到了一些有趣的结果：

---

洗牌指令 SSE integer指令和shuffle指令之间的任何转换都没有额外延迟。SSE FP指令和随机指令之间的任何转换都没有额外的延迟。（虽然我没有测试每一条指令）。例如，您可以在两条FP指令之间插入“显然是整数”指令，如

pshufb

，而无需额外延迟。在整数代码的中间插入<代码> SUFPDP<代码>也没有额外的延迟。

由于

vextract128

和

vextractf128

是由随机播放单元执行的，因此它们也具有此“无延迟”属性

这对于优化混合int+FP代码可能很有用。如果需要将FP数据重新解释为整数，同时洗牌寄存器，只需确保所有FP指令位于洗牌之前，所有整数指令位于洗牌之后

---

FP逻辑指令

和ps

以及其他FP逻辑指令也具有忽略FP/int域的属性

如果将整数逻辑指令（如

pand

）添加到FP代码中，将获得额外的2个周期延迟（一个用于到达int域，另一个用于返回FP）。因此，SIMD FP代码的明显选择是

和ps

。相同的<>代码> ANDS可以在整数代码的中间使用，没有任何延迟。更好的方法是在int和FP指令之间使用这样的指令。有趣的是，FP逻辑指令与所有随机指令使用相同的端口号5

---

注册访问 《英特尔优化手册》介绍了生产者和消费者微操作之间的旁路延迟。但它没有说明微操作如何与寄存器交互

这段代码每次迭代只需要3个时钟（正如

vaddps

所要求的那样）：

但这一次迭代需要2个时钟（比

vpaddd

多需要1个时钟）：

这里唯一的区别是在整数域而不是FP域中进行计算。要获得1个时钟/迭代，我们需要添加一条指令：

    vpxor ymm7, ymm7, ymm7
_benchloop:
    vpand ymm6, ymm7, ymm7
    vpaddd ymm0, ymm0, ymm6
    jmp _benchloop

---

这提示（1）存储在SIMD寄存器中的所有值都属于FP域，（2）从SIMD寄存器读取会将整数操作的延迟增加1。（此处{ymm0，ymm6}和ymm7之间的区别在于，ymm7存储在一些暂存存储器中，作为实“寄存器”工作，而ymm0和ymm6是临时的，由内部CPU的互连状态表示，而不是一些永久存储器，因此ymm0和ymm6不是“读取”，而是在微操作之间传递）.

谢谢你的回答。我没有找到Vextract128延迟和吞吐量数据。现在，我假设它们的功能是一致的，所以我使用了vextractf128，因为它与旧的CPU兼容。Vextract128仅在cpu haswell和更高版本上可用。在最新的intel（2013年7月）64-ia-32-architectures-optimization-manual.pdf中，没有关于Vextract128的延迟和吞吐量数据。一旦Vextract128整数数据处理具有额外的性能优势，我将使用它，但现在不使用。谢谢。VS2012 C++有一个bug，编译时偶尔会有错误的反转两个寄存器。编译vextractf128指令是正确的。VS2013 C++似乎是对的。Sandybridge的登记文件重新设计删除了ROB读端口档。在转发网络中保留值的建议现在已经过时了。循环每2次只能运行1次迭代

    vpxor ymm7, ymm7, ymm7
_benchloop:
    vpaddd ymm0, ymm0, ymm7
    jmp _benchloop

    vpxor ymm7, ymm7, ymm7
_benchloop:
    vpand ymm6, ymm7, ymm7
    vpaddd ymm0, ymm0, ymm6
    jmp _benchloop