SIMD、SSE、AVX指令集
指令集
指令集是指CPU能執行的所有指令的集合,每一指令對應一種操作,任何程式最終要編譯成一條條指令才能讓CPU識別並執行。CPU依靠指令來計算和控制系統,所以指令強弱是衡量CPU效能的重要指標,指令集也成為提高CPU效率的有效工具。
CPU都有一個基本的指令集,比如說目前英特爾和AMD的絕大部分處理器都使用的是X86指令集,因為它們都源自於X86架構。但無論CPU有多快,X86指令也只能一次處理一個數據,這樣效率就很低下,畢竟在很多應用中,資料都是成組出現的,比如一個點的座標(XYZ)和顏色(RGB)、多聲道音訊等。為了提高CPU在某些方面的效能,就必須增加一些特殊的指令滿足時代進步的需求,這些新增的指令就構成了擴充套件指令集。該指令集採用單指令多資料(single instruction multiple data,簡稱 SIMD)擴充套件技術。
Intel擴充套件指令集的演變
Intel擴充套件指令集連結:intel擴充套件指令集機票
MMX(SIMD)
英特爾在1996年率先引入了MMX(Multi Media eXtensions)多媒體擴充套件指令集,也開創了SIMD(Single Instruction Multiple Data,單指令多資料)指令集之先河,即在一個週期內一個指令可以完成多個數據操作,MMX指令集的出現讓當時的MMX Pentium大出風頭。
SSE
SSE(Streaming SIMD Extensions,流式單指令多資料擴充套件)指令集是1999年英特爾在Pentium III處理器中率先推出的,並將向量處理能力從64位擴充套件到了128位。在Willamette核心的Pentium 4中英特爾又將擴充套件指令集升級到SSE2(2000年),而SSE3指令集(2004年)是從Prescott核心的Pentium 4開始出現。
SSE4(2007年)指令集是自SSE以來最大的一次指令集擴充套件,它實際上分成Penryn中出現的SSE4.1和Nehalem中出現的SSE4.2,其中SSE4.1佔據了大部分的指令,共有47條,Nehalem中的SSE4指令集更新很少,只有7條指令,這樣一共有54條指令,稱為SSE4.2。
AVX
2007年8月,AMD搶先宣佈了SSE5指令集(SSE到SSE4均為英特爾出品),英特爾當即黑臉表示不支援SSE5,轉而在2008年3月宣佈Sandy Bridge微架構將引入全新的AVX指令集,同年4月英特爾公佈AVX指令集規範,隨後開始不斷進行更新,業界普遍認為支援AVX指令集是Sandy Bridge最重要的進步,沒有之一。
AVX(Advanced Vector Extensions,高階向量擴充套件)指令集借鑑了一些AMD SSE5的設計思路,進行擴充套件和加強,形成一套新一代的完整SIMD指令集規範。
MMX(SIMD)、SSE、AVX
MMX
MMX系列指令集使用單獨的64bit暫存器(MM暫存器),暫存器個數不清楚,一次處理64bit的資料。可以存放資料如下。
暫存器結構:
MM0 |
---|
MM1 |
MM2 |
MM3 |
MM4 |
… |
每個MM暫存器可以儲存的值的大小和個數如下(bit, 1位元組(B)= 8bit)
MMX指令只能處理整型(字元,短整,整型,這裡的整形為32bit)
暫存器大小:
64bit |
---|
一次處理兩個32bit整型
32bit | 32bit |
---|
一次處理4個16bit整型
16bit | 16bit | 16bit | 16bit |
---|
一次處理8個字元
8bit | 8bit | 8bit | 8bit | 8bit | 8bit | 8bit | 8bit |
---|
SSE
MMX系列指令集使用單獨的128bit暫存器(XMM暫存器),暫存器個數16(不同計算機可能不同),一次處理128bit的資料。可以存放資料如下。
暫存器結構:
XMM0 |
---|
XMM1 |
XMM2 |
XMM3 |
XMM4 |
… |
每個XMM暫存器可以儲存的值的大小和個數如下
SSE指令能處理整型,單精度浮點,雙精度浮點
注:為什麼會有16bit?拿整型來說,對於不同的計算機,佔的位元組不同,有一個size_t的資料型別,在不同計算機上可能佔得位元組不同(4B,或者2B),具體可以使用sizeof(資料型別)來檢視此型別佔得位元組數。
暫存器大小:
128bit |
---|
一次處理2個64bit的資料型別
64bit | 64bit |
---|
一次處理4個32bit的資料型別
32bit | 32bit | 32bit | 32bit |
---|
一次處理8個16bit資料型別
16bit | 16bit | 16bit | 16bit | 16bit | 16bit | 16bit | 16bit |
---|
AVX
AVX高階向量擴充套件,在SSE的基礎上又把暫存器大小擴充套件為256bit。這次AVX將所有16個128位XMM暫存器擴充為256位的YMM暫存器,從而支援256位的向量計算。理想狀態下,浮點效能最高能達到前代的2倍水平。同時所有的SSE/SSE2/SSE3/SSSE3/SSE4指令是被AVX全面相容的(AVX不相容MMX),因此實際操作的是YMM暫存器的低128位,在這一點上與原來的SSE系列指令集無異。
-
支援256位向量計算,浮點效能最大提升2倍
-
增強的資料重排,更有效存取資料
-
支援3運算元和4運算元,在向量和標量程式碼中能更好使用暫存器
-
支援靈活的不對齊記憶體地址訪問
-
支援靈活的擴充套件性強的VEX編碼方式,可減少程式碼
暫存器結構:
YMM0 |
---|
YMM1 |
YMM2 |
YMM3 |
YMM4 |
… |
暫存器大小
256bit |
---|
一次處理4個64bit的資料型別
64bit | 64bit | 64bit | 64bit |
---|
一次處理8個32bit的資料型別
32bit | 32bit | 32bit | 32bit | 32bit | 32bit | 32bit | 32bit |
---|
指令的使用
指令功能介紹
這裡只講解指令的簡單使用,內部原理及其定址什麼的流程,自行深拋。
程式必然包括資料和操作,要計算資料,肯定要去cpu的運算器,所以資料會從(如果資料小可能直接全放cache了)記憶體到cache,再從cache到register,然後進入運算器計算,計算得到資料如果短時間不用,或者想長久儲存,則可能需要重寫回記憶體或者硬碟。
簡單來說,分三步:
- 寫入資料
- 運算資料
- 資料寫出
那麼資料的寫入和寫出就對應了擴充套件指令集的訪存指令,資料計算就對應了運算指令。另外還有許多指令型別。具體如下:
指令導讀
指令的具體用法還是要查指令手冊
每一個指令的構成都可以理解一個函式。
返回值型別 函式名 (形參列表)
1)型別
- __m128 128bit 儲存單精度浮點float
__m128i 128bit 儲存整形int
__m128d 128bit 儲存雙精度浮點double - __m256 256bit 儲存單精度float
__m256i 256bit 儲存整型int
__m256d 256bit 儲存雙精度double
2)函式名
_mm :128bit | _mm256 :256bit |
---|---|
_load :操作 | _load :操作 |
_ps :p=package,s=float | _ps :p=package,s=float |
_pd :p=package,s=double | _pd :p=package,s=double |
_ss :p=scalar,s=float | _ss :p=scalar,s=float |
package:是向量資料打包的意思 scalar是標量,一個數據的意思
3)形參:要傳入的資料的型別指定,一般為地址
如下圖:
函式
標頭檔案
指令
編譯Flags
Op:指令資料的操作規則
SSE,AVX為什麼會提升效能
SIMD
SSE指令的不同形式
- 垂直計算形式
例如:_mm_add_ps();
- 水平計算形式
例如:_mm_hadd_ps();
_mm256_hadd_ps();
- 標量形式(scalar)
示例程式碼
1-loop.c
#include<stdio.h>
#include <x86intrin.h>
#define N 128
int main(){
double a[N][N],b[N][N],c[N][N];
int i,j;
for(i=0;i<N;i++)
for(j=0;j<N;j++)
{
a[i][j]=10;
b[i][j]=6;
}
/*
for(i = 0; i < N; i++){
for(j = 0; j < N; j++)
c[i][j] = a[i][j] + b[i][j];
}
*/
int block = N / 4;
int reserve = N % 4;
__m256d ymm0, ymm1;
__m256d avx_sum0 = _mm256_setzero_pd();
for(i = 0; i < N; i++){
for(j = 0; j < block; j ++){
ymm0 = _mm256_loadu_pd(&a[i][j*4]);
ymm1 = _mm256_loadu_pd(&b[i][j*4]);
avx_sum0 = _mm256_add_pd(ymm0, ymm1);
_mm256_storeu_pd(*(c+i)+j*4, avx_sum0);
}
}
if(c[4][6]==16)
printf("\n結果正確,測試完成!\n\n");
else
printf("\n結果不正確,測試完成!\n\n");
return 0;
}
2-ctrl_flow-f4
#include<stdio.h>
#include <x86intrin.h>
#define N 128
int main(){
float a[N]={0};
float b[N]={1.1,2.2,3.3};
float c[N]={1,2,3};
int i, j;
/*
for(i=0;i<N;i++){
if(b[i]<c[i])
a[i]=b[i]+a[i];
else
a[i]=c[i]-a[i];
}
*/
int block = N / 8;
__m256 ymm_a = _mm256_setzero_ps();
__m256 ymm_b = _mm256_setzero_ps();
__m256 ymm_c = _mm256_setzero_ps();
__m256 avx_sum, avx_sub;
__m256 mask;
__m256 blendv;
for(i = 0; i < 1; i++){
ymm_a = _mm256_loadu_ps(a +i*8);
ymm_b = _mm256_loadu_ps(b +i*8);
ymm_c = _mm256_loadu_ps(c +i*8);
avx_sum = _mm256_add_ps(ymm_b, ymm_c);
avx_sub = _mm256_sub_ps(ymm_c, ymm_a);
mask = _mm256_cmp_ps(ymm_b,ymm_c, 2); //30
blendv = _mm256_blendv_ps(avx_sub, avx_sum, mask);
printf("%f, %f, %f, %f, %f, %f, %f, %f\n",
blendv[0], blendv[1], blendv[2], blendv[3],
blendv[4], blendv[5], blendv[6], blendv[7]);
_mm256_storeu_ps(a + i*8, blendv);
}
if(a[2]==3)
printf("\n結果正確,測試完成!\n\n");
else
printf("\n結果不正確,測試完成!\n\n");
return 0;
}
3-reducetion-d4.c
#include<stdio.h>
#define N 128
#include <x86intrin.h>
int main()
{
float sum = 1;
float a[N]={1,2,3};
int i;
/*
for(i=0;i<N;i++)
sum+=a[i];
*/
__m256 avx_sum = _mm256_setzero_ps();
__m256 ymm0;
int block = N / 8;
for(i = 0; i < block; i++){
ymm0 = _mm256_loadu_ps(a + i*8);
avx_sum = _mm256_hadd_ps(ymm0, avx_sum);
}
avx_sum = _mm256_hadd_ps(avx_sum, avx_sum);
avx_sum = _mm256_hadd_ps(avx_sum, avx_sum);
sum += avx_sum[0] + avx_sum[4];
printf("sum = %f ", sum);
if(sum==7)
printf("\n結果正確,測試完成!\n\n");
else
printf("\n結果不正確,測試完成!\n\n");
return 0;
}
4-unalign-d4.c
#include<stdio.h>
#define N 128
#include <x86intrin.h>
int main()
{
double a[N],b[N],c[N];
int i;
for(i=0;i<N;i++)
a[i]=3;
for(i=0;i<N;i++)
b[i]=4;
/*
for(i=0;i<N/4(32);i++)
c[i]=a[i+1]+b[i+2];
*/
int block = N / 4 / 4;
__m256d avx_sum0 = _mm256_setzero_pd();
__m256d ymm0, ymm1;
for(i = 0; i < block; i++){
ymm0 = _mm256_loadu_pd(a + 1 +i*4);
ymm1 = _mm256_loadu_pd(b + 1 +i*4);
avx_sum0 = _mm256_add_pd(avx_sum0, ymm0);
avx_sum0 = _mm256_add_pd(avx_sum0, ymm1);
_mm256_storeu_pd(c + i*4, avx_sum0);
avx_sum0 = _mm256_setzero_pd();
}
if(c[2]==7)
printf("\n結果正確,測試完成!\n\n");
else
printf("\n結果不正確,測試完成!\n\n");
return 0;
}
5-cvt-df.c
#include<stdio.h>
#include <x86intrin.h>
#define N 128
int main(){
float a[N]={0};
double b[N]={1,2,3};
int i;
/*
for(i=0;i<N;i++)
a[i]=b[i];
*/
int block = N / 4;
__m256d ymm_pd;
__m128 ymm_ps;
for(i = 0; i < block; i++){
ymm_pd = _mm256_loadu_pd(b + i*4);
ymm_ps = _mm256_cvtpd_ps(ymm_pd);
//printf("%f, %f, %f, %f\n",
// ymm_ps[0], ymm_ps[1], ymm_ps[2], ymm_ps[3]);
_mm_storeu_ps(a + i*4,ymm_ps);
}
if(a[2]==3)
printf("\n結果正確,測試完成!\n\n");
else
printf("\n結果不正確,測試完成!\n\n");
return 0;
}