AVX / SSE版xorshift128 +

Question

我正在尝试制作最快的高质量RNG。阅读http://xorshift.di.unimi.it/后，xorshift128 +似乎是个不错的选择。 C代码是

#include <stdint.h>
uint64_t s[ 2 ];

uint64_t next(void) { 
    uint64_t s1 = s[ 0 ];
    const uint64_t s0 = s[ 1 ];
    s[ 0 ] = s0;
    s1 ^= s1 << 23; // a
    return ( s[ 1 ] = ( s1 ^ s0 ^ ( s1 >> 17 ) ^ ( s0 >> 26 ) ) ) + s0; // b, c
}

我不是SSE / AVX专家，但我的CPU支持SSE4.1 / SSE4.2 / AVX / F16C / FMA3 / XOP指令。你怎么能用这些来加速这段代码（假设你想要制作数十亿这样的随机数），那么在实践中这个加速的预期限制是多少？

Answer 1

XorShift确实是一个不错的选择。它是如此的好，如此之快，需要如此少的状态，我很惊讶地看到这么少的采用。它应该是所有平台上的标准生成器。我已经在8年前自己实现了它，即使这样它也可以产生800MB / s的随机字节。

您不能使用向量指令来加速生成单个随机数。这几条指令中的指令级并行性太少了。

但是你可以很容易地加速生成N个数字，其中N是目标指令集的向量大小。只需并行运行N个发电机。保持N个生成器的状态并同时生成N个数字。

如果客户端代码一次需要一个数字，则可以保留N（或更多）数字的缓冲区。如果缓冲区为空，则使用向量指令填充它。如果缓冲区不为空，则只返回下一个数字。

Answer 2

对于其他可能会遇到此问题的人，我认为这个C ++代码使用AVX2正确实现4个并行运行的xorshift128plus生成器：

__m256i xorshift128plus_avx2(__m256i &state0, __m256i &state1)
{
    __m256i s1 = state0;
    const __m256i s0 = state1;
    state0 = s0;
    s1 = _mm256_xor_si256(s1, _mm256_slli_epi64(s1, 23));
    state1 = _mm256_xor_si256(_mm256_xor_si256(_mm256_xor_si256(s1, s0),
                                               _mm256_srli_epi64(s1, 18)),
                              _mm256_srli_epi64(s0, 5));
    return _mm256_add_epi64(state1, s0);
}

我使用的标量实现是：

u64 xorshift128plus(u64 &state0, u64 &state1)
{
    u64 s1 = state0;
    const u64 s0 = state1;
    state0 = s0;
    s1 ^= s1 << 23;                              // a
    state1 = s1 ^ s0 ^ (s1 >> 18) ^ (s0 >> 5); // b, c
    return state1 + s0;
}

xorshiftplus paper中的相同内容。请注意，原始问题的右移常数与文章中的右移常数不一致。