zin*_*nga 3 x86 assembly sse avx micro-optimization
从我能收集到的所有信息来看，混合 SSE 和 128 位 (E)VEX 编码指令没有性能损失。这表明将两者混合应该没问题。当 SSE 指令通常比 VEX 等效指令短 1 个字节时，这可能是有益的。
但是，我从未见过任何人或任何编译器这样做。作为一个例子，在Intel的AVX（128位）MD5实现方式中，各种vmovdqa可替换为movaps（或者这vshufps可以用较短的替换shufps，由于DEST和SRC1寄存器是相同的）。
是否有任何特殊原因可以避免 SSE，或者我遗漏了什么？
你是对的，如果 YMMvzeroupper上限从 a 中已知为零，那么混合 AVX128 和 SSE 没有损失，并且在节省代码大小时不这样做是一个错过的优化。
另请注意，如果您不需要 REX 前缀，它只会节省代码大小。2 字节 VEX 相当于 SSE1 的 REX + 0F。编译器确实尝试支持低寄存器以希望避免 REX 前缀，但我认为他们没有考虑在每条指令中使用哪些寄存器组合来最小化 REX 前缀总数。（或者，如果他们确实尝试这样做，他们并不擅长）。人类可以花时间做这样的计划。
大多数时候它很小，只是偶尔的代码大小字节。这通常是一件好事，可以帮助前端。（或保存了UOPblendvps xmm, xmm, <XMM0>在pblendvps xmm, xmm, xmm, xmm英特尔的CPU（同样为Pd和pblendvb），如果你可以安排使用它，而无需其他movaps）
如果你弄错了，不利的一面是 SSE/AVX 转换惩罚（在 Haswell 和 Ice Lake 上），或者对 Skylake 的错误依赖。 为什么这个 SSE 代码在 Skylake 上没有 VZEROUPPER 的情况下会慢 6 倍？. IDK，如果 Zen2 这样做的话；Zen1 将 256 位操作拆分为 2 个 uop，并且不关心 vzeroupper。
为了让编译器安全地执行此操作，他们必须跟踪更多内容以确保在 YMM 寄存器具有脏的上半部分时不会在函数内运行 SSE 指令。编译器无法将 AVX 代码生成限制为仅 128 位指令，因此他们必须开始跟踪可能弄脏 YMM 上半部分的执行路径。
不过，我认为他们必须这样做反正全功能的基础上，知道何时使用vzeroupper之前ret（在不接受或返回功能__m256/i/d的价值，这将调用者已经使用宽矢量意思）。
但是不需要vzeroupper与是否movaps性能安全是一回事，因此以类似的方式进行跟踪将是另一回事。找到避免使用 VEX 前缀是安全的所有情况。
不过，可能在某些情况下很容易证明它是安全的。如果编译器使用保守算法，当分支可能会或可能不会弄脏上限时，该算法会遗漏一些优化，并且在这种情况下始终使用 VEX，并且始终使用vzeroupper.