gcc - GCC 内置向量化类型和 C 数组之间有什么区别？

Question

我有三个功能a() , b()和 c()应该做同样的事情:

typedef float Builtin __attribute__ ((vector_size (16)));

typedef struct {
        float values[4];
} Struct;

typedef union {
        Builtin b;
        Struct s;
} Union;

extern void printv(Builtin);
extern void printv(Union);
extern void printv(Struct);

int a() {
        Builtin m = { 1.0, 2.0, 3.0, 4.0 };
        printv(m);
}

int b() {
        Union m = { 1.0, 2.0, 3.0, 4.0 };
        printv(m);
}

int c() {
        Struct m = { 1.0, 2.0, 3.0, 4.0 };
        printv(m);
}

当我编译这段代码时，我观察到以下行为:

打电话时printv()在 a()所有 4 个浮点数都被 %xmm0 传递.不会发生对内存的写入。

打电话时printv()在 b() 2 个浮点数正在通过 %xmm0和另外两个 float %xmm1 .为此，将 4 个浮点数加载 (.LC0) 到 %xmm2从那里到内存。之后，从内存中的同一个地方读取2个浮点数到%xmm0和其他 2 个浮点数加载 (.LC1) 到 %xmm1 .

我有点迷茫 c()实际上确实如此。

为什么是 a() , b()和 c()不同的？

这是 a() 的汇编输出:

        vmovaps .LC0(%rip), %xmm0
        call    _Z6printvU8__vectorf

b() 的汇编输出:

        vmovaps .LC0(%rip), %xmm2
        vmovaps %xmm2, (%rsp)
        vmovq   .LC1(%rip), %xmm1
        vmovq   (%rsp), %xmm0
        call    _Z6printv5Union

以及 c() 的汇编输出:

         andq    $-32, %rsp
         subq    $32, %rsp
         vmovaps .LC0(%rip), %xmm0
         vmovaps %xmm0, (%rsp)
         vmovq   .LC2(%rip), %xmm0
         vmovq   8(%rsp), %xmm1
         call    _Z6printv6Struct

数据:

        .section        .rodata.cst16,"aM",@progbits,16
        .align 16
.LC0:
        .long   1065353216
        .long   1073741824
        .long   1077936128
        .long   1082130432
        .section        .rodata.cst8,"aM",@progbits,8
        .align 8
.LC1:
        .quad   4647714816524288000
        .align 8
.LC2:
        .quad   4611686019492741120

四方4647714816524288000似乎无非就是花车3.0和 4.0在相邻的长词中。

Answer 1

好问题，我不得不挖一点，因为我从来没有用过 SSE (在本例中为 SSE2)我自己。本质上，向量指令用于对 进行操作多个 存储在 中的值一 寄存器，即 XMM(0-7) 寄存器。在 C 中，数据类型 float 使用 IEEE 754因此它的长度是 32 位。使用四个浮点数将产生一个长度为 128 位的向量，它正好是 XMM(0-7) 寄存器的长度。现在 SSE 提供的寄存器如下所示:

SSE (avx-128):                         |----------------|name: XMM0; size: 128bit
SSE (avx-256):        |----------------|----------------|name: YMM0; size: 256bit

在您的第一种情况下 a()您将 SIMD 向量化与

typedef float Builtin __attribute__ ((vector_size (16)));

这允许您将整个向量一次移入 XMM0 寄存器。现在在你的第二种情况 b()你使用工会。但是因为您没有将 .LC0 加载到与 Union m.b = { 1.0, 2.0, 3.0, 4.0 }; 的联合中数据不被识别为矢量化。这会导致以下行为:

来自 .LC0 的数据加载到 XMM2 中:

 vmovaps .LC0(%rip), %xmm2

但是因为您的数据可以解释为结构 或 作为矢量化，数据必须分成两个 64 位块，它们仍然必须在 XMM(0-7) 寄存器中，因为它可以被视为矢量化，但它必须最大 64 位长才能传输到一个寄存器(它只有 64 位宽，如果将 128 位传输到它会溢出；数据丢失)，因为数据也可以被视为一个结构。这是在下面完成的。

XMM2 中的矢量化加载到内存中

    vmovaps %xmm2, (%rsp)

现在是矢量化的高 64 位(位 64-127)，即浮点数 3.0和 4.0移动(vmovq 移动四字，即 64 位)到 XMM1

    vmovq   .LC1(%rip), %xmm1

最后是矢量化的低 64 位(位 0-63)，即浮点数 1.0和 2.0从内存移动到 XMM0

    vmovq   (%rsp), %xmm0

现在您在单独的 XMM(0-7) 寄存器中拥有 128 位向量的上部和下部。

现在以防万一c()我也不太确定，但就是这样。首先 %rsp 与 32 位地址对齐，然后减去 32 字节以将数据存储在堆栈上(这将再次与 32 位地址对齐)这是通过

     andq    $-32, %rsp
     subq    $32, %rsp

现在这次矢量化被加载到 XMM0 中，然后用

     vmovaps .LC0(%rip), %xmm0
     vmovaps %xmm0, (%rsp)

最后向量化的高 64 位存储在 XMM0 中，低 64 位存储在 XMM1 寄存器中

     vmovq   .LC2(%rip), %xmm0
     vmovq   8(%rsp), %xmm1

在所有三种情况下，矢量化的处理方式不同。希望这可以帮助。