考虑这个简单的循环：
float f(float x[]) {
float p = 1.0;
for (int i = 0; i < 128; i++)
p += x[i];
return p;
}
如果你在gcc中用-O2 -march = haswell编译它，你得到：
f:
vmovss xmm0, DWORD PTR .LC0[rip]
lea rax, [rdi+512]
.L2:
vaddss xmm0, xmm0, DWORD PTR [rdi]
add rdi, 4
cmp rdi, rax
jne .L2
ret
.LC0:
.long 1065353216
但是，英特尔C编译器给出了：
f:
xor eax, eax #3.3
pxor xmm0, xmm0 #2.11
movaps xmm7, xmm0 #2.11
movaps xmm6, xmm0 #2.11
movaps xmm5, xmm0 #2.11
movaps xmm4, xmm0 #2.11
movaps xmm3, xmm0 #2.11
movaps xmm2, xmm0 #2.11
movaps xmm1, xmm0 #2.11
..B1.2: # Preds ..B1.2 ..B1.1
movups xmm8, XMMWORD PTR [rdi+rax*4] #4.10
movups xmm9, XMMWORD PTR [16+rdi+rax*4] #4.10
movups xmm10, XMMWORD PTR [32+rdi+rax*4] #4.10
movups xmm11, XMMWORD PTR [48+rdi+rax*4] #4.10
movups xmm12, XMMWORD PTR [64+rdi+rax*4] #4.10
movups xmm13, XMMWORD PTR [80+rdi+rax*4] #4.10
movups xmm14, XMMWORD PTR [96+rdi+rax*4] #4.10
movups xmm15, XMMWORD PTR [112+rdi+rax*4] #4.10
addps xmm0, xmm8 #4.5
addps xmm7, xmm9 #4.5
addps xmm6, xmm10 #4.5
addps xmm5, xmm11 #4.5
addps xmm4, xmm12 #4.5
addps xmm3, xmm13 #4.5
addps xmm2, xmm14 #4.5
addps xmm1, xmm15 #4.5
add rax, 32 #3.3
cmp rax, 128 #3.3
jb ..B1.2 # Prob 99% #3.3
addps xmm0, xmm7 #2.11
addps xmm6, xmm5 #2.11
addps xmm4, xmm3 #2.11
addps xmm2, xmm1 #2.11
addps xmm0, xmm6 #2.11
addps xmm4, xmm2 #2.11
addps xmm0, xmm4 #2.11
movaps xmm1, xmm0 #2.11
movhlps xmm1, xmm0 #2.11
addps xmm0, xmm1 #2.11
movaps xmm2, xmm0 #2.11
shufps xmm2, xmm0, 245 #2.11
addss xmm0, xmm2 #2.11
addss xmm0, DWORD PTR .L_2il0floatpacket.0[rip] #2.11
ret #5.10
.L_2il0floatpacket.0:
.long 0x3f800000
如果我们忽略循环展开，最明显的区别是使用vaddss和icc的gcc使用addss。
这两个组件之间是否存在性能差异？ 哪一个更好（忽略循环展开）？
v前缀来自VEX coding scheme。看来你可以通过添加-xavx作为命令行标志的一部分来使用icc来使用这些指令。但是，问题仍然存在，问题中的两组装配之间是否有任何性能差异，或者一方是否有任何优势。
答案 0 :(得分：5)
带有助记符v的助记符说明是VEX编码指令。 VEX编码方案允许编码每个SSE指令以及新的AVX指令和一些其他指令。遗留指令和VEX编码指令之间几乎是1：1的对应关系，但有以下区别：
ymm寄存器操作数的xmm寄存器的高128位清零。如果前一条指令在这些位中留下数据，这可以避免代价高昂的部分寄存器更新。