使用内在函数的 SSE2 程序集溢出

Question

我是 SSE 和 SSE2 的新手，我编写了一个小的 C 示例（分配两个计数器，一个增加一个减少而不是增加两个），它按预期工作。我使用了内在函数和 Microsoft Visual Studio 10 C++ Express。作为第二步，我想了解引擎盖下发生了什么，但我现在很困惑。 例如 for 循环中的赋值操作编译为：

__m128i a_ptr = _mm_load_si128((__m128i*)&(a_aligned[i]));
 mov         eax,dword ptr [i]  
 mov         ecx,dword ptr [a_aligned]  
 movdqa      xmm0,xmmword ptr [ecx+eax*2]  
 movdqa      xmmword ptr [ebp-1C0h],xmm0  
 movdqa      xmm0,xmmword ptr [ebp-1C0h]  
 movdqa      xmmword ptr [a_ptr],xmm0  

我知道前两行获取 a_aligned 地址的组成部分，第三行将其复制到 xmm0 寄存器。但我不明白为什么它被复制回内存，而不是再次复制到 xmm0（而不是 a_ptr）。我认为 _mm_load_si128 内在函数应该将 a_aligned[i] 的 128 位复制到 xmm0，仅此而已。为什么会这样？我理论上错了吗？如果不是，我应该如何提示编译器？我的示例代码是否正确（从某种意义上说它没有不必要的东西）？ 这是我的完整示例代码：

#include <xmmintrin.h>
#include <emmintrin.h>
#include <iostream>

int main(int argc, char *argv[]) {
    unsigned __int16 *a_aligned = (unsigned __int16 *)_mm_malloc(32 * sizeof(unsigned __int16),16);
    unsigned __int16 *b_aligned = (unsigned __int16 *)_mm_malloc(32 * sizeof(unsigned __int16),16);
    unsigned __int16 *c_aligned = (unsigned __int16 *)_mm_malloc(32 * sizeof(unsigned __int16),16);

    for(int i = 0; i < 32; i++) {
        a_aligned[i] = i;
        b_aligned[i] = i;
        c_aligned[i] = 0;
    }

    for(int i = 0; i < 32; i+=8) {
        __m128i a_ptr = _mm_load_si128((__m128i*)&(a_aligned[i]));
        __m128i b_ptr = _mm_load_si128((__m128i*)&(b_aligned[i]));
        __m128i res = _mm_add_epi16(a_ptr, b_ptr);
        _mm_store_si128((__m128i*)&(c_aligned[i]), res);
    }

    for(int i = 1; i < 32; i++) {
        std::cout << c_aligned[i] << " ";
    }

    _mm_free(a_aligned);
    _mm_free(b_aligned);
    _mm_free(c_aligned);
    return 0;
}

Answer 1

Intrinsics 被明确设计用于帮助编译器代码生成器更好地优化代码。您正在查看由 Debug 配置生成的汇编代码。那不是优化的代码。查看 Release 构建中的代码：

        __m128i a_ptr = _mm_load_si128((__m128i*)&(a_aligned[i]));
011D10A0  movdqa      xmm0,xmmword ptr [eax] 
        __m128i b_ptr = _mm_load_si128((__m128i*)&(b_aligned[i]));
011D10A4  movdqa      xmm1,xmmword ptr [edx+eax] 
        __m128i res = _mm_add_epi16(a_ptr, b_ptr);
011D10A9  paddw       xmm0,xmm1 
        _mm_store_si128((__m128i*)&(c_aligned[i]), res);
011D10AD  movdqa      xmmword ptr [ecx+eax],xmm0 

看起来更好，不是吗？

Answer 2

在编译器设置中启用优化（使用发布配置而不是调试）。