Question

我有三个函数a()，b()和c()应该做同样的事情：

typedef float Builtin __attribute__ ((vector_size (16)));

typedef struct {
        float values[4];
} Struct;

typedef union {
        Builtin b;
        Struct s;
} Union;

extern void printv(Builtin);
extern void printv(Union);
extern void printv(Struct);

int a() {
        Builtin m = { 1.0, 2.0, 3.0, 4.0 };
        printv(m);
}

int b() {
        Union m = { 1.0, 2.0, 3.0, 4.0 };
        printv(m);
}

int c() {
        Struct m = { 1.0, 2.0, 3.0, 4.0 };
        printv(m);
}

编译此代码时，我会发现以下行为：

在printv()中调用a()时，%xmm0正在传递所有4个浮点数。不会写入内存。
在printv()中调用b()时，%xmm0正在传递2个浮点数，而%xmm1正在传递另外两个浮点数。为了实现这一点，将4个浮点数（.LC0）加载到%xmm2并从那里加载到内存中。之后，从内存中的同一位置读取2个浮点数到%xmm0，其他2个浮点数被加载（.LC1）到%xmm1。
我对c()实际做的事情感到有些失落。

为什么a()，b()和c()有所不同？

这是（）的汇编输出：

        vmovaps .LC0(%rip), %xmm0
        call    _Z6printvU8__vectorf

b（）的程序集输出：

        vmovaps .LC0(%rip), %xmm2
        vmovaps %xmm2, (%rsp)
        vmovq   .LC1(%rip), %xmm1
        vmovq   (%rsp), %xmm0
        call    _Z6printv5Union

c（）的汇编输出：

         andq    $-32, %rsp
         subq    $32, %rsp
         vmovaps .LC0(%rip), %xmm0
         vmovaps %xmm0, (%rsp)
         vmovq   .LC2(%rip), %xmm0
         vmovq   8(%rsp), %xmm1
         call    _Z6printv6Struct

数据：

        .section        .rodata.cst16,"aM",@progbits,16
        .align 16
.LC0:
        .long   1065353216
        .long   1073741824
        .long   1077936128
        .long   1082130432
        .section        .rodata.cst8,"aM",@progbits,8
        .align 8
.LC1:
        .quad   4647714816524288000
        .align 8
.LC2:
        .quad   4611686019492741120

四元4647714816524288000似乎只不过是相邻长词中的浮点3.0和4.0。

Answer 1

不错的问题，我不得不挖掘一点，因为我自己从未使用SSE（在本例中为SSE2）。基本上，向量指令用于对一个寄存器中存储的多个值进行操作，即XMM（0-7）寄存器。在C中，数据类型float使用IEEE 754，因此其长度为32位。使用四个浮点数将产生一个长度为128位的向量，这正好是XMM（0-7）寄存器的长度。现在SSE提供的寄存器如下所示：

SSE (avx-128):                         |----------------|name: XMM0; size: 128bit
SSE (avx-256):        |----------------|----------------|name: YMM0; size: 256bit

在您的第一个案例a()中，您使用SIMD矢量化

typedef float Builtin __attribute__ ((vector_size (16)));

允许您将整个矢量一次性移入XMM0寄存器。现在在你的第二个案例中b()你使用了一个联盟。但是因为您没有将.LC0加载到与Union m.b = { 1.0, 2.0, 3.0, 4.0 };的联合中，所以数据不会被识别为矢量化。这会导致以下行为：

来自.LC0的数据通过以下方式加载到XMM2中：

 vmovaps .LC0(%rip), %xmm2

但是因为您的数据可以解释为结构或作为矢量化，所以数据必须分成两个64位块，仍然必须在XMM（0-7）寄存器中，因为它可以被视为矢量化，但它必须最大64位长才可以传输到寄存器（只有64位宽，如果是128位则会溢出）转移到它;数据丢失）因为数据也可以被视为一个结构。这是在下面完成的。

XMM2中的矢量化用

加载到内存中

    vmovaps %xmm2, (%rsp)

现在向量化的高64位（位64-127），即浮点3.0和4.0被移动（vmovq移动四字，即64位）到XMM1

    vmovq   .LC1(%rip), %xmm1

最后向量化的低64位（位0-63），即浮点1.0和2.0从内存移到XMM0

    vmovq   (%rsp), %xmm0

现在，您将128位向量的上部和下部放在单独的XMM（0-7）寄存器中。

现在以及c()我不太确定，但现在就这样了。首先将％rsp与32位地址对齐，然后减去32字节以将数据存储在堆栈中（这将再次与32位地址对齐）这是通过

完成的。

     andq    $-32, %rsp
     subq    $32, %rsp

现在这次将矢量化加载到XMM0中，然后用

放在堆栈上

     vmovaps .LC0(%rip), %xmm0
     vmovaps %xmm0, (%rsp)

最后矢量化的高64位存储在XMM0中，低64位存储在XMM1寄存器中

     vmovq   .LC2(%rip), %xmm0
     vmovq   8(%rsp), %xmm1

在所有三种情况下，矢量化的处理方式不同。希望这会有所帮助。

GCC内置矢量化类型和C数组之间有什么区别？

1 个答案: