x是存储在ebx中的某个整数... 如何将4个最高有效位旋转1，同时保留4个最低有效位？ 其中0xABCDEF12旋转到0xDABCEF12
答案 0 :(得分：5)
你在谈论半字节（十六进制数字），而不是位。 4个半字节是16位， x86确实有16位操作数大小可用于旋转，因此您只需要将要旋转的位置于寄存器的低16位。
bswap ebx # ABCDEF12 -> 12 EF CD AB
ror bx, 4 # CDAB -> BCDA (high half unmodified)
bswap ebx # 12 EF BC DA -> DABCEF12 (partial-register stall on Core2 / Nehalem)
这对除Intel P6系列之外的所有x86 CPU where the partial-register stall sucks都有效（在编写BX后阅读EBX）。
另请注意，Core2和早期Intel P6 CPU上的bswap r32为2 uop，因此比ror r32, imm8慢。但是你要避免这种情况，因为无论如何P6系列上的部分寄存器失速。例如，在Skylake上，bswap很适合吞吐量，因为它在p1 / p5上运行，而旋转在p0 / p6上运行，所以如果你在这个序列的吞吐量上遇到瓶颈，而不是延迟，它可以与自身重叠。如果您主要与其他周围代码重叠（在右侧循环中不是这样），那么可以在ror ebx,16或bswap ebx之间进行选择，以便在必要时平衡执行端口压力。 /强>
当然，如果你在一个数组的紧密循环中只是，那么首先不要加载整个元素，只需要ror word [mem+2], 4来旋转在记忆中双字的高句子。 （但是在加载 数组元素之前不要这样做，因为它会在读取 - 修改 - 写入转发结束时导致16位存储的存储转发停顿一个更宽的32位负载。如果值保留在内存中，那么内存目标旋转只是一个好主意，并且你现在所做的只是你所做的一切。）
或者，您可以移位，屏蔽和OR以将位置于它们所属的位置。我认为这将需要更多的指令，并且比3个周期的延迟链更长。 （或者是4循环on Sandybridge pre-Ivybridge, where AX is still renamed separately from RAX，但是可以插入合并的uop而不会停滞。）但是如果你需要它在Nehalem上有效的话，那就这样做吧。
AVX512F具有可变计数旋转（VPRORVD，但不适用于16位元素大小（甚至不适用于AVX512BW或AVX512VBMI），否则您可以使用计数向量将每个双字的顶部字旋转4 ，但是底部的单词是0。
AVX512VBMI2（预计在Ice Lake）有一个SIMD版本的SHLD，您可以将其用作旋转：VPSHRDVW适用于单词元素：
section .rodata
rotate_constant: dw 0, 4
section .text
vpbroadcastd xmm1, [rotate_constant] ; 32-bit broadcast of [4, 0]
# rotate the high 16-bit of every dword element in xmm0 (or ymm0 or zmm0)
vpshrdvw xmm0,xmm0, xmm1
vpshrdvw无论如何都不能使用广播内存操作数（与dword和qword版本不同），如果它可能是16位广播，而不是32位。