visual-studio - 有没有办法强制 visual studio 从 SSE 内在函数生成对齐的指令？

Question

_mm_load_ps() SSE 内在函数是 defined对齐，如果地址未对齐则抛出异常。不过好像visual studio generates unaligned改为阅读。

由于并非所有的编译器都是一样的，所以这会隐藏错误。如果能够启用实际的对齐操作，那就太好了，即使曾经存在的性能影响似乎不再存在。

换句话说，写代码:

__m128 p1 = _mm_load_ps(data);

目前生产:

movups      xmm0,xmmword ptr [eax]

预期结果:

movaps      xmm0,xmmword ptr [eax]

(我是微软asked来这里问的)

Answer 1

MSVC 和 ICC 仅在未启用 AVX 的情况下将负载折叠到内存源操作数时使用执行对齐检查的指令，例如 addps xmm0, [rax]。与 AVX 不同，SSE 内存源操作数需要对齐。但是您无法可靠地控制何时发生这种情况，而且在调试版本中通常不会。

正如 Mysticial 在 Visual Studio 2017: _mm_load_ps often compiled to movups 中指出的那样，另一种情况是NT load/store，因为没有未对齐的版本。

---

如果您的代码与 clang-cl 兼容，请让 Visual Studio 使用它而不是 MSVC。它是 clang 的修改版本，试图表现得更像 MSVC。但与 GCC 一样，clang 对对齐的内在函数使用对齐的加载和存储指令。

要么禁用优化，要么确保 AVX 未 启用，否则它可能会将 _mm_load_ps 折叠到内存源操作数中，如 vaddps xmm0, [rax] 不需要对齐，因为它是 AVX 版本。如果您的代码还在同一个文件中使用 AVX 内在函数，这可能是个问题，因为 clang 要求您为要使用的内在函数启用 ISA 扩展；即使使用内在函数，编译器也不会为未启用的扩展发出 asm 指令。不同于 MSVC 和 ICC。

即使启用了 AVX，调试版本也应该可以工作，特别是如果您将 _mm_load_ps 或 _mm256_load_ps 放入单独语句中的单独变量，而不是 v=_mm_add_ps( v, _mm_load_ps(ptr));

---

对于 MSVC 本身，仅出于调试目的(通常对存储有很大的速度损失)，您可以用 NT 替代正常的加载/存储。由于它们很特殊，编译器不会将负载折叠到 ALU 指令的内存源操作数中，因此即使在启用了优化的情况下，这也可能适用于 AVX。

// alignment_debug.h      (untested)
// #include this *after* immintrin.h
#ifdef DEBUG_SIMD_ALIGNMENT
 #warn "using slow alignment-debug SIMD instructions to work around MSVC/ICC limitations"
   // SSE4.1 MOVNTDQA doesn't do anything special on normal WB memory, only WC
   // On WB, it's just a slower MOVDQA, wasting an ALU uop.
 #define _mm_load_si128  _mm_stream_load_si128
 #define _mm_load_ps(ptr)  _mm_castsi128_ps(_mm_stream_load_si128((const __m128i*)ptr))
 #define _mm_load_pd(ptr)  _mm_castsi128_pd(_mm_stream_load_si128((const __m128i*)ptr))

  // SSE1/2 MOVNTPS / PD / MOVNTDQ  evict data from cache if it was hot, and bypass cache
 #define _mm_store_ps  _mm_stream_ps       // SSE1 movntps
 #define _mm_store_pd  _mm_stream_pd       // SSE2 movntpd is a waste of space vs. the ps encoding, but whatever
 #define _mm_store_si128 _mm_stream_si128  // SSE2 movntdq

// and repeat for _mm256_... versions with _mm256_castsi256_ps
// and _mm512_... versions 
// edit welcome if anyone tests this and adds those versions
#endif

---

相关:关于使用 MSVC(和 gcc/clang)进行自动矢量化，请参阅 Alex 在 Alignment attribute to force aligned load/store in auto-vectorization of GCC/CLang 上的回答