相關參考：

scalar packed

（1）Summary：

前面瞭解到了可以在程式碼中使用intrinsics函式來實現類似彙編的高階指令集（SSE等）指令，在這裡，為了加深理解，再次分析一下SSE指令。

（2）MMX指令集

首先要提到MMX指令集，MMX指令集是在SSE之前的，後來的SSE指令集覆蓋了MMX指令集的內容，現在的大多數CPU也都支援SSE指令集了，SSE指令集之後還有SSE2、SSE3、SSE4等，最新的Intel處理器支援AVX指令集。

（3）SIMD

single instruction multiple data，單指令流多資料流，也就是說一次運算指令可以執行多個數據流，這樣在很多時候可以提高程式的運算速度。

SIMD是CPU實現DLP（Data Level Parallelism）的關鍵，DLP就是按照SIMD模式完成計算的。

（4）SSE

SSE（為Streaming SIMD Extensions的縮寫）是由 Intel公司，在1999年推出Pentium III處理器時，同時推出的新指令集。如同其名稱所表示的，SSE是一種SIMD指令集。所謂的SIMD是指single instruction, multiple data，也就是一個指令同時對多個資料進行相同的動作。較早的MMX和 AMD的3DNow!也都是SIMD指令集。因此，SSE本質上是非常類似一個向量處理器的。SSE指令包括了四個主要的部份：單精確度浮點數運算指令、整數運算指令（此為MMX之延伸，並和MMX使用同樣的暫存器）、Cache控制指令、和狀態控制指令

（5）SSE新增的暫存器（用於浮點運算指令）

SSE新增了八 ​​個新的128位元暫存器，xmm0 ~ xmm7。這些128位元的暫存器，可以用來存放四個32位元的單精確度浮點數。SSE的浮點數運算指令就是使用這些暫存器。和之前的MMX或3DNow!不同，這些暫存器並不是原來己有的暫存器（MMX和3DNow!均是使用x87浮點數暫存器），所以不需要像MMX或3DNow!一樣，要使用x87指令之前，需要利用一個EMMS指令來清除暫存器的狀態。因此，不像MMX或3DNow!指令，SSE的浮點數運算指令，可以很自由地和x87指令，或是MMX指令共用。但是，這樣做的主要缺點是，因為多工作業系統在進行context switch時，需要儲存所有暫存器的內容。而這些多出來的新暫存器，也是需要儲存的。因此，既存的作業系統需要修改，在context switch時，儲存這八個新暫存器的內容，才能正確支援SSE浮點運算指令。

下圖是SSE新增暫存器的結構：

（6）SSE浮點運算指令分類

SSE的浮點運算指令分為兩大類：packed和scalar。（有些地方翻譯為“包裹指令和”“標量指令” :) )
Packed指令是一次對XMM暫存器中的四個浮點數（即DATA0 ~ DATA3）均進行計算，而scalar則只對XMM暫存器中的DATA0進行計算。如下圖所示：

下面是SSE指令的一般格式，由三部分組成，第一部分是表示指令的作用，比如加法add等，第二部分是s或者p分別表示scalar或packed，第三部分為s，表示單精度浮點數（single precision floating point data）。

（7）SSE新的資料型別：

根據上面知道，SSE新增的暫存器是128bit的，那麼SSE就需要使用128bit的資料型別，SSE使用4個浮點數（4*32bit）組合成一個新的資料型別，用於表示128bit型別，SSE指令的返回結果也是128bit的。

（8）SSE定址/定址方式：

SSE 指令和一般的x86 指令很類似，基本上包括兩種定址方式：暫存器-暫存器方式(reg-reg)和暫存器-記憶體方式(reg-mem)：

addps xmm0, xmm1 ; reg-reg
addps xmm0, [ebx] ; reg-mem

（10）intrinsics的SSE指令

要使用SSE指令，可以使用intrinsics來簡化程式設計，前面已經介紹過intrinsics的基礎了，這裡也不會展開。

SSE指令的intrinsics函式名稱一般為：_m_operation[u/r...]_ss/ps，和上面的SSE指令的命名類似，只是增加了_m_字首，另外，表示指令作用的操作後面可能會有一個可選的修飾符，表示一些特殊的作用，比如從記憶體載入，可能是反過來的順序載入（不知道彙編指令有沒有對應的修飾符，理論上應該沒有，這個修飾符只是給編譯器用於進行一些轉換用的，具體待查）。

SSE指令中的intrinsics函式的資料型別為：__m128，正好對應 了上面提到的SSE新的資料型別，當然，這種資料型別只是一種抽象表示，實際是要轉換為基本的資料型別的。

（9）SSE指令的記憶體對齊要求

SSE中大部分指令要求地址是16bytes對齊的，要理解這個問題，以_mm_load_ps函式來解釋，這個函式對應於loadps的SSE指令。

其原型為：extern __m128 _mm_load_ps(float const*_A);

可以看到，它的輸入是一個指向float的指標，返回的就是一個__m128型別的資料，從函式的角度理解，就是把一個float陣列的四個元素依次讀取，返回一個組合的__m128型別的SSE資料型別，從而可以使用這個返回的結果傳遞給其它的SSE指令進行運算，比如加法等；從彙編的角度理解，它對應的就是讀取記憶體中連續四個地址的float資料，將其放入SSE新的暫存器(xmm0~8)中，從而給其他的指令準備好資料進行計算。其使用示例如下：

float input[4] = { 1.0f, 2.0f, 3.0f, 4.0f };
__m128 a = _mm_load_ps(input);

對於上面的例子，如果要將input指定為16bytes對齊，可以採用的方式是：__declspec(align(16)) float input[4];

那麼，為了簡化，在xmmintrin.h中定義了一個巨集_MM_ALIGN16來表示上面的含義，即：_MM_ALIGN16 float input[4];

（11）大小端問題：

這個只是使用SSE指令的時候要注意一下，我們知道，x86的little-endian特性，位址較低的byte會放在暫存器的右邊。也就是說，若以上面的input為例，在載入到XMM暫存器後，暫存器中的DATA0會是1.0，而DATA1是2.0，DATA2是3.0，DATA3是4.0。如果需要以相反的順序載入的話，可以用_mm_loadr_ps 這個intrinsic，根據需要進行選擇。

（12）總結：瞭解SIMD、DLP、向量化、SSE基礎等。