在混合环境中选择 SSE 指令执行域

Question

我正在使用一些 SSE 汇编代码，其中我没有足够的 xmm 寄存器来同时将所有临时结果和有用的常量保存在寄存器中。

作为一种解决方法，对于一些具有相同分量的常量向量，我将几个向量“压缩”到一个xmm 寄存器中，下面是xmm14。我使用pshufd 指令来解压我需要的常量向量。这条指令有一点延迟，但由于它需要一个源寄存器和一个目标寄存器，否则非常方便：

…
Lfour_15_9:
    .long 4
    .long 1549556828
    .long 909522486
    .long 0
…
    movdqa  Lfour_15_9(%rip), %xmm14
…
    pshufd  $0, %xmm14, %xmm4
    paddd   %xmm4, %xmm3
…
    pshufd  $0b10101010, %xmm14, %xmm5
…
    pshufd  $0b10101010, %xmm14, %xmm5
…
    pshufd  $0b01010101, %xmm14, %xmm5
    xorps   %xmm5, %xmm2    
    movaps  %xmm5, 112(%rax)

以上代码采用 gas/AT&T 语法，我的目标是从 Core 2 到 Westmere 的 Intel 处理器，这些处理器提供高达 SSSE3 的指令。

Agner Fog's manuals 之一指出，对于某些用途，使用具有错误“类型”的向量指令可能是有利的。例如，memcpy 使用 movaps 指令编写是有利的，即使要移动的数据不是浮点数，因为 movaps 比 movdqa 短，在更多处理器上可用，并且因为它不计算数据，关于次常态的通常警告都不适用。也给出了相同的建议来改变单词（我之前链接到的手册中的第 13.2 和 13.3 节）。

我的情况有点特殊，因为我打算重构常量向量，如果需要，一些可以仅与单精度“类型”指令一起使用：这些将仅在movaps、shufps 中涉及, xorps 计算。一些常量向量必须参与只能用整数类型指令完成的计算：paddd（因此我可以根据需要使用movdqa、pshufd和pxor指令来保持整数执行域）。

这个问题的一般版本是：考虑到我的目标是 Core 2 和 Westmere 之间的英特尔处理器，我应该分别使用什么类型的指令从内存（重新）加载 xmm14，将其解压缩到寄存器那将只看到单精度计算，将其解压缩到一个寄存器，该寄存器将看到一些单精度指令无法完成的计算，以及后一种情况下可以用单精度指令完成的那些操作？

---

编辑： harold 在评论中回答了以下问题的一部分。

---

还有一个包含在一般问题中的更具体的子问题：当我用浮点指令随机替换一些整数执行域指令（例如，movdqa 指令由movaps 指令替换时，是否有人解释了原因？ )，函数可以计算错误吗？我预计唯一的后果是执行延迟，而不是错误的结果。

例如，如果在上面我仅将pshufd $0, %xmm14, %xmm4 指令更改为shufps 指令，则计算将完全错误（xmm4 是稍后涉及paddd 的寄存器）。更改其他指令而不是那个会导致其他类型的错误。

Answer 1

对于xor 之类的东西，更喜欢整数域指令。在 Intel CPU 上，只有一个执行端口可以处理 FP 域逻辑（XORPS 等），但大多数执行单元（在 SnB 到 Haswell：p015，但不是 Haswell 的端口 6）可以处理向量整数逻辑指令（ PAND/POR/PXOR)。

根据 Agner Fog 的测试，如果需要将 FP 域指令的结果作为向量整数域指令的输入，有时会花费额外 1 个周期的延迟。 （请参阅微架构文档）。这适用于 AMD 和英特尔。这仅在指令位于关键路径上时才重要。 （循环中最长的深度链）。

正确性不是问题，除非您发现指令的非正交性让您绊倒。 shufps 与 pshufd 做的事情不同。我认为vpermilps ymm, ymm, imm 确实与pshufd 做同样的事情，而且似乎只是被引入，因此您可以将随机播放与内存加载结合起来。 （否则，您可以使用 AVX 版本的 shufps 与两个源具有相同的寄存器，并获得相同的行为）。

IDK 如果有人彻底测试了使用较短指令编码...ps 版本的事物没有额外延迟的所有情况。不过，SnB 和更高版本的 Intel CPU 中的 uop 缓存使得内部循环的问题不再那么严重。 （指令解码只是第一次循环的瓶颈。）

编辑：除了 uop-cacheline 边界，如果您的代码可以维持完整的 4 uop / 周期，这可能是瓶颈。如果有任何工具可以帮助对齐 x86 指令以使 uop 缓存行保持 4 uop 的倍数，请 IDK。