Clang：将 bool[64] 数组自动矢量化转换为 uint64_t 位掩码

Question

我想将 a 转换bool[64]为 a uint64_t，其中每个位代表输入数组中元素的值。

在现代 x86 处理器上，这可以非常有效地完成，例如vptestmd与 AVX512 或vpmovmskbAVX256 一起使用。当我将 clang 的 bool 向量扩展与 结合使用时__builtin_convertvector，我对结果感到满意：

uint64_t handvectorized(const bool* input_) noexcept {
    const bool* __restrict input = std::assume_aligned<64>(input_);

    using VecBool64 __attribute__((vector_size(64))) = char;
    using VecBitmaskT __attribute__((ext_vector_type(64))) = bool;

    auto input_vec = *reinterpret_cast<const VecBool64*>(input);
    auto result_vec = __builtin_convertvector(input_vec, VecBitmaskT);    

    return reinterpret_cast<uint64_t&>(result_vec);
}

产生（Godbolt）：

vmovdqa64  zmm0, zmmword ptr [rdi]
vptestmb   k0, zmm0, zmm0
kmovq      rax, k0
vzeroupper
ret

但是，我无法让 clang （或 GCC 或 ICX）使用（可移植的）标量代码生成任何使用向量掩码提取的任何内容。对于这个实现：

vmovdqa64  zmm0, zmmword ptr [rdi]
vptestmb   k0, zmm0, zmm0
kmovq      rax, k0
vzeroupper
ret

clang 生成 64*8B = 512B 查找表和 39 条指令。

这个实现以及我尝试过的其他一些标量实现（无分支、逆位顺序、使用）都可以在godboltstd::bitset上找到。它们都不会产生接近手写向量指令的代码。

有什么我遗漏的或者有什么原因导致优化在这里效果不佳吗？我可以编写一个标量版本来生成合理的矢量化代码吗？

我特别想知道，因为“handvectorized”版本不使用任何特定于平台的内在函数，并且实际上没有太多编程。它所做的只是“加载为向量”和“转换为位掩码”。也许 clang 根本没有检测到循环模式？这对我来说只是感觉很奇怪，一个简单的按位 OR 归约循环感觉像是一种常见模式，并且循环向量化器的文档明确列出了使用 OR 作为受支持功能的归约。

---

编辑：用评论中的建议更新了 godbolt 链接

Edit2：我刚刚意识到这个问题有一个开放的 LLVM 问题：https ://github.com/llvm/llvm-project/issues/41997