X86: 如何将 xmm0 的下半部分设置为 0，而不影响上半部分？
X86: How to set lower half of xmm0 to 0, without affecting the upper half?
我使用 xmm0 有 128 位的系统。
我想将 [63...0] 设置为零，而不影响 [127...64]。
我使用：
MOV RAX, 0xFFFFFFFFFFFFFFFF
MOVQ xmm2, RAX
PSHUFD xmm2, xmm2, 0b00001111
PAND xmm1, xmm2
有没有更快的方法？
您可以通过
更有效地创建常量
pcmpeqd xmm2,xmm2 ; xmm2 = all-ones. Needs any ALU port
pslldq xmm2, 8 ; left shift by 8 bytes. Needs the shuffle port
PAND xmm1, xmm2
（另见 Agner Fog's optimization guide; he has a section on creating constants on the fly. Also ）
或者如@RossRidge 所建议的那样，如果您经常需要它以在高速缓存中保持热，那么使用常量的内存源操作数可能是最有效的，但不能只是将其从循环中提升并保持在循环中一个寄存器。
或混入新的低8字节零.
pxor xmm2, xmm2 ; xmm2=0; very efficient on Intel CPUs; no back-end uop
movsd xmm1, xmm2 ; runs on port5 only on Intel CPUs, like shuffles.
（作为内存加载，movsd 零扩展。但是对于 reg-reg 移动它并且 movss 保留目标上半部分不变。）
混合的替代方法更有效，但需要的不仅仅是 SSE2：
- SSE4.1：
pblendw xmm1, xmm2, 0b00001111 - 一切都更差（或速度相同但代码大小更差）。在 Intel 的端口 5 上仍然只有 运行s。 Ryzen 运行s movsd xmm,xmm 在比 pblendw 更多的端口上。低功耗 Atom/Silvermont 运行s movsd 在比 pblendw 更多的端口上，但 Goldmont 和 KNL 对此和 movsd 有 2/clock 吞吐量。所以还是比不上movsd.
- SSE4.1
blendpd xmm1, xmm2, 0b01（或blendps）- 与 vpblendd 一样高效，但如果在整数指令之间使用，会产生旁路转发延迟。如果您在吞吐量方面遇到瓶颈，这可能没问题，特别是如果您必须避免后端压力。
- AVX2：
vpblendd xmm1, xmm1, xmm2, 0b0011 - 运行s 在任何 AVX2 CPU 上的任何 ALU 端口上 CPU。
一些 CPUs 也可能在整数指令之间有 movsd 的旁路延迟，但 Sandybridge 系列对随机播放非常宽容。
在某些 CPU 上与 movsd 一样有效，仅需要 SSE1:
movhlps xmm1, xmm2 - 将 xmm1 的低 qword 替换为 xmm2 的高 qword（也是零）。在 Ryzen 或 Silvermont 上效率较低。
类似地，shufpd 和 shufps 可以将 xmm1 的上半部分复制到置零寄存器的上半部分。 （如果您不想破坏原始 reg，则很有用）。但是您可以使用 movsd 轻松高效地做到这一点。
也可能：movlps xmm, [mem] 加载零，可能是您刚刚存储到堆栈中。它不允许注册源操作数，并且需要 Intel 上的 port5 uop（洗牌/不常见混合）。它可以微融合到一个融合域 uop 中，但它比使用内存源的 pand 更糟糕，因为它可以 运行 在更少的端口上。
我使用 xmm0 有 128 位的系统。 我想将 [63...0] 设置为零，而不影响 [127...64]。 我使用：
MOV RAX, 0xFFFFFFFFFFFFFFFF
MOVQ xmm2, RAX
PSHUFD xmm2, xmm2, 0b00001111
PAND xmm1, xmm2
有没有更快的方法？
您可以通过
更有效地创建常量pcmpeqd xmm2,xmm2 ; xmm2 = all-ones. Needs any ALU port
pslldq xmm2, 8 ; left shift by 8 bytes. Needs the shuffle port
PAND xmm1, xmm2
（另见 Agner Fog's optimization guide; he has a section on creating constants on the fly. Also
或者如@RossRidge 所建议的那样，如果您经常需要它以在高速缓存中保持热，那么使用常量的内存源操作数可能是最有效的，但不能只是将其从循环中提升并保持在循环中一个寄存器。
或混入新的低8字节零.
pxor xmm2, xmm2 ; xmm2=0; very efficient on Intel CPUs; no back-end uop
movsd xmm1, xmm2 ; runs on port5 only on Intel CPUs, like shuffles.
（作为内存加载，movsd 零扩展。但是对于 reg-reg 移动它并且 movss 保留目标上半部分不变。）
混合的替代方法更有效，但需要的不仅仅是 SSE2：
- SSE4.1：
pblendw xmm1, xmm2, 0b00001111- 一切都更差（或速度相同但代码大小更差）。在 Intel 的端口 5 上仍然只有 运行s。 Ryzen 运行smovsd xmm,xmm在比pblendw更多的端口上。低功耗 Atom/Silvermont 运行s movsd 在比 pblendw 更多的端口上，但 Goldmont 和 KNL 对此和 movsd 有 2/clock 吞吐量。所以还是比不上movsd. - SSE4.1
blendpd xmm1, xmm2, 0b01（或blendps）- 与 vpblendd 一样高效，但如果在整数指令之间使用，会产生旁路转发延迟。如果您在吞吐量方面遇到瓶颈，这可能没问题，特别是如果您必须避免后端压力。 - AVX2：
vpblendd xmm1, xmm1, xmm2, 0b0011- 运行s 在任何 AVX2 CPU 上的任何 ALU 端口上 CPU。
一些 CPUs 也可能在整数指令之间有 movsd 的旁路延迟，但 Sandybridge 系列对随机播放非常宽容。
在某些 CPU 上与 movsd 一样有效，仅需要 SSE1:
movhlps xmm1, xmm2- 将 xmm1 的低 qword 替换为 xmm2 的高 qword（也是零）。在 Ryzen 或 Silvermont 上效率较低。
类似地，shufpd 和 shufps 可以将 xmm1 的上半部分复制到置零寄存器的上半部分。 （如果您不想破坏原始 reg，则很有用）。但是您可以使用 movsd 轻松高效地做到这一点。
也可能：movlps xmm, [mem] 加载零，可能是您刚刚存储到堆栈中。它不允许注册源操作数，并且需要 Intel 上的 port5 uop（洗牌/不常见混合）。它可以微融合到一个融合域 uop 中，但它比使用内存源的 pand 更糟糕，因为它可以 运行 在更少的端口上。