AVX2 中的 VPERMB 在哪里？

Question

AVX2 有很多好东西。例如，它有很多指令，这些指令比它们的前身要强大得多。以VPERMD 为例：它允许您完全任意地从一个 256 位长的 32 位值向量广播/洗牌/置换到另一个，并在运行时选择置换¹。从功能上讲，这淘汰了一大堆现有的旧解包、广播、置换、随机播放和移位指令³。

酷豆。

那么VPERMB 在哪里？即，相同的指令，但在字节大小的元素上工作。或者，就此而言，对于 16 位元素，VPERMW 在哪里？在涉足 x86 汇编一段时间后，很明显 SSE PSHUFB 指令几乎是有史以来最有用的指令之一。它可以进行任何可能的排列、广播或逐字节洗牌。此外，它还可用于进行 16 次并行 4 位 -> 8 位表查找²。

不幸的是，PSHUFB 在 AVX2 中没有扩展到跨车道，因此它仅限于车道内行为。 VPERM 指令可以进行交叉洗牌（实际上，“perm”和“shuf”似乎是指令助记符中的同义词？）——但省略了 8 位和 16 位版本？

似乎甚至没有模拟此指令的好方法，而您可以轻松地用较小宽度的随机播放来模拟较大宽度的随机播放（通常，它甚至是免费的：您只需要不同的掩码）。

我毫不怀疑英特尔知道PSHUFB 的广泛使用和大量使用，所以自然会产生一个问题，为什么在 AVX2 中省略了字节变体。该操作本质上是否更难在硬件中实现？是否存在强制省略的编码限制？

---

¹在运行时可选择，我的意思是定义洗牌行为的掩码来自寄存器。这使得指令比采用立即 shuffle 掩码的早期变体更灵活一个数量级，就像 add 比 inc 更灵活，或者变量移位比立即移位更灵活。

²或 AVX2 中的 32 个此类查找。

³如果旧指令的编码较短，或者避免从内存中加载掩码，则旧指令有时会很有用，但在功能上它们已被取代。

Answer 1

我 99% 确定主要因素是晶体管的实施成本。它显然非常有用，而它不存在的唯一原因是实施成本必须超过显着的收益。

不太可能出现编码空间问题； VEX 编码空间提供了很多空间。真的很多，因为表示前缀组合的字段不是位字段，它是一个整数，其中大部分值未使用。

不过，他们决定为 AVX512VBMI 实施它，在 AVX512BW 和 AVX512F 中提供更大的元件尺寸。也许他们意识到没有这个有多糟糕，并决定无论如何都要这样做。 AVX512F 需要大量芯片面积/晶体管来实现，以至于英特尔决定甚至不在零售台式机 CPU 中实现它for a couple generations。

（部分原因是我认为现在很多可以利用全新指令集的代码都被编写为在已知服务器上运行，而不是在客户端机器上使用运行时调度）。

根据 Wikipedia，AVX512VBMI 直到 Cannonlake 才会出现，但随后我们将拥有 vpermi2b，它从 128B 表（2 个 zmm 向量）中进行 64 次并行表查找）。 Skylake Xeon 只会带来vpermi2w 和更大的元素尺寸（AVX512F + AVX512BW）。

---

我很确定 32 个 32:1 多路复用器比 8 个 8:1 多路复用器贵很多，即使 8:1 多路复用器宽 4 倍。他们可以通过多个洗牌阶段（而不是单个 32:1 阶段）来实现它，因为车道交叉洗牌需要 3 个周期的时间预算来完成他们的工作。但还是有很多晶体管。

我希望看到有硬件设计经验的人给出一个不那么随意的回答。我曾经用面包板上的 TTL 计数器芯片构建了一个数字计时器（和 IIRC，从 TI-99/4A 上的 BASIC 读取计数器，这在大约 20 年前就已经过时了），但仅此而已。

---

很明显，SSE PSHUFB 指令几乎是有史以来最有用的指令之一。

是的。这是第一个变量洗牌，带有来自寄存器而不是立即数的控制掩码。根据 pcmpeqb / pmovmskb 结果从随机播放蒙版的 LUT 中查找随机播放蒙版可以做一些疯狂而强大的事情。 @stgatilov's IPv4 dotted-quad -> int converter 是我最喜欢的出色 SIMD 技巧示例之一。