从字节数组加载 uint8x16_t 的对齐要求？

Question

我们在 Debug 构建下触发了一个断言来检查对齐。断言适用于使用vld1q_u8 加载到uint8x16_t 中的字节数组。当断言触发时，我们没有观察到SIG_BUS。

代码中的用法如下：

const byte* input = ...;
...

assert(IsAlignedOn(input, GetAlignmentOf(uint8x16_t));
uint64x2_t message = vreinterpretq_u64_u8(vld1q_u8(input));

我也尝试了以下方法，断言触发uint8_t* 的对齐：

assert(IsAlignedOn(input, GetAlignmentOf(uint8_t*));
uint64x2_t message = vreinterpretq_u64_u8(vld1q_u8(input));

将字节数组加载到带有vld1q_u8 的uint8x16_t 时，其对齐要求是什么？

---

在上面的代码中，input 是一个函数参数。 IsAlignedOn 检查其两个参数的对齐方式，确保第一个参数至少与第二个参数对齐。 GetAlignmentOf 是一种抽象，用于检索类型或变量的对齐方式。

uint8x16_t 和 uint64x2_t 是 128 位 ARM NEON 矢量数据类型，它们是 expected to be placed in a Q register。 vld1q_u8 是一个 NEON 伪指令，预计将被编译成 VLD1.8 指令。 vreinterpretq_u64_u8 是一个 NEON 伪指令，可简化数据类型的使用。

Answer 1

VLD1.8 指令的自然对齐，将 16 个字节加载到 Quad 寄存器，是一个字节。这意味着即使不允许未对齐的传输，该指令也不会出错。

所以看起来这个特定的断言是不正确的。

Answer 2

在编写直接汇编程序（内联或在外部文件中）时，您可以选择是否要指定对齐方式（例如vld1.8 {q0}, [r0, :64]）或不指定对齐方式（例如vld1.8 {q0}, [r0]）。如 Dric512 所说，如果未指定，则根本不需要任何特定对齐。

当通过内在函数使用vld1q_u8 时，您实际上并没有指定对齐方式，据我所知，编译器不会假设它，并且会生成没有对齐规范的指令。我不确定某些编译器是否可以推断出某些实际保证对齐的情况并在这些情况下使用对齐说明符。 （在这种特殊情况下，gcc、clang 和 MSVC 似乎都生成了没有对齐说明符的 vld1.8。）

请注意，这只是 32 位 arm 的问题；在 AArch64 中，ld1 指令没有对齐说明符。但即便如此，对齐仍然明显有帮助，如果将它与未对齐的地址一起使用，性能会更差。

Answer 3

从另一端来看，这是从一个示例编译器（Visual Studio 2015 的arm_neon.h）的角度来看该类型的实际定义：

typedef union __declspec(intrin_type) _ADVSIMD_ALIGN(8) __n128
{
     unsigned __int64   n128_u64[2];
     unsigned __int32   n128_u32[4];
     unsigned __int16   n128_u16[8];
     unsigned __int8    n128_u8[16];
     __int64            n128_i64[2];
     __int32            n128_i32[4];
     __int16            n128_i16[8];
     __int8             n128_i8[16];
     float              n128_f32[4];

    struct
    {
        __n64  low64;
        __n64  high64;
    } DUMMYNEONSTRUCT;

} __n128;

...

typedef __n128   int8x16_t;

因此，至少在 Windows 平台上，由于该联合，它需要不少于 __int64 的对齐方式，并且从 AAPCS 开始，这意味着 8 个字节（即使没有不太具有挑战性的猜猜_ADVSIMD_ALIGN(8) 可能意味着什么……）

---

不过，它甚至比这更简单，因为事实证明，AAPCS 实际上确实直接在这方面拥有最后一个词，通过它根据 容器化向量 定义向量类型（第 4.1.1 节）。 2):

容器化向量的内容对于大多数过程调用标准是不透明的：其布局的唯一定义方面是内存格式（基本类型存储在内存中的方式）和不同类别的寄存器之间的映射过程调用接口。

换句话说，在 ABI 级别，向量类型是向量类型，无论其中可能包含或不包含什么，并且 64 位和 128 位容器化向量都需要 8 字节对齐，因为 ABI 说所以（§4.1）。因此，无论底层指令能够做什么，Microsoft 的实现都没有像我最初猜测的那样过于严格，它只是符合要求。 八是你要对齐的数字，对齐的数字是八。

另一方面，vld1q_u8() 的参数是 uint8_t const *，其指向的数据没有对齐要求，因此断言它满足 8 字节对齐可能会失败很多。