SSE 优化的 64 位整数仿真

Question

对于我正在从事的业余项目，我需要在 x86 CPU 上模拟某些 64 位整数运算，并且它需要快速。

目前，我正在通过 MMX 指令执行此操作，但这真的很痛苦，因为我必须一直刷新 fp 寄存器状态（而且因为大多数 MMX 指令处理 已签名 整数，我需要无符号行为）。

所以我想知道这里的 SSE/优化专家是否可以使用 SSE 提出更好的实现。

我需要的操作如下（非常具体）：

uint64_t X, Y;

X = 0;
X = 1;
X << 1;
X != Y;
X + 1;
X & 0x1 // get lsb
X | 0x1 // set lsb
X > Y;

具体来说，我不需要通用的加法或移位，例如，只需加一和左移一。真的，只是这里显示的精确操作。

当然，除了在 x86 上，uint64_t 是通过使用两个 32 位标量来模拟的，这很慢（而且，在我的情况下，根本不起作用，因为我需要加载/存储是原子的，在加载/存储两个单独的寄存器时它们不会是这样）。

因此，我需要 SIMD 解决方案。 其中一些操作很简单，SSE2 已经支持。其他人（!= 和 <）需要更多的工作。

建议？ SSE 和 SSE2 都很好。允许 SSE3 需要一些说服力，而 SSE4 可能是不可能的（支持 SSE4 的 CPU 很可能运行 64 位无论如何，所以我不需要这些变通办法）

Answer 1

SSE2 直接支持一些 64 位整数运算：

将两个元素都设置为 0：

__m128i z = _mm_setzero_si128();

将两个元素都设置为 1：

__m128i z = _mm_set1_epi64x(1);      // also works for variables.
__m128i z = _mm_set_epi64x(hi, lo);  // elements can be different

__m128i z = _mm_set_epi32(0,1,0,1);  // if any compilers refuse int64_t in 32-bit mode.  (None of the major ones do.)

设置/加载低 64 位，零扩展至 __m128i

// supported even in 32-bit mode, and listed as an intrinsic for MOVQ
// so it should be atomic on aligned integers.
_mm_loadl_epi64((const __m128i*)p);     // movq or movsd 64-bit load

_mm_cvtsi64x_si128(a);      // only ICC, others refuse in 32-bit mode
_mm_loadl_epi64((const __m128i*)&a);  // portable for a value instead of pointer

基于_mm_set_epi32 的东西可能会被一些编译器编译成一团糟，所以_mm_loadl_epi64 似乎是跨 MSVC 和 ICC 以及 gcc/clang 的最佳选择，实际上应该是安全的，可以满足您对 atomic 的要求在 32 位模式下加载 64 位。见the Godbolt compiler explorer

垂直加/减每个 64 位整数：

__m128i z = _mm_add_epi64(x,y)
__m128i z = _mm_sub_epi64(x,y)

http://software.intel.com/sites/products/documentation/studio/composer/en-us/2011/compiler_c/intref_cls/common/intref_sse2_integer_arithmetic.htm#intref_sse2_integer_arithmetic

左移：

__m128i z = _mm_slli_epi64(x,i)   // i must be an immediate

http://software.intel.com/sites/products/documentation/studio/composer/en-us/2011/compiler_c/intref_cls/common/intref_sse2_int_shift.htm

位运算符：

__m128i z = _mm_and_si128(x,y)
__m128i z = _mm_or_si128(x,y)

http://software.intel.com/sites/products/documentation/studio/composer/en-us/2011/compiler_c/intref_cls/common/intref_sse2_integer_logical.htm

SSE 没有增量，因此您必须使用带有 1 的常量。

---

比较更难，因为在 SSE4.1 pcmpeqq 和 SSE4.2 pcmpgtq 之前没有 64 位支持

这是平等的：

__m128i t = _mm_cmpeq_epi32(a,b);
__m128i z = _mm_and_si128(t,_mm_shuffle_epi32(t,177));

这会将每个 64 位元素设置为 0xffffffffffff（如果它们相等，则称为 -1)。如果您希望它作为 int 中的 0 或 1，您可以将其拉出使用_mm_cvtsi32_si128()并添加1。（但有时您可以使用total -= cmp_result;而不是转换和添加。）

And Less-Than：（未完全测试）

a = _mm_xor_si128(a,_mm_set1_epi32(0x80000000));
b = _mm_xor_si128(b,_mm_set1_epi32(0x80000000));
__m128i t = _mm_cmplt_epi32(a,b);
__m128i u = _mm_cmpgt_epi32(a,b);
__m128i z = _mm_or_si128(t,_mm_shuffle_epi32(t,177));
z = _mm_andnot_si128(_mm_shuffle_epi32(u,245),z);

如果a 中的对应元素小于b，这会将每个64 位元素设置为0xffffffffffff。

---

这是返回布尔值的“等于”和“小于”的版本。它们返回底部 64 位整数的比较结果。

inline bool equals(__m128i a,__m128i b){
    __m128i t = _mm_cmpeq_epi32(a,b);
    __m128i z = _mm_and_si128(t,_mm_shuffle_epi32(t,177));
    return _mm_cvtsi128_si32(z) & 1;
}
inline bool lessthan(__m128i a,__m128i b){
    a = _mm_xor_si128(a,_mm_set1_epi32(0x80000000));
    b = _mm_xor_si128(b,_mm_set1_epi32(0x80000000));
    __m128i t = _mm_cmplt_epi32(a,b);
    __m128i u = _mm_cmpgt_epi32(a,b);
    __m128i z = _mm_or_si128(t,_mm_shuffle_epi32(t,177));
    z = _mm_andnot_si128(_mm_shuffle_epi32(u,245),z);
    return _mm_cvtsi128_si32(z) & 1;
}