SSE指令集学习

SSE

数据类型

SSE提供了以下新的数据类型：

• __m128i: 128位整型向量，可以容纳 16 个 8 位、8 个 16 位、4 个 32 位或 2 个 64 位整数值
• __m128d: 128位浮点型向量
• __m128: 容纳四个32位浮点值

对于__m128d和__m128i，编译器自动把局部和全局变量在栈上对齐16字节。若需要对齐整型、float和double数组，使用__declspec(align)

• 要访问8位数据

__m128i a = _mm_set1_epi8(1); // 在目标 __m128i 向量中将 每个 8-位整型元素（共 16 个字节）都置为相同的常量 val
int b = _mm_extract_epi8(a, n); // 取出第n位的8位整型数值

• 要访问16位数据

_mm_extract_epi16(__m128i a, int imm) // 取出第imm位的16位整型数值

• 要访问32位数据

_mm_extract_epi32(x, imm) // 取出第imm位的32位整型数值

内部函数(SSE Intrinsics)调用注意事项

原文

1. 指令集不直接支持某些内部函数，例如 _mm_loadr_ps 和 _mm_cmpgt_ss 。虽然这些内部函数是方便的编程辅助工具，但请注意，它们可能包含多个机器语言指令。
2. 作为 __m128 对象加载或存储的浮点数据通常必须 16 字节对齐。
3. 由于指令的性质，一些内部函数要求它们的参数是即时的，即常量整数（文字）。
4. 作用于两个 NaN （非数字） 参数的算术运算的结果是未定义的。因此，使用 NaN 参数的 FP 运算将与相应汇编指令的预期行为不匹配。

• 某些 intrinsic 并没有对应的单条机器指令?

x86 指令集中并没有同名的一条机器指令可直接执行。它们只是编译器提供的“快捷接口”。

• 它们可能由多条机器指令组成?

例如，_mm_loadr_ps 要把内存中的 4 个 float 装载到 XMM 寄存器，并且按“反向”顺序排列。没有单条指令能同时完成“加载”与“字元素反序”两个操作，于是编译器可能先用一条 MOVAPS（或 MOVUPS）加载，然后再用一条 PSHUFD（或类似的 shuffle）重排字元素。

• 内存对齐?

对齐访问可在一次内存总线事务中完成全部数据加载/存储，降低时钟周期和硬件复杂度。未对齐访问可能被拆成多次访问，增加延迟；在部分架构上甚至会引发异常。

例如__m128 表示一个 128 位宽的 SIMD 向量，可存放 4 个单精度浮点（4×32 bit = 128 bit），在内存中，它占用 16 字节 连续空间

早期 SSE/SSE2 指令（如 MOVAPS/MOVAPD）对内存操作数必须是 16 字节对齐，否则 CPU 会产生一般保护异常（#GP）,后续 SSE3/SSE4.1 引入了可处理非对齐数据的指令（如 MOVUPS），但性能仍低于对齐版本​

内存对齐

• 定义

若内存地址 A 能被 n（且通常为 2 的幂）整除，则称该地址是 n字节对齐

• 直观意义

CPU 按其总线宽度或缓存线长度访问内存，若数据跨越对齐边界，可能需要多次总线访问或额外硬件处理。

• 如何理解n字节对齐

1. “能被 n 整除” 的数学含义
   • 整数除法：地址 A 能被 n 整除 ⇔ 存在整数 k，使得 A = k × n
   • 换言之，A ÷ n 的余数（A mod n）等于 0。
   • 例如，若 n=8，则地址 A=0x1000（4096）能被 8 整除（4096 mod 8=0），说明它是 8-字节对齐；而 A=0x1003（4099）除以 8 余 3，就不是对齐的。
2. 为什么 n 通常选 2 的幂
   1. 硬件总线与缓存线
      • CPU 的内存总线宽度、缓存行大小往往是 2 的幂（如 64 B、128 B）。对齐到相同边界可以保证一次传输正好包含完整数据块，无需跨两次传输。
      • 例如，缓存行大小 64 B，若你读取一个 64 B 对齐的结构，则一次缓存填充即可，否则可能触发两次缓存行读取。
   2. 地址位模式
      • 在二进制下，2 的幂 n=2ᵏ 对齐要求地址低 k 位全为 0。
      • 举例：16 字节对齐 (n=16=2⁴) ⇒ 地址二进制最低 4 位必须是 0000。
3. 对齐的好处

4. 举例说明

• 8-字节对齐（n=8）：地址 0x1000、0x1008、0x1010… 都是 8-字节对齐；0x1003 不是。
• 16-字节对齐（n=16）：地址 0x2000、0x2010、0x2020… 二进制末 4 位 0000。

地址 →  …  | 0x1000 | 0x1010 | 0x1020 | …
          [   块0  ][  块1  ][   块2  ]

内部函数(SSE Intrinsics)

命名和使用语法

_mm[_<width>]_<intrin_op>_<suffix>()

字段表明向量寄存器宽度隐藏时默认为 128 位

<intrin_op>

指示 intrinsic 的基本作;例如，add 表示加法，sub 表示减法。

+

前 1–2 个字母表示数据布局——Packed (p)、Extended Packed (ep) 或 Scalar (s)；剩下的字母/数字则表示元素的数据类型（如浮点／整数、位宽、有无符号）

• 举例

//并行 4 个 float 相加
__m128 a, b;  
__m128 c = _mm_add_ps(a, b);   // “add” + “ps”：并行 (packed) single-precision  

//仅对第 0 元素做标量 double 相加
__m128d a, b;  
__m128d c = _mm_add_sd(a, b);  // “add” + “sd”：scalar double-precision  

//并行 4 个有符号 32-bit 整数相加
__m128i a, b;  
__m128i c = _mm_add_epi32(a, b); // “add” + “epi32”：extended packed signed-32  

参考文献

SSE指令集学习 SSE指令集学习笔记 intel手册