ARM NEON C 内部函数定义数组类型 (per docs here)，它们是包含向量数据类型数组的 C 结构。例如，int16x4x2_t 是两个int16x4_t。
我的问题很简单：为什么会存在这些？与直接使用向量类型相比，它们是否具有一些性能优势？例如，如果我从双指针 vld1q_f64 到 float64x2_t 并使用 vaddq_f64、vmulq_f64、vfmaq_f64 等，我会期望与 vld1q_f64_x4-ing 和 float64x2x4_t 有任何性能差异并在数组元素上使用相同的函数。我想我只是对为什么他们创建这些固定长度的数组类型感到困惑，而直接对它们进行操作的唯一内在函数是加载和存储。
【问题讨论】：
标签： c optimization arm neon
它们不仅仅用于加载和存储；当有多个 128 位输出向量时使用它们。例如，请参阅vuzp_* / vuzpq_*。
这是一种包装操作的好方法，这些操作需要多个向量，而无需使用指针，这很容易搞砸。这包括在单个操作中加载/存储多个向量的加载和存储。例如，可能可以将 vld4_s8 函数实现为：
void vld4_s8(int8x8_t* a, int8x8_t* b, int8x8_t* c, int8x8_t* d, int8_t* data);
如果我看到该签名，我将不得不查找一些文档来确定 WTF 是否使用前四个参数进行。它们是输入还是输出？它们是指向向量数组的指针，还是只是一个向量？它们是否都需要设置，或者如果我不需要该值，我可以/应该传递 NULL 吗？
另一方面，当前函数很难出错。有一个输入是一个 8 位整数数组，它返回一个由四个向量组成的数组。我唯一会做的不同是将a conformant array parameter 用于输入数据，以便您确切知道它需要多少元素，但这在 C++ 或 MSVC 中不起作用（可能直到几个月前他们添加C99/C11 支持）。
我是否会期望 vld1q_f64_x4-ing 一个 float64x2x4_t 并在数组元素上使用相同的函数有任何性能差异。
可能，但不是来自乘法。优势在于使用一条指令来加载所有四个向量；例如，参见https://godbolt.org/z/aY8a95。在这种情况下，您有一个负载和四个乘法，而不是四个负载和四个乘法。
在实践中，我怀疑大多数优秀的编译器都能够将其优化为相同的代码（尽管我想检查一下），但内部函数通常与指令 1:1 映射，因此您不必信任编译器变聪明。在这种情况下，有一个 ld4 指令，所以有一个 vld4_* 系列函数，这些类型在这些 API 中使用。
【讨论】：
float64x2x4_t 这样的类型会受到“同构向量聚合数据类型 (HVA)”的优化，编译器可以将其分解为一组单独的寄存器。