犰狳向量 vec/fvec 的内存对齐答案

【问题标题】：Memory alignment of Armadillo vectors vec/fvec犰狳向量 vec/fvec 的内存对齐
【发布时间】：2021-03-08 16:03:22
【问题描述】：

我想直接从带有.memptr() 的犰狳矢量数据中加载__m256。 Armadillo 是否确保数据存储器是 256 位对齐的？如果是这样，那么我只需将.memptr() 返回的浮点/双精度指针转换为__m256 指针并跳过_mm256_load_ps()，如果它在性能方面有意义的话。

【问题讨论】：

标签： c++ performance intrinsics armadillo

【解决方案1】：

犰狳似乎没有在文档中讨论这一点，因此未指定。因此，矢量数据可能无法保证 32 字节对齐。

但是，您不需要对齐矢量数据即可将它们加载到 AVX 寄存器中：您可以使用未对齐的加载内在函数_mm256_loadu_ps。 AFAIK，_mm256_load_ps 和 _mm256_loadu_ps 在相对较新的 x86 处理器上的性能大致相同。

【讨论】：

谢谢。我很好奇当我用reinterpret_cast 将float * 转换为a __m256* 然后简单地取消引用指针时会发生什么，编译器会自动选择_mm256_loadu_ps 吗？
对未与sizeof(Type) 对齐的数据使用reinterpret_cast<Type> 会使您的程序在标准C++ 中格式错误。因此，使用这种转换加载 32 字节未对齐数据会导致未定义的行为。实际上，我建议您即使数据对齐也不要使用reinterpret_cast。您可以找到有关 here 的更多信息。
@Noob: alignof(__m256) == 32，所以 deref 等价于load，而不是loadu。有趣的事实：像 GNU C 这样的编译器可以使用 __attribute__((aligned(1),may_alias,vector_size(32))) 类型的 deref 来实现 loadu。 Is `reinterpret_cast`ing between hardware SIMD vector pointer and the corresponding type an undefined behavior?。对于整数数据，您通常需要某种类型的强制转换（因为英特尔恼人地将内在函数定义为采用 __m256i* 而不是 void*），但是对于浮点数，只需使用 _mm256_loadu_ps(const float*)。
如果你的数据在运行时恰好是 32 字节对齐的，那么很好，否则硬件会处理它；如果所有 32 个字节都来自同一高速缓存行，则不存在惩罚。但是缓存行拆分对于 OoO exec 隐藏有额外的延迟，并且执行 2 次缓存访问时吞吐量会更差。页面拆分甚至更糟，尤其是在 Skylake 之前的 CPU 上，但对于顺序循环当然很少发生。