X86：如何将xmm0的下半部分设置为0，而不影响上半部分？

Question

我使用 xmm0 有 128 位的系统。我想将 [63...0] 设置为零，而不影响 [127...64]。我用：

MOV RAX, 0xFFFFFFFFFFFFFFFF
MOVQ xmm2, RAX
PSHUFD xmm2, xmm2, 0b00001111
PAND xmm1, xmm2

有没有更快的方法？

Answer 1

您可以通过以下方式更有效地创建常量

pcmpeqd xmm2,xmm2       ; xmm2 = all-ones.  Needs any ALU port
pslldq  xmm2, 8         ; left shift by 8 bytes.  Needs the shuffle port

PAND    xmm1, xmm2

（另请参阅Agner Fog 的优化指南；他有一节关于动态创建常量。还有什么是动态生成向量常量的最佳指令序列？）

或者正如@RossRidge 所建议的那样，如果您需要足够频繁地在缓存中保持热状态，则使用常量的内存源操作数可能是最有效的，但不能只是将其从循环中取出并将其保存在寄存器中。

或者混入一个新的低 8 字节的零。

pxor   xmm2, xmm2       ; xmm2=0; very efficient on Intel CPUs; no back-end uop

movsd  xmm1, xmm2       ; runs on port5 only on Intel CPUs, like shuffles.

（作为从内存中加载，movsd零扩展。但对于 reg-reg 移动它并movss保持目标上部不变。）

混合的替代方法更有效，但需要的不仅仅是 SSE2：

• SSE4.1：pblendw xmm1, xmm2, 0b00001111- 一切都更糟（或相同的速度但更糟糕的代码大小）。仍然只在 Intel 的 port5 上运行。Ryzenmovsd xmm,xmm在比pblendw. 与 pblendw 相比，低功耗 Atom/Silvermont 在更多端口上运行 movsd，但 Goldmont 和 KNL 对此和 movsd 的吞吐量为 2/clock。所以它永远不会比 movsd 更好。
• SSE4.1blendpd xmm1, xmm2, 0b01（或blendps） - 与 vpblendd 一样有效，但如果在整数指令之间使用，则会导致旁路转发延迟。如果您在吞吐量方面遇到瓶颈，这可能没问题，尤其是在您必须避免后端压力的情况下。
• AVX2：vpblendd xmm1, xmm1, xmm2, 0b0011- 在任何 AVX2 CPU 上的任何 ALU 端口上运行。

一些 CPU 可能也有movsd整数指令之间的旁路延迟，但 Sandybridge 系列对随机播放非常宽容。

与movsd某些 CPU一样高效，只需要 SSE1：

• movhlps xmm1, xmm2 - 用 xmm2 的高 qword（也为零）替换 xmm1 的低 qword。在 Ryzen 或 Silvermont 上效率较低。

类似地，shufpd并且shufps可以将 的上半部分复制xmm1到归零寄存器的上半部分。（如果您不想破坏原始 reg，则很有用）。但您可以movsd同样轻松、高效地做到这一点。

也可能：movlps xmm, [mem]加载零，可能是您刚刚存储到堆栈中。它不允许使用寄存器源操作数，并且需要在 Intel 上使用 port5 uop（shuffle / uncommon blend）。它可以微融合到一个融合域 uop 中，但它通常比pand使用内存源更糟糕，因为它可以在更少的端口上运行。