vextracti128和vextractf128具有相同的功能，参数和返回值。另外一个是AVX指令集，而另一个是AVX2。有什么不同？
答案 0 :(得分：11)
vextracti128和vextractf128不仅具有相同的功能，参数和返回值。它们具有相同的指令长度。并且它们具有相同的吞吐量（根据Agner Fog的优化手册）。
不完全清楚的是它们的延迟值（具有依赖链的紧密循环中的性能）。指令本身的延迟是3个周期。但在阅读英特尔优化手册的2.1.3节（“执行引擎”）之后，我们可能会怀疑vextracti128在处理浮点数据时应该额外延迟1个时钟延迟，而vextractf128应该会额外延长1个时钟延迟使用整数数据时。测量表明这不是真的，延迟总是保持3个周期（至少对于Haswell处理器而言）。据我所知，优化手册中的任何地方都没有记录。
静止指令集只是处理器的接口。 Haswell是此接口的唯一实现，包含这两个指令（暂时）。我们可以忽略这些指令的实现（很可能）相同的事实。并按预期使用这些说明 - vextracti128表示整数数据，vextractf128表示FP数据。 （如果我们只需要在不执行任何int / FP操作的情况下重新排序数据，那么显而易见的选择是vextractf128，因为几个较旧的处理器支持它。经验表明，英特尔有时会降低下一代CPU中某些指令的性能，因此明智地遵守这些指令的亲和性，以避免将来出现任何可能的速度降级。
由于英特尔优化手册不是非常详细地描述了用于SIMD指令的int / FP域之间的关系，我已经做了一些测量（在Haswell上）并得到了一些有趣的结果：
SSE整数和随机指令之间的任何转换都没有额外的延迟。并且SSE FP和shuffle指令之间的任何转换都没有额外的延迟。 （虽然我没有测试每条指令）。例如，您可以在两条FP指令之间插入pshufb这样的“明显整数”指令而不会有额外的延迟。在整数代码的中间插入shufpd也不会产生额外的延迟。
由于shuffle单位执行vextracti128和vextractf128，因此它们也具有“无延迟”属性。
这可能对优化混合int + FP代码很有用。如果您需要将FP数据重新解释为整数并同时对寄存器进行洗牌，只需确保所有FP指令都在shuffle之前，并且所有整数指令都在它之后。
andps和其他FP逻辑指令也具有忽略FP / int域的属性。
如果在FP代码中添加整数逻辑指令（如pand），则会产生额外的2个周期延迟（一个到达int域，另一个到达FP）。因此，SIMD FP代码的明显选择是andps。可以在整数代码的中间使用相同的andps而没有任何延迟。更好的是在int和FP指令之间使用这样的指令。有趣的是，FP逻辑指令使用与所有shuffle指令相同的端口号5。
英特尔优化手册介绍了生产者和消费者微操作之间的旁路延迟。但它并没有说明微操作如何与寄存器相互作用。
这段代码每次迭代只需要3个时钟（正如vaddps所要求的那样）：
vxorps ymm7, ymm7, ymm7
_benchloop:
vaddps ymm0, ymm0, ymm7
jmp _benchloop
但是这个每次迭代需要2个时钟（比vpaddd需要多1个时钟）：
vpxor ymm7, ymm7, ymm7
_benchloop:
vpaddd ymm0, ymm0, ymm7
jmp _benchloop
这里唯一的区别是整数域而不是FP域的计算。要获得1个时钟/迭代，我们需要添加一条指令：
vpxor ymm7, ymm7, ymm7
_benchloop:
vpand ymm6, ymm7, ymm7
vpaddd ymm0, ymm0, ymm6
jmp _benchloop
提示：（1）存储在SIMD寄存器中的所有值都属于FP域，（2）从SIMD寄存器读取会使整数运算的延迟增加1。 （这里{ymm0，ymm6}和ymm7之间的区别在于ymm7存储在一些临时存储器中并且作为真正的“寄存器”工作，而ymm0和ymm6是临时的并且由内部CPU的互连状态而不是某些永久存储器表示，所以ymm0和ymm6不是“读”但只是在微操作之间传递。
答案 1 :(得分：3)
好问题 - 看起来AVX指令vextractf128适用于任何矢量类型（int，float，double），而AVX2指令vextracti128仅适用于int矢量。如果你有AVX2和整数向量，我推荐使用后者，以防它在某些情况下提供更好的性能，否则使用前者。