Gcc 错误优化 sse 函数

Question

我正在将一个项目转换为使用来自 clang 的 gcc 进行编译，但我遇到了一个使用 sse 函数的函数的问题：

void dodgy_function(
    const short* lows,
    const short* highs,
    short* mins,
    short* maxs,
    int its
)
{
    __m128i v00[2] = { _mm_setzero_si128(), _mm_setzero_si128() }; 
    __m128i v10[2] = { _mm_setzero_si128(), _mm_setzero_si128() };

    for (int i = 0; i < its; ++i) {
        reinterpret_cast<short*>(v00)[i] = lows[i];
        reinterpret_cast<short*>(v10)[i] = highs[i];
    }

    reinterpret_cast<short*>(v00)[its] = reinterpret_cast<short*>(v00)[its - 1];
    reinterpret_cast<short*>(v10)[its] = reinterpret_cast<short*>(v10)[its - 1];

    __m128i v01[2] = {_mm_setzero_si128(), _mm_setzero_si128()};
    __m128i v11[2] = {_mm_setzero_si128(), _mm_setzero_si128()};

    __m128i min[2];
    __m128i max[2];

    min[0] = _mm_min_epi16(_mm_max_epi16(v11[0], v01[0]), _mm_min_epi16(v10[0], v00[0]));
    max[0] = _mm_max_epi16(_mm_max_epi16(v11[0], v01[0]), _mm_max_epi16(v10[0], v00[0]));

    min[1] = _mm_min_epi16(_mm_min_epi16(v11[1], v01[1]), _mm_min_epi16(v10[1], v00[1])); 
    max[1] = _mm_max_epi16(_mm_max_epi16(v11[1], v01[1]), _mm_max_epi16(v10[1], v00[1]));

    reinterpret_cast<__m128i*>(mins)[0] = _mm_min_epi16(reinterpret_cast<__m128i*>(mins)[0], min[0]);
    reinterpret_cast<__m128i*>(maxs)[0] = _mm_max_epi16(reinterpret_cast<__m128i*>(maxs)[0], max[0]);

    reinterpret_cast<__m128i*>(mins)[1] = _mm_min_epi16(reinterpret_cast<__m128i*>(mins)[1], min[1]);
    reinterpret_cast<__m128i*>(maxs)[1] = _mm_max_epi16(reinterpret_cast<__m128i*>(maxs)[1], max[1]);
}

现在有了 clang，它给了我预期的输出，但在 gcc 中它打印全零：godbolt link

我发现当我使用 -O1 编译时 gcc 给了我正确的结果，但使用 -O2 和 -O3 时出错，这表明优化器出错了。我做的有什么特别错误的事情会导致这种行为吗？

作为一种变通方法，我可以将事情包装在一个联合中，然后 gcc 会给我正确的结果，但这感觉有点恶心：godbolt link 2

有什么想法吗？

Answer 1

问题是您使用short* 来访问__m128i* 对象的元素。这违反了严格的混叠规则。只有使用__m128i* 取消引用或更通常的_mm_load_si128( (const __m128i*)ptr ) 才能安全。

__m128i* 与char* 完全一样——你可以将它指向任何东西，但反之则不行：Is `reinterpret_cast`ing between hardware SIMD vector pointer and the corresponding type an undefined behavior?

---

类型双关的唯一标准方法是使用 memcpy：

    memcpy(v00, lows, its * sizeof(short));
    memcpy(v10, highs, its * sizeof(short));
    memcpy(reinterpret_cast<short*>(v00) + its, lows + its - 1, sizeof(short));
    memcpy(reinterpret_cast<short*>(v10) + its, highs + its - 1,  sizeof(short));

https://godbolt.org/z/f63q7x

我更喜欢直接使用正确类型的对齐内存：

    alignas(16) short v00[16];
    alignas(16) short v10[16];
    auto mv00 = reinterpret_cast<__m128i*>(v00);
    auto mv10 = reinterpret_cast<__m128i*>(v10);
    _mm_store_si128(mv00, _mm_setzero_si128());
    _mm_store_si128(mv10, _mm_setzero_si128());
    _mm_store_si128(mv00 + 1, _mm_setzero_si128());
    _mm_store_si128(mv10 + 1, _mm_setzero_si128());

    for (int i = 0; i < its; ++i) {
        v00[i] = lows[i];
        v10[i] = highs[i];
    }

    v00[its] = v00[its - 1];
    v10[its] = v10[its - 1];

https://godbolt.org/z/bfanne

我不确定这个设置是否实际上符合标准（它绝对适用于_mm_load_ps，因为你可以在没有类型双关语的情况下做到这一点）但它似乎也修复了问题。我猜想加载/存储内在函数的任何合理实现都必须提供与memcpy 相同的别名保证，因为它或多或少是在x86 中从直线到矢量化代码的犹太方式。

正如您在问题中提到的，您还可以强制与联合对齐，我在 c++11 之前的上下文中也使用了它。即使在这种情况下，我个人仍然总是明确地编写加载和存储（即使它们只是进出对齐的内存），因为如果你不这样做，这样的问题往往会弹出。