我需要一个周期为 2^128 的 __m128i 变量的函数。它不需要单调递增（像计数器一样），而是每个值访问一次。
我能想到的最简单的例子实际上是一个 128 位计数器，但我发现在 SSE 中很难实现。有没有更简单/更快的解决方案？
【问题讨论】：
标签： optimization sse intrinsics avx
这是一个单调的计数器。我不确定你是否可以称之为简单。
假设ONE 和ZERO 总是在寄存器中，那么这应该编译为5 条指令。 （如果不使用 VEX 编码，则为 7 或 8）
inline __m128i nextc(__m128i x){
const __m128i ONE = _mm_setr_epi32(1,0,0,0);
const __m128i ZERO = _mm_setzero_si128();
x = _mm_add_epi64(x,ONE);
__m128i t = _mm_cmpeq_epi64(x,ZERO);
t = _mm_and_si128(t,ONE);
t = _mm_unpacklo_epi64(ZERO,t);
x = _mm_add_epi64(x,t);
return x;
}
测试代码（MSVC）：
int main() {
__m128i x = _mm_setr_epi32(0xfffffffa,0xffffffff,1,0);
int c = 0;
while (c++ < 10){
cout << x.m128i_u64[0] << " " << x.m128i_u64[1] << endl;
x = nextc(x);
}
return 0;
}
输出：
18446744073709551610 1
18446744073709551611 1
18446744073709551612 1
18446744073709551613 1
18446744073709551614 1
18446744073709551615 1
0 2
1 2
2 2
3 2
@Norbert P 建议的稍微好一点的版本。它比我原来的解决方案节省了 1 条指令。
inline __m128i nextc(__m128i x){
const __m128i ONE = _mm_setr_epi32(1,0,0,0);
const __m128i ZERO = _mm_setzero_si128();
x = _mm_add_epi64(x,ONE);
__m128i t = _mm_cmpeq_epi64(x,ZERO);
t = _mm_unpacklo_epi64(ZERO,t);
x = _mm_sub_epi64(x,t);
return x;
}
【讨论】：
add + adc 将是最快的。如果在 SSE 寄存器中需要它，那么 5 个 SSE-Int 指令可能会比任何类型的提取/插入更快。通过结构/联合将其通过内存可能会停止加载/存储缓冲区，因为您正在使用不同的字长访问相同的内存。
_mm_testz_si128 做一些事情并在carry 上进行分支。但是您首先必须屏蔽高 64 位，所以它可能和以前一样昂贵。
and 指令是不必要的，因为如果比较为真，cmpeq 指令的结果是-1（所有位设置）。只需删除t = _mm_and_si128(t,ONE); 并将x = _mm_add_epi64(x,t); 替换为x = _mm_sub_epi64(x,t);。如果我错了请忽略。
永远不要忘记 KISS 原则。
粘贴这个（C 标准要求无符号整数环绕，因此每个值只访问一次）：
__uint128_t inc(__uint128_t x) {
return x+1;
}
进入this 产生（对于 x64）：
addq $1, %rdi
adcq $0, %rsi
movq %rdi, %rax
movq %rsi, %rdx
ret
够简单/够快吗？如果你内联它，你可能只需要addq/adcq（x64 ABI 需要movqs 和ret：如果你内联函数，它们不是必填）
要解决 Voo 关于 MSVC 的糟糕之处的评论，您可以使用以下内容：
inline void inc(unsigned long long *x, unsigned long long *y) {
if (!++*x) ++*y; // yay for obfuscation!
}
我附近没有安装 MSVC，因此无法对其进行测试，但它应该产生类似于我上面发布的内容。那么，如果你真的需要一个 __m128i，你应该可以cast 两半。
【讨论】：