我是一名学习 x86 和 ARM 架构的学生。
我想知道将多个数据放入 SIMD 寄存器需要多少个周期？
我了解 x86 SSE 的 xmms 寄存器有 128 位大小的寄存器。
如果我想通过 SIMD 指令集和汇编语言将 8 位数据中的 32 个放入堆栈中的 xmms 寄存器之一，该怎么办？
通用寄存器的 PUSH/POP 是否有相同的循环时间？
还是每 8 位数据需要 32 倍的时间？
感谢您的关心和关心！
【问题讨论】：
简答：
如果您要执行多次重复的 128 位加载，则可以使用 Sandy Bridge、Ivy Bridge 和 Haswell 在每个时钟周期实现两次 128 位加载，或者使用 Nahelem 在每个时钟周期实现一次 128 位加载。 Nahelem 之前的处理器取决于您执行对齐加载还是未对齐加载。
长答案：
Mystical 在Agner Fog's Instruction Tables 为您提供了所需的信息。但让我为你（和我自己）拼写出来。
您要查看的指令是：MOVDQU 和 MOVDQA，操作数为 x、m128。它们都将在一次操作中将 128 位数据加载到 XMM/YMM 寄存器中。 MOVDQA 要求地址按 16 字节对齐。 MOVDQU 没有这个限制。
您要查看的两个指标是延迟和互惠吞吐量（越低越好）。自 Nahelem 和 Sandy Bridge 以来，这些指标发生了两个重要变化：
在 Nahelem 之前的英特尔处理器对于 MOVDQU 具有更高的延迟和倒数吞吐量。 但是，由于 Nahelem MOVDQU 和 MOVDQA 具有相同的延迟和互惠的吞吐量。
自 Sandy Bridge 以来的所有 Intel 处理器都可以同时执行两个 128 位加载。这可以在 intels-haswell-architecture 上很好地看到。您可以看到，在 Nahelem 中，只有端口 2 可以进行 128 位加载，而在 Sandy Bridge 和 Haswell（以及 Ivy Bridge）中，它们可以同时使用端口 2 和 3 进行两个 128 位加载（他们就是这样做的）一个 AVX 负载）。因此，Nahelem 的倒数吞吐量为 1，而 Sandy Bridge 的倒数吞吐量为 0.5。
但是，即使 MOVDQA 和 MOVDQU 自 Nahelem 以来每个处理器具有相同的延迟和互惠吞吐量，但这并不意味着它们将提供相同的性能。如果地址不是 16 字节对齐的，则持久性可能会下降。您可以使用 ScottD 在Successful compilation of SSE instruction with qmake (but SSE2 is not recognized) 的代码对此进行测试，我的降幅约为 4%。我认为这是由于地址跨越缓存线的情况（例如，一个缓存线中的前 64 位和另一个中的下一个 64 位），否则性能是相同的。这实际上意味着自从 Nahelem 以来没有理由再使用MOVDQA。唯一的区别是内存对齐。
编辑： 我说Haswell可以同时做两个128位的加载。其实它可以同时做两个256-load。
编辑： 事实证明，使用 SSE 未对齐的加载指令不能用其他操作折叠。折叠允许CPU使用微操作融合（虽然这并不意味着它会融合但不折叠它肯定不会融合）。 因此，自 Nehalem 以来，对齐加载指令已过时的说法并不完全准确。更准确地说，它们已被 AVX 淘汰（与 Sandy Bridge for Intel 一起提供）。不过，实际上除了某些特殊情况外，不弃牌可能没什么区别。
【讨论】：