是否有一个内在函数可以将 __m128i 向量的最后 n 个字节归零？

Question

鉴于n，我想将向量的最后一个n字节归零__m128i。

例如，考虑以下__m128i向量：

11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111

将最后一个n = 4字节归零后，向量应如下所示：

11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 00000000 00000000 00000000 00000000

是否有执行此操作的 SSE 内在函数（通过接受__128i向量和n作为参数）？

Answer 1

有多种不依赖于 AVX512 的选项。例如：

未对齐的负载

char mask[32] = { 0, 0, 0, 0, 0, 0, 0, 0,
                  0, 0, 0, 0, 0, 0, 0, 0,
                  -1, -1, -1, -1, -1, -1, -1, -1,
                  -1, -1, -1, -1, -1, -1, -1, -1};

__m128i zeroLowestNBytes(__m128i x, uint32_t n)
{
    __m128i m = _mm_loadu_si128((__m128i*)&mask[16 - n]);
    return _mm_and_si128(x, m);
}

使用 AVX，负载可以成为vpand. 没有 AVX，它仍然可以，有movdqu和pand。

未对齐的负载通常不是问题，除非它跨越 4K 边界。如果你能得到mask32 对齐，那么这个问题就会消失。负载仍会未对齐，但不会达到特定的边缘情况。

n是uint32_t为了避免符号扩展。

广播和比较

__m128i zeroLowestNBytes(__m128i x, int n)
{
    __m128i threshold = _mm_set1_epi8(n);
    __m128i index = _mm_set_epi8(15, 14, 13, 12, 11, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0);
    return _mm_andnot_si128(_mm_cmpgt_epi8(threshold, index), x);
}

这避免了未对齐的负载，但这并不重要。更重要的是，它避免了“依赖于输入的负载”：在具有未对齐负载的版本中，负载取决于n. 在这个版本中，负载独立于n. 例如，如果此函数是内联的，则允许编译器将其提升出循环。它还允许乱序执行更自由地尽早开始加载，也许在n计算之前。

另一方面，它基本上需要 AVX2 或 SSSE3 才能实现_mm_set1_epi8(n). 此外，这通常会花费更多指令，这可能会降低吞吐量。延迟应该更好，因为“主链”中没有负载（有负载，但它不在一边，它不会将其延迟添加到计算的延迟中）。