在 32 位数字中查找第一个（最低）设置位的位置
Find position of first (lowest) set bit in 32-bit number
我需要得到一个32位数字中的1位数字，其中只有一个1位（总是）。 C++或asm中最快的方法。
例如
input: 0x00000001, 0x10000000
output: 0, 28
#ifdef __GNUC__，使用 __builtin_ctz(unsigned) 计算尾随零 (GCC manual)。 GCC、clang 和 ICC 在所有目标 ISA 上都支持它。 （在没有本机指令的 ISA 上，它将调用 GCC 辅助函数。）
Leading vs. Trailing 是按打印顺序书写时，MSB-first，如 8 位二进制 00000010 有 6 个前导零和一个尾随零。 （当转换为 32 位二进制时，将有 24+6 = 30 个前导零。）
对于 64 位整数，使用 __builtin_ctzll(unsigned long long)。不幸的是，GNU C bitscan 内置函数不采用 fixed-width 类型（尤其是 leading zeros 版本），但是 unsigned 在 GNU C 上始终是 32 位的x86（虽然不适用于 AVR 或 MSP430）。 unsigned long long 在我知道的所有 GNU C 目标上总是 uint64_t。
在 x86 上，它将编译为 bsf or tzcnt depending on tuning + target options. tzcnt is a single uop with 3 cycle latency on modern Intel, and only 2 uops with 2 cycle latency on AMD (perhaps a bit-reverse to feed an lzcnt uop?) https://agner.org/optimize/ / https://uops.info/。无论哪种方式，它都得到快速硬件的直接支持，并且 比您在纯 C++ 中可以做的任何事情都快得多 。与 x * 1234567 的成本大致相同（在 Intel CPU 上，bsf/tzcnt 与 imul r, r, imm 的成本相同，在 front-end 微指令中，back-end端口和延迟。）
对于未设置位的输入，内置函数具有未定义的行为，允许它避免任何额外的检查，如果它可能 运行 为 bsf。
在其他编译器（特别是 MSVC） 中，您可能需要 TZCNT 的内在函数，例如 _mm_tzcnt_32 来自 immintrin.h。 (Intel intrinsics guide)。或者您可能需要为 non-SIMD 内在函数包含 intrin.h (MSVC) 或 x86intrin.h。
与 GCC/clang 不同，MSVC 不会阻止您将内部函数用于您尚未启用的 ISA 扩展，以便编译器自行使用。
MSVC 对于实际 BSF/BSR 也有 _BitScanForward / _BitScanReverse，但是 AMD 保证（英特尔也实现）的 leave-destination-unmodified 行为仍然没有被这些暴露内在函数，尽管它们 pointer-output API.
- VS: unexpected optimization behavior with _BitScanReverse64 intrinsic - pointer-output 假定总是写成：/
- _BitScanForward _BitScanForward64 missing (VS2017) Snappy - 正确 headers
- How to use MSVC intrinsics to get the equivalent of this GCC code?
TZCNT 在没有 BMI1 的 CPU 上将 解码为 BSF，因为它的 machine-code 编码是 rep bsf。它们为 non-zero 输入给出相同的结果，因此编译器可以并且总是只使用 tzcnt 因为这在 AMD 上要快得多。 （它们在 Intel 上的速度相同，所以没有缺点。在 Skylake 和更高版本上，tzcnt 没有错误的输出依赖性。BSF 这样做是因为它在输入 = 0 时保持输出不变）。
(这种情况对于 bsr 和 lzcnt 不太方便： bsr returns bit-index, lzcnt returns leading-zero计数。因此，为了在 AMD 上获得最佳性能，您需要知道您的代码只会 运行 在支持 BMI1 / TBM 的 CPU 上，以便编译器可以使用 lzcnt)
请注意，只要设置了 1 个位，从任一方向扫描都会找到相同的位。所以 31 - lzcnt = bsr 在这种情况下与 bsf = tzcnt 相同。如果移植到另一个只有 leading-zero 计数而没有 bit-reverse 指令的 ISA，可能会有用。
相关：
- Why does breaking the "output dependency" of LZCNT matter? 现代编译器通常知道打破 lzcnt/tzcnt/popcnt 的错误依赖。 bsf/bsr 也有一个，我认为 GCC 在这方面也很聪明，但具有讽刺意味的是可能不是。
- How can x86 bsr/bsf have fixed latency, not data dependent? Doesn't it loop over bits like the pseudocode shows? - 伪代码不是硬件实现。
- https://en.wikipedia.org/wiki/Find_first_set 有更多关于跨 ISA 的位扫描功能。包括 POSIX
ffs() 其中 returns 一个基于 1 的索引并且必须做额外的工作来解释输入为 0 的可能性。
编译器确实可以识别 ffs() 并像内置函数一样内联它（就像它们对 memcpy 或 sqrt 所做的那样），但当您实际上想要一个基于 0 的索引。特别难告诉编译器只设置了 1 位。
我需要得到一个32位数字中的1位数字，其中只有一个1位（总是）。 C++或asm中最快的方法。
例如
input: 0x00000001, 0x10000000
output: 0, 28
#ifdef __GNUC__，使用 __builtin_ctz(unsigned) 计算尾随零 (GCC manual)。 GCC、clang 和 ICC 在所有目标 ISA 上都支持它。 （在没有本机指令的 ISA 上，它将调用 GCC 辅助函数。）
Leading vs. Trailing 是按打印顺序书写时，MSB-first，如 8 位二进制 00000010 有 6 个前导零和一个尾随零。 （当转换为 32 位二进制时，将有 24+6 = 30 个前导零。）
对于 64 位整数，使用 __builtin_ctzll(unsigned long long)。不幸的是，GNU C bitscan 内置函数不采用 fixed-width 类型（尤其是 leading zeros 版本），但是 unsigned 在 GNU C 上始终是 32 位的x86（虽然不适用于 AVR 或 MSP430）。 unsigned long long 在我知道的所有 GNU C 目标上总是 uint64_t。
在 x86 上，它将编译为 bsf or tzcnt depending on tuning + target options. tzcnt is a single uop with 3 cycle latency on modern Intel, and only 2 uops with 2 cycle latency on AMD (perhaps a bit-reverse to feed an lzcnt uop?) https://agner.org/optimize/ / https://uops.info/。无论哪种方式，它都得到快速硬件的直接支持，并且 比您在纯 C++ 中可以做的任何事情都快得多 。与 x * 1234567 的成本大致相同（在 Intel CPU 上，bsf/tzcnt 与 imul r, r, imm 的成本相同，在 front-end 微指令中，back-end端口和延迟。）
对于未设置位的输入，内置函数具有未定义的行为，允许它避免任何额外的检查，如果它可能 运行 为 bsf。
在其他编译器（特别是 MSVC） 中，您可能需要 TZCNT 的内在函数，例如 _mm_tzcnt_32 来自 immintrin.h。 (Intel intrinsics guide)。或者您可能需要为 non-SIMD 内在函数包含 intrin.h (MSVC) 或 x86intrin.h。
与 GCC/clang 不同，MSVC 不会阻止您将内部函数用于您尚未启用的 ISA 扩展，以便编译器自行使用。
MSVC 对于实际 BSF/BSR 也有 _BitScanForward / _BitScanReverse，但是 AMD 保证（英特尔也实现）的 leave-destination-unmodified 行为仍然没有被这些暴露内在函数，尽管它们 pointer-output API.
- VS: unexpected optimization behavior with _BitScanReverse64 intrinsic - pointer-output 假定总是写成：/
- _BitScanForward _BitScanForward64 missing (VS2017) Snappy - 正确 headers
- How to use MSVC intrinsics to get the equivalent of this GCC code?
TZCNT 在没有 BMI1 的 CPU 上将 解码为 BSF，因为它的 machine-code 编码是 rep bsf。它们为 non-zero 输入给出相同的结果，因此编译器可以并且总是只使用 tzcnt 因为这在 AMD 上要快得多。 （它们在 Intel 上的速度相同，所以没有缺点。在 Skylake 和更高版本上，tzcnt 没有错误的输出依赖性。BSF 这样做是因为它在输入 = 0 时保持输出不变）。
(这种情况对于 bsr 和 lzcnt 不太方便： bsr returns bit-index, lzcnt returns leading-zero计数。因此，为了在 AMD 上获得最佳性能，您需要知道您的代码只会 运行 在支持 BMI1 / TBM 的 CPU 上，以便编译器可以使用 lzcnt)
请注意，只要设置了 1 个位，从任一方向扫描都会找到相同的位。所以 31 - lzcnt = bsr 在这种情况下与 bsf = tzcnt 相同。如果移植到另一个只有 leading-zero 计数而没有 bit-reverse 指令的 ISA，可能会有用。
相关：
- Why does breaking the "output dependency" of LZCNT matter? 现代编译器通常知道打破 lzcnt/tzcnt/popcnt 的错误依赖。 bsf/bsr 也有一个，我认为 GCC 在这方面也很聪明，但具有讽刺意味的是可能不是。
- How can x86 bsr/bsf have fixed latency, not data dependent? Doesn't it loop over bits like the pseudocode shows? - 伪代码不是硬件实现。
- https://en.wikipedia.org/wiki/Find_first_set 有更多关于跨 ISA 的位扫描功能。包括 POSIX
ffs()其中 returns 一个基于 1 的索引并且必须做额外的工作来解释输入为 0 的可能性。
编译器确实可以识别 ffs() 并像内置函数一样内联它（就像它们对 memcpy 或 sqrt 所做的那样），但当您实际上想要一个基于 0 的索引。特别难告诉编译器只设置了 1 位。