如何在 xmm 寄存器中旋转压缩四字？

Question

给定一个包含两个四字（即两个 64 位整数）的 128 位 xmm 寄存器：

     ╭──────────────────┬──────────────────╮
xmm0 │ ffeeddccbbaa9988 │ 7766554433221100 │
     ╰──────────────────┴──────────────────╯

如何对单个四字执行旋转？例如：

prorqw xmm0, 32   // rotate right packed quadwords

     ╭──────────────────┬──────────────────╮
xmm0 │ bbaa9988ffeeddcc │ 3322110077665544 │
     ╰──────────────────┴──────────────────╯

我知道 SSE2 提供：

• PSHUFW：随机压缩单词（16位）
• PSHUFD：随机压缩 双字（32 位）

虽然我不知道指令是做什么的，也没有 quadword（64 位）版本。

奖金问题

您将如何执行xmm 寄存器的ROR - 假设打包数据为其他 大小？

• 将压缩后的双字右移 16 位：

       ╭──────────┬──────────┬──────────┬──────────╮
  xmm0 │ ffeeddcc │ bbaa9988 │ 77665544 │ 33221100 │
       ╰──────────┴──────────┴──────────┴──────────╯
                          ⇓
       ╭──────────┬──────────┬──────────┬──────────╮
  xmm0 │ ddccffee │ 9988bbaa │ 55447766 │ 11003322 │
       ╰──────────┴──────────┴──────────┴──────────╯
  

• 将压缩后的单词向右旋转 8 位：

       ╭──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────╮
  xmm0 │ ffee │ ddcc │ bbaa │ 9988 │ 7766 │ 5544 │ 3322 │ 1100 │
       ╰──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────╯
                          ⇓
       ╭──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────╮
  xmm0 │ eeff │ ccdd │ aabb │ 8899 │ 6677 │ 4455 │ 2233 │ 0011 │
       ╰──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────╯
  

额外奖励问题

如果是 256 位 ymm 寄存器，您将如何执行上述操作？

     ╭──────────────────────────────────┬──────────────────────────────────╮
ymm0 │ 2f2e2d2c2b2a29282726252423222120 │ ffeeddccbbaa99887766554433221100 │ packed doublequadwords
     ╰──────────────────────────────────┴──────────────────────────────────╯
     ╭──────────────────┬──────────────────┬──────────────────┬──────────────────╮
ymm0 │ 2f2e2d2c2b2a2928 │ 2726252423222120 │ ffeeddccbbaa9988 │ 7766554433221100 │ packed quadwords
     ╰──────────────────┴──────────────────┴──────────────────┴──────────────────╯
     ╭──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────╮
ymm0 │ 2f2e2d2c │ 2b2a2928 │ 27262524 │ 23222120 │ ffeeddcc │ bbaa9988 │ 77665544 │ 33221100 │ packed doublewords
     ╰──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────╯
     ╭──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────╮
ymm0 │ 2f2e │ 2d2c │ 2b2a │ 2928 │ 2726 │ 2524 │ 2322 │ 2120 │ ffee │ ddcc │ bbaa │ 9988 │ 7766 │ 5544 │ 3322 │ 1100 │ packed words
     ╰──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────╯

阅读奖励

• Intel Intrinsics Guide
• X86 Opcode and Instruction Reference Home
• Rotation or Shifting with x86/x64 Assembly
• PSHUFW explanation?

Answer 1

如果旋转计数是 8 的倍数，则可以使用字节混洗。带有控制掩码的SSSE3 pshufb 可以在一条指令中处理 8 的任何其他倍数。

SSE2 pshufd 可以处理 count=32，交换每个 qword 的两半：_MM_SHUFFLE(2,3, 0,1)，或在 asm 中 pshufd xmm0, xmm0, 0b10_11_00_01（NASM 支持 _ 作为可选分隔符，就像 C++11 中的数字文字一样。 )

SSE2 pshuflw + pshufhw 对于 16 倍数的计数对于没有 SSSE3 的函数版本来说还不错，但是对于低/高 qword，您需要单独的洗牌。 （一个 imm8 控制字节仅包含四个 2 位字段。）或者使用 AVX2，用于每个通道内的奇数/偶数 qwords。

---

如果旋转计数不是 8 的倍数，则有 AVX512F vprolq zmm0, zmm1, 13 和 vprorq。也可用于可变计数版本，每个元素的计数来自另一个向量而不是立即数。 vprolvq/vprorvq。也提供双字粒度，但不是字或字节。

---

否则只有 SSE2 且计数不是 16 的倍数，您需要 left+right shift + OR 才能在 asm 中实际实现将 C 中的旋转表示为 @ 987654338@。 （Best practices for circular shift (rotate) operations in C++ 指出了从超出范围的移位计数中解决潜在 C UB 的方法，这对于内在函数或 asm 不是问题，因为 asm 和内在函数的行为由英特尔明确定义：SIMD 移位使移位饱和计数，而不是像标量移位那样掩盖它。）

SSE2 的移位粒度小至 16 位，因此您可以直接执行此操作。

对于字节粒度，您需要额外的掩码以将在字中的字节之间移动的位清零。 Efficient way of rotating a byte inside an AVX register。或者使用 pmullw 之类的技巧和 2 次幂元素的向量，允许每个元素的可变计数。 （AVX2 通常只有 dword/qword 的可变计数移位）。

Answer 2

虽然我询问了关于执行向右旋转，但 ROR 的一个子集是当您执行两个 64 位值的 ROR 正好 32 位时。这使您的任意 rotate 变成了高 32 位和低 32 位的简单交换：

知道您只是在执行 32 位（即 双字）交换，您可以使用另一条指令：

• pshufd：随机压缩双字

指令的编码比较棘手，Intel 尽力做到obfuscate the documentation。这个想法是您可以将 128 位 xmm 视为 32 位 双字，并将它们推送到您喜欢的任何位置：

编码很棘手：

pshufd xmm0, xmm0, 0x02030001

因为我正在推动 四个 双字，所以掩码由四个块组成：

02030001

这些是从左到右排列的，告诉你应该将 32 位双字打乱到哪里的索引：

如果您正在旋转 64 位四字，它们被打包到 xmm 寄存器中，正好 32 位，您可以使用：

pshufd xmm0, xmm0, 0x02030001 //rotate packed quadwords by 32-bits¹

右旋转(16)

如果：

• 而不是封装到 xmm 中的 64 位四字的 ROR(32)
• 我想ROR(16)

 

我们可以应用相同的技巧。假设将 64 位的四字分成 16 位的字，并将它们打乱：

pshufw xmm0, xmm0, 0x0605040702010003 //shuffle packed words¹

除了 pshufw 不能对 xmm 寄存器进行操作。所以我已经让自己陷入停顿。

右旋转(24)

如果：

• 而不是封装到 xmm 中的 64 位四字的 ROR(32)
• 我想ROR(24)

我们可以应用相同的东西。假设将 64 位四字分成 8 位字....

pshufb xmm0, xmm0, something //shuffle 打包字节

好吧，我明天去拿这个。现在我累了。我希望只输入一行代码；取而代之的是四个小时的痛苦。我只是假设人们现在已经记录了所有这些基本操作； CPU 已经存在至少 3 年了。

向右旋转(1)

是的，稍后。

脚注

¹我认为。我不确定我的编码是否正确。