AVX 指令 vxorpd 和 vpxor 之间的区别

Posted 2023-03-13

【中文标题】AVX 指令 vxorpd 和 vpxor 之间的区别

【英文标题】：Difference between the AVX instructions vxorpd and vpxor

【发布时间】：2015-01-12 14:37:43

【问题描述】：

根据Intel Intrinsics Guide，

vxorpd ymm, ymm, ymm：计算 a 和 b 中压缩双精度（64 位）浮点元素的按位异或，并将结果存储在 dst 中。 vpxor ymm, ymm, ymm：计算 a 和 b 中 256 位（表示整数数据）的按位异或，并将结果存储在 dst 中。

两者有什么区别？在我看来，这两条指令都会对 ymm 寄存器的所有 256 位进行按位异或。如果我将vxorpd 用于整数数据（反之亦然），是否会降低性能？

【问题讨论】：

在当前的 Intel 处理器上，SIMD 单元有两个域：INT 和 FLOAT。将数据从一个移动到另一个会降低性能。 INT 域的吞吐量也更高。

感谢神秘主义者！ This answer 表示，当您使用具有错误数据类型的向量指令时，英特尔 Sandy Bridge 和更高版本的 CPU 会出现 0-1 个周期的“旁路延迟”

还要注意vxorpd 是AVX 而vpxor 是AVX2（这当然不是影响性能，只是兼容性）。

【参考方案1】：

将一些 cmets 组合成一个答案：

除了性能之外，它们具有相同的行为（我认为即使有内存参数：所有 AVX 指令都缺乏对齐要求）。

从 Nehalem 到 Broadwell，(V)PXOR 可以在 3 个 ALU 执行端口 p0/p1/p5 中的任何一个上运行。 (V)XORPS/D 只能在 p5 上运行。

某些 CPU 在整数和 FP“域”之间存在“旁路延迟”。 Agner Fog's microarch docs 说在 SnB / IvB 上，旁路延迟有时为零。例如使用“错误”类型的随机播放或布尔运算时。在 Haswell 上，他的示例表明 orps 在用于整数指令的结果时没有额外的延迟，但 por 在用于 addps 的结果时有额外的 1 个时钟的延迟。

在 Skylake 上，FP 布尔值可以在任何端口上运行，但绕过延迟取决于它们碰巧在哪个端口上运行。 （有关表格，请参见英特尔的优化手册）。端口 5 在 FP 数学运算之间没有旁路延迟，但端口 0 或端口 1 有。由于 FMA 单元位于端口 0 和 1，因此 uop 发布阶段通常会将布尔值分配给 FP 繁重代码中的端口 5，因为它可以看到许多 uop 为 p0/p1 排队，但 p5 不那么忙。 (How are x86 uops scheduled, exactly?)。

我建议不要担心这个。为 Haswell 和 Skylake 调音就可以了。或者只是总是对整数数据使用 VPXOR，对 FP 数据使用 VXORPS，Skylake 会做得很好（但 Haswell 可能不会）。

---

在 AMD Bulldozer / Piledriver / Steamroller 上没有布尔运算的“FP”版本。 （参见 Agner Fog 的 microarch 手册第 182 页。）在执行单元之间转发数据存在延迟（ivec->fp 或 fp->ivec 为 1 个周期，int->ivec 为 10 个周期（eax -> @ 987654329@), ivec->int 为 8 个周期。（推土机上为 8,10。movd/pinsrw/pextrw 上为 4, 5 在压路机上））所以无论如何，你不能通过使用适当的布尔值来避免 AMD 的旁路延迟insn XORPS 确实比 PXOR 或 XORPD 少了一个字节来编码（非 VEX 版本。VEX 版本都需要 4 个字节。）

在任何情况下，绕过延迟只是额外的延迟，而不是降低吞吐量。如果这些操作不是内部循环中最长的 dep 链的一部分，或者您可以并行交错两个迭代（因此您有多个依赖链同时进行无序执行），那么PXOR可能是要走的路。

在 Skylake 之前的 Intel CPU 上，压缩整数指令始终可以在比浮点指令更多的端口上运行，因此更喜欢整数运算。