如何将128位xmm寄存器拆分为两个64位quadwords？
我输入的字数非常多xmm1，想要将较高的四字r9和较低的四字输入r10，或RAX和RDX。
movlpd或movhpd仅与reg到mem兼容，反之亦然。
SSE2（x86-64的基准）具有用于在XMM和整数寄存器之间直接移动数据的指令（不通过内存反弹）。向量的低位元素很容易：MOVD或MOVQ。要提取较高的元素，您可以将所需的元素洗牌到向量的较低元素。
SSE4.1还为16位以外的大小（例如PEXTRQ）添加了插入/提取。除了代码大小，它实际上没有比任何现有CPU上单独的shuffle和movq更快的速度，但这意味着您不需要任何额外的tmp寄存器。
#SSE4.1
movq rax, xmm0 # low qword
pextrq rdx, xmm0, 1 # high qword
# 128b result in rdx:rax, ready for use with div r64 for example.
# (But watch out for #DE on overflow)
# also ready for returning as a __int128_t in the SystemV x86-64 ABI
#SSE2
movq r10, xmm0
punpckhqdq xmm0, xmm0 # broadcast the high half of xmm0 to both halves
movq r9, xmm0
PUNPCKHQDQ是执行此操作的最有效方法。即使是在元素大小小于64位的较慢CPU（如65nm Core2（Merom / Conroe））上进行慢速混洗的情况下，它的速度也很快。有关更多详细信息，请参见我的水平总和答案。PUNPCKHQDQ没有立即数，并且只有SSE2，因此它只有4个字节的代码大小。
要保留xmm0的原始值，请pshufd与其他目标一起使用。或就地交换上下半部分，或进行其他操作。
movlpd或movhpd ...
使用它们毫无意义。请改用movlps / movhps，因为它们较短，并且没有CPU关心float与double。
您可以用来movhlps xmm1, xmm0将xmm0的高半部分提取到另一个寄存器中，但是将FP shuffle与整数矢量操作混合会导致某些CPU（特别是Intel Nehalem）的旁路延迟。还要注意对xmm1的依赖性，这会导致延迟瓶颈。
pshufd总的来说，绝对喜欢这个。但是，movhlps如果要针对特定的CPU（例如Core2）进行调优，则可以使用该CPU，movhlps它的速度快且在整数域中运行，而pshufd速度慢。