为什么以及在何处使用 align 16 来进行指令的 SSE 对齐？

Question

我正在阅读 Apress 的现代 x86 汇编语言书籍。对于 64 位 SSE 示例的编程，作者将 align 16 放在代码中的特定点。例如

    .code
ImageUint8ToFloat_ proc frame
_CreateFrame U2F_,0,64               ; helper macros to create prolog
_SaveXmmRegs xmm10,xmm11,xmm12,xmm13 ; helper macros to create prolog

_EndProlog  ; helper macros to create prolog

...

shrd r8d,
pxor xmm5,xmm5

align 16  ; Why this is here ?
@@:
movdqa xmm0,xmmword ptr [rdx]
movdqa xmm10,xmmword ptr [rdx+16]

movdqa xmm2,xmm0
punpcklbw xmm0,xmm5
punpckhbw xmm2,xmm5
movdqa xmm1,xmm0
movdqa xmm3,xmm2

...

作者解释说有必要放置 align 16 因为我们使用 SSE 以便指令本身对齐。没关系。我的问题是为什么作者选择将 align 16 放置到该特定位置。作为程序员，我应该如何决定 align 16 的正确位置？为什么不早点或晚点？

Answer 1

没有必要。偶尔有用。

现代处理器以 16（或者可能是 32，某种程度上，AMD 做的很奇怪）字节为单位获取代码。当然是对齐的。如果你在这样一个块的末尾附近跳转，你会浪费大部分的获取，并且在那个周期中你只会解码 1 条或许多 0 指令。这是一个巨大的浪费，所以最好跳到块的开头。

这并不总是重要的，例如代码是否在循环缓冲区或 µop 缓存（如果存在）中。通常几乎所有循环都适合 µops 缓存，在早于 SandyBridge 的处理器上，很容易创建一个不适合循环缓冲区的循环，这使得获取吞吐量很重要。即使循环可以放入循环缓冲区，对齐仍然对 Core2 有帮助，因为未对齐有效地使循环缓冲区变小（它基于 16 字节代码块，在预解码后缓存）。还有一些更奇怪的细节，但都是关于古老的 µarchs 的，所以我将跳过它。关键是，在像 Nehalem 和更老的 µarchs 上，你应该经常对齐循环。

虽然从片段中看不是很清楚，但看起来他们已经对齐了一个标签，它将循环返回。所以它正在对齐循环。这对现代 µarchs 并不重要。

为什么以及在何处使用 align 16 来进行指令的 SSE 对齐？

Why and where align 16 is used for SSE alignment for instructions?

64-bit

assembly

sse