使用Intel Intrinsics的Segfaults

Question

我使用英特尔内在函数具有以下功能：

int c_lattice_worker( int lm, double* inArr, double* outArr, int arrLen,
             double sin_,  double cos_ ) {
  int xi, yi;
  double x, y;
  __m128d _msin, _mcos;
  __m128d _m0, _m1;
  _msin = _mm_loaddup_pd( &sin_ );
  _mcos = _mm_loaddup_pd( &cos_ );

  for ( int xnc = lm; xnc < (arrLen - (lm << 1)); xnc += 2 ) {
    _m0 = _mm_load_pd( &inArr[ xnc ] );
    _m1 = _mm_shuffle_pd( _m0, _m0, 0x1 );
    _m0 = _mm_mul_pd( _msin, _m0 );
    _m1 = _mm_mul_pd( _mcos, _m1 );
    _m0 = _mm_addsub_pd( _m0, _m1 );
    _mm_store_sd( &outArr[ xnc + 1 ], _m0 ); // segfault here if lm == 1
    _m1 = _mm_shuffle_pd( _m0, _m0, 0x1 );
    _mm_store_sd( &outArr[ xnc     ], _m1 ); // segfault here if lm == 1
    }
  }

  // fliping the lm modifier
  return 1 - lm;
}

数组inArr和outArr的长度均匀，lm为0或1.如果为0，则一切正常，但如果lm为1则{ {1}}导致程序出现段错误（或者换句话说，注释掉这两行都会导致段错误消失）。对于_mm_store_sd，lm == 1索引未与16个字节对齐，但根据英特尔的文档，xnc不需要16字节对齐，仅适用于_mm_store_sd 。我很无能为力。有什么建议吗？

Answer 1

事实证明：

1. 我可以使用_mm_storeu_pd将两个打包的64位浮点数存储到未对齐的内存地址中。

2. 但是当我这样做时，我还必须使用_mm_loadu_pd从未对齐的内存地址加载。

所以实际上_mm_load_pd导致了段错误，但当我注释掉商店操作时，它已被优化掉，因为它是死代码。