如何将一个 XMM 128 位寄存器拆分为两个 64 位整数寄存器？

Posted 2023-02-16

【中文标题】如何将一个 XMM 128 位寄存器拆分为两个 64 位整数寄存器？

【英文标题】：How to split an XMM 128-bit register into two 64-bit integer registers?

【发布时间】：2016-12-19 12:25:53

【问题描述】：

如何将一个 128 位的xmm 寄存器拆分为两个 64 位的四字？

我在xmm1 中有一个非常大的数字，我想将较高的四字分配给r9，将较小的四字分配给r10，或者RAX 和RDX。

movlpd 或 movhpd 仅适用于 reg to mem，反之亦然。

【问题讨论】：

用 gcc 编译 long long f(long long __attribute__((vector_size(16))) x)return x[1];（以及带有 0 的版本）以获得一些建议...

【参考方案1】：

SSE2（x86-64 的基线）具有直接在 XMM 和整数寄存器之间移动数据的指令（无需在内存中反弹）。向量的低元素很容易：MOVD or MOVQ。要提取较高的元素，您只需将所需的元素随机排列到向量的较低元素即可。

SSE4.1 还为 16 位以外的大小添加了插入/提取（例如 PEXTRQ）。除了代码大小，它是not actually faster than a separate shuffle and movq on any existing CPUs，但这意味着你不需要任何额外的 tmp 寄存器。

#SSE4.1
movq    rax, xmm0       # low qword
pextrq  rdx,  xmm0, 1   # high qword
# 128b result in rdx:rax, ready for use with div r64 for example.
# (But watch out for #DE on overflow)
# also ready for returning as a __int128_t in the SystemV x86-64 ABI

#SSE2
movq       r10, xmm0
punpckhqdq xmm0, xmm0    # broadcast the high half of xmm0 to both halves
movq       r9,  xmm0

PUNPCKHQDQ 是最有效的方法。即使在旧 CPU 上，对于小于 64 位的元素大小（如 65nm Core2 (Merom/Conroe)），它的速度也很快。有关详细信息，请参阅my horizontal sum answer。 PUNPCKHQDQ 没有立即数操作数，并且只有 SSE2，所以它只有 4 个字节的代码大小。

要保留 xmm0 的原始值，请将 pshufd 与不同的目标一起使用。或者就地交换高半和低半，或者其他什么。

---

movlpd 或 movhpd ...

使用它们毫无意义。请改用 movlps / movhps，因为它们更短，并且没有 CPU 关心 float 与 double。

您可以使用movhlps xmm1, xmm0 将 xmm0 的高半部分提取到另一个寄存器中，但是将 FP shuffle 与整数向量运算混合会导致某些 CPU（特别是 Intel Nehalem）出现旁路延迟。还要注意对 xmm1 的依赖会导致延迟瓶颈。

一般来说，肯定更喜欢pshufd。但是，如果您正在针对特定 CPU（例如 Core2）进行调优，您可以使用 movhlps，其中 movhlps 速度快并在整数域中运行，而 pshufd 速度较慢。