使用 SSE4.2 或更早版本优化 find_first_not_of

Question

我正在为一个协议编写一个文本数据包分析器，在优化它的过程中我发现一个很大的瓶颈是 find_first_not_of 调用。

本质上，如果数据包仅包含有效字符，我需要确定它是否有效，这比默认的 C++ 函数更快。

例如，如果所有允许的字符是 f、h、o、t 和 w，在 C++ 中我会调用s.find_first_not_of("fhotw")，但在 SSEx 中，在将字符串加载到一组 __m128i 变量后，我没有任何线索。

显然，_mm_cmpXstrY 函数文档在这方面并没有真正帮助我。（例如 _mm_cmpistri）。一开始我可以用 _mm_sub_epi8 减去，但我认为这不是个好主意。

此外，我坚持使用 SSE（任何版本）。

Answer 1

Wojciech Muła 的

This article 描述了一个 SSSE3 算法 accept/reject 任何给定的字节值。（与文章相反，应该使用饱和算法进行范围检查，但我们没有范围。）

SSE4.2 字符串函数通常比手工制作的替代品慢。例如，pcmpistri 在 Skylake 上的 3 微指令、3 周期吞吐量，是 SSE4.2 字符串指令中最快的。 vs. 1 shuffle 和每 16 字节输入 1 pcmpeqb，使用 SIMD AND 和 movemask 组合结果。加上一些加载和寄存器复制指令，但仍然很可能比每 3 个周期 1 个向量快。不过，处理以 0 结尾的短字符串并不那么容易；如果您也需要担心，SSE4.2 值得考虑，而不是向量宽度的倍数的已知大小的块。

对于“fhotw”，请尝试：

#include <tmmintrin.h> // pshufb

bool is_valid_64bytes (uint8_t* src) {
    const __m128i tab = _mm_set_epi8('o','_','_','_','_','_','_','h',
                                     'w','f','_','t','_','_','_','_');
    
    __m128i src0 = _mm_loadu_si128((__m128i*)&src[0]);
    __m128i src1 = _mm_loadu_si128((__m128i*)&src[16]);
    __m128i src2 = _mm_loadu_si128((__m128i*)&src[32]);
    __m128i src3 = _mm_loadu_si128((__m128i*)&src[48]);
    __m128i acc;

    acc = _mm_cmpeq_epi8(_mm_shuffle_epi8(tab, src0), src0);
    acc = _mm_and_si128(acc, _mm_cmpeq_epi8(_mm_shuffle_epi8(tab, src1), src1));
    acc = _mm_and_si128(acc, _mm_cmpeq_epi8(_mm_shuffle_epi8(tab, src2), src2));
    acc = _mm_and_si128(acc, _mm_cmpeq_epi8(_mm_shuffle_epi8(tab, src3), src3));
    return !!(((unsigned)_mm_movemask_epi8(acc)) == 0xFFFF);
}

使用数据的低 4 位，我们可以 select 我们的集合中的一个字节具有该低半字节值。例如'o' (0x6f) 进入 table 的高字节，因此 0x?f 形式的输入字节尝试与其匹配。即它是 _mm_set_epi8 的第一个元素，从高到低。

有关此技术在其他特殊/更一般情况下的变体，请参阅完整文章。

使用 SSE4.2 或更早版本优化 find_first_not_of

Optimizing find_first_not_of with SSE4.2 or earlier

string

optimization

sse

intrinsics

sse4