assembly - 128位至512位寄存器有什么用？

Question

在查看了x86/x64体系结构中的寄存器表之后，我注意到有完整的128位，256位和512位寄存器部分，我从未见过它们在汇编或反编译的C/C++代码中使用: XMM(0-15)代表128，YMM(0-15)代表256，ZMM(0-31)512。

在做了一点挖掘之后，我必须使用2个64位运算来对128位数字进行数学运算，而不是使用通用的add，sub，mul和div运算。如果是这种情况，那么拥有这些扩展的寄存器集到底有什么用，并且可以使用任何汇编操作来对其进行操作？

Answer 1

这些用于

浮点运算

一次对多个数据进行操作

you have to use 2 64 bit operations in order to perform math on a 128 bit number

不，它们不是用于此目的的，您不能轻松地将它们用于128位数字。仅用2条指令添加128位数字的速度要快得多:如果处理XMM寄存器，则使用 add rax, rbx; adc rdx, rcx 而不是大量指令。看

practical BigNum AVX/SSE possible?

Is it possible to use SSE (v2) to make a 128-bit wide integer?

关于它们的用法，首先将它们用于标量浮点运算。因此，如果您在C或C++中具有float或double，则很可能将它们存储在XMM寄存器的下部，并通过以ss(标量单)或sd(标量双)结尾的指令进行操作

实际上，还有另一组八个80位ST(x)寄存器，可与x87 co-processor一起使用来进行浮点数学运算。但是，它们速度慢且难以预测。速度慢，因为默认情况下操作会以更高的精度进行，这固有地需要更多的工作，并且在必要时还需要requires a store then load to round to lower precision。高精度也是不可预测的。乍一看这很奇怪，但是很容易解释，例如某些操作在float或double精度上上溢或下溢，但在long double精度上不上。这会导致32和64位build1中的许多错误或意外结果

Here is a floating-point example on both sets of registers

// f = x/z + y*z
x87:
        fld     dword ptr [esp + 12]
        fld     st(0)
        fdivr   dword ptr [esp + 4]
        fxch    st(1)
        fmul    dword ptr [esp + 8]
        faddp   st(1)
        ret
SSE:
        divss   xmm0, xmm2
        mulss   xmm1, xmm2
        addss   xmm0, xmm1
        ret
AVX:
        vdivss  xmm0, xmm0, xmm2
        vmulss  xmm1, xmm1, xmm2
        vaddss  xmm0, xmm0, xmm1
        ret

转向更快，更一致的SSE寄存器是the 80-bit extended precision long double type is not available in MSVC anymore的原因之一

然后，英特尔为MMX instruction set操作引入了SIMD，该操作使用具有新名称ST(x)的相同MMX寄存器。 MMX可能代表Multiple Math eXtension或Matrix Math eXtension，但是恕我直言，它很可能是MultiMedia eXtension，因为多媒体和互联网在当时变得越来越重要。在多媒体解决方案中，您经常必须对每个像素，纹理像素，声音样本执行相同的操作……

for (int i = 0; i < 100000; ++i)
{
   A[i] = B[i] + C[i];
   D[i] = E[i] * F[i];
}

无需单独对每个元素进行操作，我们可以一次执行多个元素来加快速度。这就是人们发明SIMD的原因。使用MMX，您可以一次增加8个像素 channel 的亮度，或者一次增加四个16位声音样本的音量...单个元素上的操作称为scalar，完整寄存器称为矢量，它是一组标量值(value)观

由于MMX的缺点(例如重用ST寄存器或缺少浮点支持)，当使用Streaming SIMD Extensions (SSE)扩展SIMD指令集时，英特尔决定为它们提供一套全新的名为XMM的寄存器，该寄存器集的长度是原来的两倍(128位) )，因此我们现在可以一次处理16个字节。而且它还一次支持多个浮点运算。然后，Intel在Advanced Vector Extensions (AVX)中将XMM扩展为256位YMM，并在AVX-512中将其长度再次加倍(这也使寄存器的数量在64位模式下增加到32个)。现在您可以一次处理十六个32位整数

通过上面的内容，您可能会了解这些寄存器的第二个也是最重要的角色:与单个指令并行执行多个数据的操作。例如，在SSE4中引入了一组instructions to work on C strings。现在您可以计算字符串长度，查找子字符串...通过一次检查多个字节来更快。您还可以更快地复制或比较内存。现代memcpy实现一次最多可移动16、32或64个字节，具体取决于最大的寄存器宽度，而不是像最简单的C解决方案那样一一对应。

不幸的是，尽管自动矢量化仍在变得越来越智能，但编译器仍然无法从标量代码转换为并行代码，因此大多数时候我们都必须提供帮助。

Automatic vectorization

Auto-Parallelization and Auto-Vectorization

由于SIMD的重要性，当今几乎所有高性能架构都具有自己的SIMD版本，例如PowerPC上的Altivec或ARM上的Neon。

1一些例子:

Is SSE floating-point arithmetic reproducible?

Extended (80-bit) double floating point in x87, not SSE2 - we don't miss it?

acos(double) gives different result on x64 and x32 Visual Studio

Why would the same code yield different numeric results on 32 vs 64-bit machines?

Difference in floating point arithmetics between x86 and x64

std::pow produce different result in 32 bit and 64 bit application

Why does Math.Exp give different results between 32-bit and 64-bit, with same input, same hardware