X86：如何将xmm0的下半部分设置为0，而不影响上半部分？

Posted 2023-02-16

【中文标题】X86：如何将xmm0的下半部分设置为0，而不影响上半部分？

【英文标题】：X86: How to set lower half of xmm0 to 0, without affecting the upper half?

【发布时间】：2019-12-25 17:58:53

【问题描述】：

我使用 xmm0 具有 128 位的系统。 我想将 [63...0] 设置为零，而不影响 [127...64]。 我用：

MOV RAX, 0xFFFFFFFFFFFFFFFF
MOVQ xmm2, RAX
PSHUFD xmm2, xmm2, 0b00001111
PAND xmm1, xmm2

有没有更快的方法？

【参考方案1】：

您可以通过

更有效地创建常量

pcmpeqd xmm2,xmm2       ; xmm2 = all-ones.  Needs any ALU port
pslldq  xmm2, 8         ; left shift by 8 bytes.  Needs the shuffle port

PAND    xmm1, xmm2

（另见Agner Fog's optimization guide；他有一节介绍动态创建常量。另见What are the best instruction sequences to generate vector constants on the fly?）

或者正如@RossRidge 所建议的那样，如果您经常需要它以在缓存中保持热状态，但不能只是将其提升出循环并将其保存在寄存器中，那么对常量使用内存源操作数可能是最有效的.

---

或混入新的低 8 字节零。

pxor   xmm2, xmm2       ; xmm2=0; very efficient on Intel CPUs; no back-end uop

movsd  xmm1, xmm2       ; runs on port5 only on Intel CPUs, like shuffles.

（作为从内存中加载，movsd 零扩展。但是对于 reg-reg 移动它并且movss 保持目标上部不变。）

其他混合方式更有效，但比 SSE2 需要更多：

SSE4.1：pblendw xmm1, xmm2, 0b00001111 - 一切都更糟（或速度相同但代码大小更差）。仍然只在 Intel 的 port5 上运行。 Ryzen 在比pblendw 更多的端口上运行movsd xmm,xmm。低功耗 Atom/Silvermont 在比 pblendw 更多的端口上运行 movsd，但 Goldmont 和 KNL 对此和 movsd 有 2 个/时钟的吞吐量。所以它仍然永远不会比 movsd 更好。

SSE4.1 blendpd xmm1, xmm2, 0b01

（或blendps） - 与 vpblendd 一样高效，但如果在整数指令之间使用会产生绕过转发延迟。如果您在吞吐量方面遇到瓶颈，这可能没问题，尤其是在您必须避免后端压力的情况下。 AVX2:vpblendd xmm1, xmm1, xmm2, 0b0011 - 在任何 AVX2 CPU 的任何 ALU 端口上运行。

某些 CPU 可能还会在整数指令之间对 movsd 进行旁路延迟，但 Sandybridge 系列对随机播放非常宽容。

在某些 CPU 上与 movsd 一样高效，只需要 SSE1：

movhlps xmm1, xmm2 - 将 xmm1 的低 qword 替换为 xmm2 的高 qword（也为零）。在 Ryzen 或 Silvermont 上效率较低。

同样，shufpd 和shufps 可以将xmm1 的上半部分复制到零寄存器的上半部分。 （如果您不想破坏原始注册，则很有用）。但是您可以使用movsd 轻松高效地做到这一点。

---

也可能：movlps xmm, [mem] 加载零，可能是您刚刚存储到堆栈中。它不允许注册源操作数，并且需要 Intel 上的 port5 uop（shuffle / uncommon blend）。它可以微融合到一个融合域微指令中，但它比带有内存源的pand 差很多，因为它可以在更少的端口上运行。