GCC内置矢量化类型和C数组之间有什么区别？

Question

我有三个功能a(),b()和c()那些应该做同样的事情:

typedef float Builtin __attribute__ ((vector_size (16)));

typedef struct {
        float values[4];
} Struct;

typedef union {
        Builtin b;
        Struct s;
} Union;

extern void printv(Builtin);
extern void printv(Union);
extern void printv(Struct);

int a() {
        Builtin m = { 1.0, 2.0, 3.0, 4.0 };
        printv(m);
}

int b() {
        Union m = { 1.0, 2.0, 3.0, 4.0 };
        printv(m);
}

int c() {
        Struct m = { 1.0, 2.0, 3.0, 4.0 };
        printv(m);
}

当我编译此代码时,我观察到以下行为:

• 当调用printv()在a()所有4个浮标被传递%xmm0.不会写入内存.
• 当调用printv()在b()2漂浮在正在通过%xmm0和其他两个浮动的%xmm1.为了实现这一点,将4个浮点数(.LC0)加载%xmm2到存储器并从那里加载到存储器.之后,从内存中的相同位置读取%xmm02个浮点数,并加载另外2个浮点数(.LC1)%xmm1.
• 我真的有点失落c().

为什么a(),b()和c()不同？

这是()的汇编输出:

        vmovaps .LC0(%rip), %xmm0
        call    _Z6printvU8__vectorf

b()的汇编输出:

        vmovaps .LC0(%rip), %xmm2
        vmovaps %xmm2, (%rsp)
        vmovq   .LC1(%rip), %xmm1
        vmovq   (%rsp), %xmm0
        call    _Z6printv5Union

并且c()的汇编输出:

         andq    $-32, %rsp
         subq    $32, %rsp
         vmovaps .LC0(%rip), %xmm0
         vmovaps %xmm0, (%rsp)
         vmovq   .LC2(%rip), %xmm0
         vmovq   8(%rsp), %xmm1
         call    _Z6printv6Struct

数据:

        .section        .rodata.cst16,"aM",@progbits,16
        .align 16
.LC0:
        .long   1065353216
        .long   1073741824
        .long   1077936128
        .long   1082130432
        .section        .rodata.cst8,"aM",@progbits,8
        .align 8
.LC1:
        .quad   4647714816524288000
        .align 8
.LC2:
        .quad   4611686019492741120

四边形4647714816524288000似乎只不过是花车3.0和4.0相邻的长词.

Answer 1

好问题，我不得不深入挖掘一下，因为我自己从未使用过SSE（在本例中为 SSE2）。本质上，向量指令用于对存储在一个寄存器（即 XMM(0-7) 寄存器）中的多个值进行操作。在 C 中，数据类型 float 使用IEEE 754，因此其长度为 32 位。使用四个浮点数将产生一个长度为 128 位的向量，这正是 XMM(0-7) 寄存器的长度。现在SSE提供的寄存器如下所示：

SSE (avx-128):                         |----------------|name: XMM0; size: 128bit
SSE (avx-256):        |----------------|----------------|name: YMM0; size: 256bit

在第一种情况下，a()您使用 SIMD 矢量化

typedef float Builtin __attribute__ ((vector_size (16)));

它允许您一次性将整个向量移入 XMM0 寄存器。现在，在第二种情况下，b()您使用联合。但因为您没有将 .LC0 加载到与Union m.b = { 1.0, 2.0, 3.0, 4.0 };数据的联合中，所以不会将其识别为矢量化。这会导致以下行为：

来自 .LC0 的数据通过以下方式加载到 XMM2 中：

 vmovaps .LC0(%rip), %xmm2

但是因为您的数据可以被解释为结构 或矢量化，所以数据必须分成两个 64 位块，它们仍然必须位于 XMM(0-7) 寄存器中，因为它可以被视为矢量化，但它最大长度必须为 64 位，才能传输到寄存器（寄存器只有 64 位宽，如果传输 128 位，则会溢出；数据丢失），因为数据也可以被视为结构。这是在下面完成的。

XMM2 中的矢量化加载到内存中

    vmovaps %xmm2, (%rsp)

现在向量化的高 64 位（位 64-127），即浮点3.0和4.0被移动（vmovq 移动四字，即 64 位）到 XMM1

    vmovq   .LC1(%rip), %xmm1

最后矢量化的低 64 位（位 0-63）即浮点1.0并2.0从内存移动到 XMM0

    vmovq   (%rsp), %xmm0

现在，128 位向量的上部和下部位于单独的 XMM(0-7) 寄存器中。

现在以防万一c()我也不太确定，但就这样了。首先 %rsp 与 32 位地址对齐，然后减去 32 字节以将数据存储在堆栈上（这将再次与 32 位地址对齐），这是通过

     andq    $-32, %rsp
     subq    $32, %rsp

现在，这次矢量化被加载到 XMM0 中，然后放入堆栈中

     vmovaps .LC0(%rip), %xmm0
     vmovaps %xmm0, (%rsp)

最后向量化的高 64 位存储在 XMM0 中，低 64 位存储在 XMM1 寄存器中

     vmovq   .LC2(%rip), %xmm0
     vmovq   8(%rsp), %xmm1

在这三种情况下，矢量化的处理方式有所不同。希望这可以帮助。