我正在将索引的地址输入到表中以进行扩展的内联汇编操作，但是即使不需要使用lea或{{ 1}}。 GCC正在使用相对RIP地址。
我正在创建一个函数，用于将两个连续的位转换成两部分的XMM掩码（每个位1个四字掩码）。为此，我将-Ofast -fomit-frame-pointer（内部-Os -f...）与8位字节表中的内存操作数结合使用，并将这些位作为索引。
当我使用内部函数时，GCC会生成与使用扩展内联汇编完全相同的代码。
我可以直接将内存操作嵌入到ASM模板中，但这将始终强制使用RIP相对寻址（而且我不喜欢强迫自己进入解决方法）。
_mm_cvtepi8_epi64带有vpmovsxbq（带有typedef uint64_t xmm2q __attribute__ ((vector_size (16)));
// Used for converting 2 consecutive bits (as index) into a 2-elem XMM mask (pmovsxbq)
static const uint16_t MASK_TABLE[4] = { 0x0000, 0x0080, 0x8000, 0x8080 };
xmm2q mask2b(uint64_t mask) {
assert(mask < 4);
#ifdef USE_ASM
xmm2q result;
asm("vpmovsxbq %1, %0" : "=x" (result) : "m" (MASK_TABLE[mask]));
return result;
#else
// bad cast (UB?), but input should be `uint16_t*` anyways
return (xmm2q) _mm_cvtepi8_epi64(*((__m128i*) &MASK_TABLE[mask]));
#endif
}
和不带有）的输出程序集：
-S我所期望的（我已经删除了所有多余的东西）：
USE_ASM答案 0 :(得分：1)
唯一的RIP相对寻址模式是RIP + rel32。 RIP + reg不可用。
（在机器代码中，32位代码过去有2种冗余方式来编码[disp32]。x86-64使用较短（无SIB）形式作为RIP相对，较长SIB形式作为{{1} }。
如果您使用[sign_extended_disp32]为Linux进行编译，则GCC将能够使用32位绝对地址访问静态数据，因此它可以使用-fno-pie -no-pie之类的模式。对于MacOS，这是不可能的，因为其基址始终大于2 ^ 32。 x86-64 MacOS完全不支持32位绝对寻址。
在PIE可执行文件（或通常像库这样的PIC代码）中，您需要设置相对RIP的LEA来为静态数组建立索引。或者其他任何情况下静态地址不能容纳32位和/或不是链接时间常数。
是的，由于缺少内在函数的指针源版本，内在函数很难从狭窄的源表示__ZL10MASK_TABLE(,%rdi,2)负载。
pmovzx/sx是不安全的：如果禁用优化，则很可能会加载*((__m128i*) &MASK_TABLE[mask] 16字节，但地址将未对齐。仅当编译器将负载折叠到movdqa的内存操作数中才安全，该操作数具有2字节的内存操作数，因此不需要对齐。
事实上，当前的GCC 确实会在reg-reg pmovzxbq之前以movdqa之类的movdqa xmm0, XMMWORD PTR [rax+rdi*2] 16字节负载来编译代码。这显然是错过的优化。 :( clang / LLVM（MacOS安装为pmovzx的确会将负载折叠到gcc中。
安全的方法是使用pmovzx之类的东西，然后希望编译器将零扩展从2字节优化为4字节，并在启用优化时将_mm_cvtepi8_epi64( _mm_cvtsi32_si128(MASK_TABLE[mask]) )折叠成一个负载。或者，即使您确实想要16，也可以尝试movd进行32位加载。但是，上次我尝试使用编译器将{64}固有的64位加载折叠到_mm_loadu_si32的内存操作数中。 GCC和clang仍然失败，但是ICC19成功。 https://godbolt.org/z/IdgoKV
我以前曾写过这本书：
您对pmovzxbw的选择似乎很奇怪。您不需要符号扩展名，因此我会选择pmovsx（pmovzx）。但是，实际上在任何CPU上效率都不高。
这里的查找表只需要少量的静态数据即可。如果您的面罩范围更大，您可能想研究一下 is there an inverse instruction to the movemask instruction in intel avx2?获取广播+ AND +（移位或比较）等替代策略。
如果您经常这样做，最好使用整个高速缓存行，其中包含4个16字节向量常量，因此您不需要_mm_cvt_epu8_epi64指令，只需索引到pmovzx的对齐表中即可或xmm2向量，它们可以是任何其他SSE指令的存储源。使用__m128i来获取同一缓存行中的所有常量。
如果您要针对具有BMI2的英特尔CPU，也可以考虑alignas(64) + pdep + movd xmm0, eax reg-reg的本质。 （不过，pmovzxbq在AMD上运行缓慢）。