对 SHUFPD 或 PSHUFD 是否有偏好来反转 XMM 中的两个 packed double？

Question

今天的问题很短。考虑以下玩具 C 程序 shuffle.c，用于反转寄存器 xmm0 中的两个打包双精度数：

#include <stdio.h>

void main () {
  double x[2] = {0.0, 1.0};
  asm volatile (
    "movupd  (%[x]), %%xmm0\n\t"
    "shufpd  , %%xmm0, %%xmm0\n\t"  /* method 1 */
    //"pshufd  , %%xmm0, %%xmm0\n\t"  /* method 2 */
    "movupd  %%xmm0, (%[x])\n\t"
    :
    : [x] "r" (x)
    : "xmm0", "memory");
  printf("x[0] = %.2f, x[1] = %.2f\n", x[0], x[1]);
  }

干运行后：gcc -msse3 -o shuffle shuffle.c | ./test，两者methods/instructions都会return得到正确的结果x[0] = 1.00, x[1] = 0.00。 This page says that shufpd has a latency of 6 cycles, while the intel intrinsic guide 表示 pshufd 只有 1 个周期的延迟。这听起来像是对 pshufd 的极大偏爱。但是，该指令确实适用于压缩整数。将它用于打包双打时，会不会有任何与 "wrong type" 相关的惩罚？

作为一个类似的问题，我也听说指令 movaps 比 movapd 小 1 个字节，它们通过从 16 位对齐地址读取 128 位来做同样的事情。那么我们是否总是可以使用前者进行移动（在 XMM 之间）/加载（从内存）/存储（到内存）？这看起来很疯狂。我认为必须有一些理由拒绝这一点。有人可以给我一个解释吗？谢谢。

Answer 1

您总是会得到正确的结果，但这对性能很重要。

对于将作为 FP 数学指令输入的 FP 数据（如 addps 或 vfma...，而不是像 xorps 这样的 insns），首选 FP 洗牌。

这避免了某些微体系结构（包括可能当前的 Intel 芯片）上的任何额外旁路延迟延迟。参见 Agner Fog's microarchitecture guide。 AMD Bulldozer 系列在向量整数域中进行所有洗牌，因此无论您使用哪种洗牌，都会有旁路延迟。

如果它节省了指令，那么无论如何使用整数洗牌都是值得的。（但通常情况恰恰相反，你想使用 shufps 来组合来自两个整数向量的数据。在更多情况下这很好，而且主要只在 Nehalem，IIRC 上才有问题。）

http://x86.renejeschke.de/html/file_module_x86_id_293.html 列出了 CPUID 0F3n/0F2n CPUs 的延迟，即 Pentium4（系列 0xF 模型 2（Northwood）/模型 3（Prescott））。这些数字显然完全无关紧要，甚至不匹配 Agner Fog 的 P4 table for shufpd.

英特尔的内在函数指南有时也有与实验测试不匹配的数字。请参阅 Agner Fog's instruction tables 以获得良好的 latency/throughput 数字，以及微架构指南以了解详细信息。

movaps vs. movapd：没有现有的微架构关心你使用的是哪个。将来有人可能会设计一个 x86 CPU，使 double 向量在内部与 float 向量分开，但目前唯一的区别是 int 与 FP。

当行为相同时（xorps 优于 xorpd，movhps 优于 movhpd），始终首选 ps 指令。

一些编译器（可能是 gcc 和 clang，我忘记了）会将 _mm_store_si128 整数向量存储编译为 movaps，因为任何现有硬件都没有性能下降，而且它更短一个字节.

IIRC，使用 movaps / movups 加载整数向量数据也没有性能缺点，但我不太确定。

不过，对 reg-reg 移动使用错误的 mov 指令会带来性能上的不利影响。 movdqa xmm1, xmm2 在 Nehalem 上两个 FP 指令之间是错误的。

回复：你的内联汇编：

它不需要是 volatile，如果您使用 16 字节结构或类似 "+m" input/output 的东西，您可以删除 "memory" 破坏符操作数。或 __m128d 变量的“+x”向量寄存器操作数。

与内联 asm 相比，内联函数可能会获得更好的结果，除非您在内联 asm 或独立函数中编写整个循环。

请参阅 x86 标签 wiki 以获得 link 我的内联 asm 指南。

对 SHUFPD 或 PSHUFD 是否有偏好来反转 XMM 中的两个 packed double？

Any preference to SHUFPD or PSHUFD for reversing two packed double in an XMM?

c

assembly

shuffle

sse2