为什么存储到 AVX2 256 位向量和从中加载在调试和发布模式下有不同的结果？

Question

当我尝试 store and load 256 位往返于 AVX2 256 位矢量时，我在发布模式下没有收到预期的输出。

use std::arch::x86_64::*;

fn main() {
    let key = [1u64, 2, 3, 4];
    let avxreg = unsafe { _mm256_load_si256(key.as_ptr() as *const __m256i) };
    let mut back_key = [0u64; 4];
    unsafe { _mm256_storeu_si256(back_key.as_mut_ptr() as *mut __m256i, avxreg) };
    println!("back_key: {:?}", back_key);
}

playground

在调试模式下：

back_key: [1, 2, 3, 4]

在发布模式中：

back_key: [1, 2, 0, 0]

后半部分既没有加载也没有存储，我不知道是哪一个。

奇怪的是针对原生 CPU 作品。在发布模式 + RUSTFLAGS="-C target-cpu=native"

back_key: [1, 2, 3, 4]

我什至试图通过强制对齐来摆脱 Clippy 错误（我不确定下面的代码是否被认为更正确）。

use std::arch::x86_64::*;

#[repr(align(256))]
#[derive(Debug)]
struct Key([u64; 4]);

fn main() {
    let key = Key([1u64, 2, 3, 4]);
    let avxreg = unsafe { _mm256_load_si256(&key as *const _ as *const __m256i) };
    let mut back_key = Key([0u64; 4]);
    unsafe { _mm256_storeu_si256((&mut back_key) as *mut _ as *mut __m256i, avxreg) };
    println!("back_key: {:?}", back_key);
}

为什么会这样？
是否有针对此特定用例的修复程序？
此修复是否可以针对用户输入进行推广（例如：如果我想将字节切片作为用户输入并执行相同的过程）

Answer 1

在更彻底 reading the docs 之后，很明显我必须将主体提取到另一个函数中，并通过用

注释来强制使用 AVX2 编译该函数

#[target_feature(enable = "avx2")]

或者用

编译整个程序

RUSTFLAGS="-C target-feature=+avx2" cargo run --release

第一个选项更好，因为它保证函数中使用的 SIMD 指令被正确编译，调用者只需在使用 is_x86_feature_detected!("avx2") 调用之前检查它们的 CPU 是否具有这些功能。所有这些都记录在案，但如果编译器可以用 "hey, this function uses AVX2 instructions, but was not annotated with #[target_feature(enable = "avx2")] and the program was not compiled with AVX2 enabled globally, so calling this function is undefined behavior" 发出警告，那就太棒了。它会让我省去很多麻烦！

由于依赖未定义的行为是不好的，我们在操场上的初始程序应该写成：

use std::arch::x86_64::*;

fn main() {
    unsafe { run() }
}

#[target_feature(enable = "avx2")]
unsafe fn run() {
    let key = [1u64, 2, 3, 4];
    let avxreg = _mm256_load_si256(key.as_ptr() as *const __m256i);
    let mut back_key = [0u64; 4];
    _mm256_storeu_si256(back_key.as_mut_ptr() as *mut __m256i, avxreg);
    println!("back_key: {:?}", back_key);
}

一些注意事项：

main不能不安全，因此不能用target_feature注解，所以需要抽取到另一个函数
这仍然假定 x86_64 CPU 运行代码具有 avx 功能，因此请确保在调用
不值得研究为什么调试版本给出正确的结果，因为运行在我的家用计算机上发布的它也给出正确的结果（在某些咒语下）。查看汇编表明 LLVM 以一种或另一种方式进行了优化，但它并不是特别有见地。

为什么存储到 AVX2 256 位向量和从中加载在调试和发布模式下有不同的结果？

Why does storing to and loading from an AVX2 256bit vector have different results in debug and release mode?

rust

compiler-optimization

simd

avx2