用 C/gcc 内在函数交换 NEON 向量的一半：VSWP 没有内在函数？

Question

我正在尝试使用 NEON 向量指令做一些相对简单的事情：给定uint64x2_t，我想交换 64 位成员的位置。

又名，如果这是一个简单的普通代码：

typedef struct {
    U64 u[2];
} u64x2;


u64x2 swap(u64x2 in)
{
    u64x2 out;
    out.u[0] = in.u[1];
    out.u[1] = in.u[0];
    return out;
}

令人惊讶的是，我找不到内在的东西。显然有一个汇编指令 ( VSWP) 但没有相应的内在指令。

这很奇怪。这是一个尽可能微不足道的操作，所以它必须是可能的。问题是：如何？

编辑：作为参考，godbolt结果使用@Jake 回答：https ://godbolt.org/z/ueJ6nB 。不vswp，但vext效果很好。

Answer 1

您是对的，NEON 内在函数不支持该VSWP指令。

但是，您可以VEXT改用内在函数中也提供的指令。

out = vextq_u64(in, in, 1);

或者，您可以使用vcombine（并祈祷编译器不会把它搞砸）：

out = vcombine_U64(vget_high_u64(in), vget_low_u64(in));

但请注意，编译器在看到vcombine和/或vget.

坚持前者，这是我的建议。

Answer 2

表达这种随机播放的另一种方法是使用GNU C 本机向量内置函数，它提供与目标无关的方式来执行给定的操作。根据目标支持的内容，编译时常量洗牌掩码可以优化为立即洗牌。但运行时变量洗牌可能效率低下，具体取决于目标 ISA 支持。

#include <arm_neon.h>

#ifndef __clang__
uint64x2_t swap_GNU_shuffle(uint64x2_t in)
{
    uint64x2_t mask = {1,0};
    uint64x2_t out = __builtin_shuffle (in, mask);
    return out;
}
#endif

Godbolt 上的 AArch64 gcc8.2实际上编译为 Jake 建议的相同 shuffle，而不是 SWP：

swap_GNU_shuffle:
        ext     v0.16b, v0.16b, v0.16b, #8
        ret

Clang 还优化了我们对指令的大多数纯 C 尝试ext，包括用于memcpy将类型双关语转换为普通结构并返回的指令。与 GCC 不同，GCC 没有那么好的随机优化器。（在 Godbolt 上，使用clang带有 .clang 的下拉列表中的任何一个-O3 -target arm64。默认情况下，clang 通常支持多个目标 ISA，这与 GCC 不同。）

因此，要么所有这些编译器都错过了对uneric=generic and -mcpu=cortex-a53、a57、 and的优化，a75要么ext实际上是一个不错的选择，也许比swp必须写入2个输出寄存器而不是逻辑上写入一个全角寄存器更好。但通常这对 ARM 来说不是问题；很多指令都可以做到这一点，并且通常会提高效率。

Cortex-A8 的 ARM 时序信息具有相同的vext和数字（两者从到输出vswp都有 1 个周期延迟，但从到输出有 2 个周期）。我尚未检查较新的核心（或任何 64 位核心）。QnQQmQ