http://blog.csdn.net/conowen/article/details/7255920

SIMD

SIMD單指令流多資料流(SingleInstruction Multiple Data,SIMD)是一種採用一個控制器來控制多個處理器，同時對一組資料（又稱“資料向量”）中的每一個分別執行相同的操作從而實現空間上的並行性的技術。在微處理器中，單指令流多資料流技術則是一個控制器控制多個平行的處理微元，例如Intel的MMX或SSE以及AMD的3D Now!技術。

--------------------------------------------------------------------------------------------------------------------------------------------------------------------

MMX是由英特爾開發的一種SIMD多媒體指令集，共有57條指令。它於1996年整合在英特爾奔騰 (Pentium) MMX處理器上，以提高其多媒體資料的處理能力。

其優點是增加了處理器關於多媒體方面的處理能力，缺點是佔用浮點數暫存器進行運算（64位MMX暫存器實際上就是浮點數暫存器的別名）以至於MMX指令和浮點數操作不能同時工作。為了減少在MMX和浮點數模式切換之間所消耗的時間，程式設計師們儘可能減少模式切換的次數，也就是說，這兩種操作在應用上是互斥的。後來英特爾在此基礎上發展出SSE指令集；AMD在此基礎上發展出3DNow!指令集。現在新開發的程式不再僅使用MMX來優化軟體執行效能，而是改使用如SSE、3DNOW!等更容易優化效能的新一代多媒體指令集，不過目前的處理器仍可以執行鍼對MMX優化的較早期軟體。

技術細節

MMX 暫存器，稱作MM0到MM7，實際上就是處理器內部80位元字長的浮點暫存器棧st(0)到st(7)的尾數部分(64位元長)的複用。由於 浮點棧暫存器的高16位未被MMX技術使用，因此這16位都置為1，因此從棧暫存器的角度看，其浮點值為NaN或Infinities，這可用於區分寄存 器是處於浮點棧狀態還是MMX狀態. 作為MMX暫存器都是直接訪問。利用了裝配資料型別(packed data type)的概念，每個MMX暫存器的64位元字長可以看作是2個32位整數、或者4個16位整數、或者8個8位整數，從而可以執行整數SIMD運算。這 對於1990年代中期的2D、3D計算的加速還是很有意義的，因為當時的計算機的圖形處理器（GPU）還很不發達。但現在MMX整數SIMD運算對於圖形運算來說是多餘的技術了。不過MMX的飽和算術運算

SIMD技術的發展

繼 MMX技術之後，Intel又於1999年在Pentium-III處理器上推出SSE技術，引入了新的128位元寬的暫存器集 (register file)，稱作XMM0到XMM7。這些XMM暫存器用於4個單精度浮點數運算的SIMD執行，並可以與MMX整數運算或x87浮點運算混合執行。 2001年在Pentium 4上引入了SSE2技術，進一步擴充套件了指令集，使得XMM暫存器上可以執行8/16/32位寬的整數SIMD運算或雙精度浮點數的SIMD運算。這使得 SIMD技術基本完善。

--------------------------------------------------------------------------------------------------------------------------------------------------------------------

SSE

SSE(Streaming SIMD Extensions)是英特爾在AMD的3DNow!釋出一年之後，在其計算機晶片Pentium III中引入的指令集，是繼MMX的擴充指令集。SSE 指令集提供了 70 條新指令。AMD後來在Athlon XP中加入了對這個新指令集的支援。

SSE的快取器

SSE 加入新的 8 個 128 位快取器（XMM0～XMM7）。而 AMD 發表的x86-64延伸架構《又稱 AMD64》再加入額外 8 個快取器。除此之外還有一個新的 32 位的控制／狀態快取器（MXCSR）。不過只能在 64 位的模式下才能使用額外 8 個快取器。

每 個快取器可以容納 4 個 32 位單精度浮點數，或是2 個 64 位雙精度浮點數，或是 4 個 32 位整數，或是 8 個 16 位短整數，或是 16 個字元。整數運算能夠使用正負號運算。而整數 SIMD 運算可能仍然要與 8 個 64 位 MMX 快取器一起執行。

因為作業系統必須要在程序切換的時候保護這些 128 位的快取器狀態，除非作業系統去啟動這些快取器，否則預設值是不會去啟用的。這表示作業系統必須要知道如何使用 FXSAVE 與 FXRSTOR 指令才能儲存 x87 與 SSE 快取器的狀態。而在當時 IA-32 的主流作業系統很快的都加入了此功能。

由於 SSE 加入了浮點支援，SSE 就比MMX 更加常用。而 SSE2 加入了整數運算支援之後讓SSE 更加的有彈性，當 MMX 變成是多餘的指令集，SSE 指令集甚至可以與 MMX 並行運作，在某些時候可以提供額外的效能增進。

第一個支援 SSE 的 CPU 是 Pentium III，在FPU 與SSE 之間共享執行支援。當編譯出來的軟體能夠交叉的同時以 FPU 與 SSE 運作，Pentium III 並無法在同一個週期中同時執行 FPU 與 SSE。這個限制降低了指令管線的有效性，不過 XMM 快取器能夠讓 SIMD 與純量浮點運算混合執行，而不會因為切換 MMX／浮點模式而產生效能的折損。

SSE指令表

SSE 提供純量與包裹式（packed）浮點指令。

浮點指令

• 記憶體到快取器／快取器到記憶體／快取器之間的資料搬移
  • 純量 – MOVSS
  • 包裹式 – MOVAPS, MOVUPS, MOVLPS, MOVHPS, MOVLHPS, MOVHLPS
• 數學運算
  • 純量 – ADDSS, SUBSS, MULSS, DIVSS, RCPSS, SQRTSS, MAXSS, MINSS, RSQRTSS
  • 包裹式 – ADDPS, SUBPS, MULPS, DIVPS, RCPPS, SQRTPS, MAXPS, MINPS, RSQRTPS
• 比較
  • 純量 – CMPSS, COMISS, UCOMISS
  • 包裹式 – CMPPS
• 資料拆包（unpack）與隨機搬移（shuffle）
  • 包裹式 – SHUFPS, UNPCKHPS, UNPCKLPS
• 資料型態轉換
  • 純量 – CVTSI2SS, CVTSS2SI, CVTTSS2SI
  • 包裹式 – CVTPI2PS, CVTPS2PI, CVTTPS2PI
• 逐位邏輯運算
  • 包裹式 – ANDPS, ORPS, XORPS, ANDNPS

整數指令

• 數學運算
  • PMULHUW, PSADBW, PAVGB, PAVGW, PMAXUB, PMINUB, PMAXSW, PMINSW
• 資料搬移
  • PEXTRW, PINSRW
• 其他
  • PMOVMSKB, PSHUFW

其他指令

• MXCSR 管理
  • LDMXCSR, STMXCSR
• 快取與記憶體管理
  • MOVNTQ, MOVNTPS, MASKMOVQ, PREFETCH0, PREFETCH1, PREFETCH2, PREFETCHNTA, SFENCE

後續版本

SSE2

SSE2是 Intel在Pentium 4處理器的最初版本中引入的，但是AMD後來在Opteron 和Athlon64處理器中也加入了SSE2的支援。SSE2指令集添加了對64位雙精度浮點數的支援，以及對整型資料的支援，也就是說這個指令集中所有的MMX指令都是多餘的了，同時也避免了佔用浮點數暫存器。這個指令集還增加了對CPU快取的控制指令。AMD對它的擴充套件增加了8個XMM暫存器，但是需要切換到64位 模式（x86-64/AMD64）才可以使用這些暫存器。Intel後來在其Intel 64架構中也增加了對x86-64的支援。

SSE3

SSE3是 Intel在Pentium 4處理器的 Prescott 核心中引入的第三代SIMD指令集，AMD在Athlon64的第五個版本，Venice核心中也加入了SSE3的支援。這個指令集擴充套件的指令包含暫存器的區域性位之間的運算，例如高位和低位之間的加減運算；浮點數到整數的轉換，以及對超執行緒技術的支援。

SSSE3

SSSE3是Intel針對SSE3指令集的一次額外擴充，最早內建於Core2 Duo處理器中。

SSE4

SSE4是Intel在Penryn核心的Core 2 Duo與Core2 Solo處理器時，新增的47條新多媒體指令集，並且現在更新至SSE4.2。AMD也開發了屬於自己的SSE4a多媒體指令集，並內建在Phenom與Opteron等K10架構處理器中，不過無法與Intel的SSE4系列指令集相容。

SSE5

SSE5是AMD為了打破Intel壟斷在處理器指令集的獨霸地位所提出的，SSE5初期規劃將加入超過100條新指令，其中最引人注目的就是三運算元指令（3-OperandInstructions）及熔合乘法累積（Fused Multiply Accumulate）。其中，三運算元指令讓處理器可將一個數學或邏輯函式庫，套用到運算元或輸入資料。藉由增加運算元的數量，一個 x86 指令能處理二至三筆資料， SSE5 允許將多個簡單指令彙整成一個指令，達到更有效率的指令處理模式。提升為三運算指令的運算能力，是少數RISC架構 的水平。熔合乘法累積讓允許建立新的指令，有效率地執行各種複雜的運算。熔合乘法累積可結合乘法與加法運算，透過單一指令執行多筆重複計算。透過簡化程式碼，讓系統能迅速執行繪圖著色、快速相片著色、音場音效，以及複雜向量演算等效能密集的應用作業。目前AMD已放棄下一代Bulldozer核心內建SSE5指令集，改內建Intel授權SSE4系列指令集。

--------------------------------------------------------------------------------------------------------------------------------------------------------------------

AVX

　　是Sandy Bridge和Larrabee架構新指令集　　Intel的微架構也進入了全速發展的時期，在2010年4月結束的IDF峰會上Intel公司就釋出了2010年的RoadMap。2011年1月Intel釋出全新的處理器微架構Sandy Bridge，其中全新增加的指令集也將帶來CPU效能的提升。

        AVX(Advanced Vector Extensions) 是Intel的SSE延伸架構，如IA16至IA32般的把快取器XMM 128bit提升至YMM 256bit，以增加一倍的運算效率。此架構支援了三運算指令（3-Operand Instructions），減少在編碼上需要先複製才能運算的動作。在微碼部分使用了LES LDS這兩少用的指令作為延伸指令Prefix。

FMA

• FMA是Intel的AVX擴充指令集，如名稱上熔合乘法累積（Fused Multiply Accumulate）的意思一樣。

--------------------------------------------------------------------------------------------------------------------------------------------------------------------

3DNow!

3DNow!（據稱是“3D No Waiting!”的縮寫）是由AMD開發的一套SIMD多媒體指令集，支援單精度浮點數的向量運算，用於增強x86架構的計算機在三維影象處理上的效能。

歷史

1996年Intel首先推出了支援MMX的Pentium處理器，極大地提高了CPU處理多媒體資料的能力，被廣泛地應用於語音合成、語音識別、音訊視訊編解碼、影象處理和串流媒體等領域。但是MMX只支援整數運算，浮點數運算仍然要使用傳統的x87協處理器指令。由於MMX與x87的暫存器相互重疊，在MMX程式碼中插入x87指令時必須先執行EMMS指令清除MMX狀態，頻繁地切換狀態將嚴重影響效能。這限制了MMX指令在需要大量浮點運算的程式，如三維幾何變換、裁剪和投影中的應用。

另一方面，由於x87古怪的堆疊式快取器結構，使得硬體上將其流水線化和軟體上合理排程指令都很困難，這成為提高x86架構浮點效能的一個瓶頸。

為了解決以上這兩個問題，AMD公司於1998年推出了包含21條指令的3DNow!指令集，並在其K6-2處理器中實現。K6-2是 第一個能執行浮點SIMD指令的x86處理器，也是第一個支援水平浮點暫存器模型的x86處理器。藉助3DNow!，K6-2實現了x86處理器上最快的浮點單元，在每個時鐘週期內最多可得到4個單精度浮點數結果，是傳統x87協處理器的4倍。許多遊戲廠商為3DNow!優化了程式，微軟的DirectX 7也為3DNow!做了優化，AMD處理器的遊戲效能第一次超過Intel，這大大提升了AMD在消費者心目中的地位。K6-2和隨後的K6-III成為市場上的熱門貨。

1999年，隨著Athlon處理器的推出，AMD為3DNow!增加了5條新的指令，用於增強其在DSP方面的效能，它們被稱為“擴充套件3DNow!”（Extended 3DNow!）。

為了對抗3DNow!，Intel公司於1999年推出了SSE指令集。SSE幾乎能提供3DNow!的所有功能，而且能在一條指令中處理兩倍多的單精度浮點數；同時，SSE完全支援IEEE 754，在處理單精度浮點數時可以完全代替x87。這迅速瓦解了3DNow!的優勢。

1999年後，隨著主流作業系統和軟體都開始支援SSE併為SSE優化，AMD在其2000年釋出的代號為“Thunderbird”的Athlon處理器中添加了對SSE的完全支援（“經典”的Athlon或K7只支援SSE中與MMX有關的部分，AMD稱之為“擴充套件MMX”即Extended MMX）。隨後，AMD致力於AMD64架構的開發；在SIMD指令集方面，AMD跟隨Intel，為自己的處理器新增SSE2和SSE3支援，而不再改進3DNow!。

2010年八月，AMD宣佈將在新一代處理器中取消除了兩條資料預取指令之外3DNow!指令的支援，並鼓勵開發者將3DNow!程式碼重新用SSE實現。

支援檢測

支援3DNow!的CPU的CPUID擴充套件功能字（EAX=80000001h時執行CPUID指令得到的EDX的內容）的（從低位到高位）第31位為1。支援擴充套件3DNow!的CPU的CPUID擴充套件功能字的（從低位到高位）第30位為1。

K6-2以後AMD所有的x86處理器都支援3DNow!，包括最新的Athlon 64、Opteron和Sempron處理器；Cyrix等一些其他廠家生產的某些處理器也支援3DNow!；但Intel生產的所有處理器都不支援3DNow!。

執行環境

3DNow!指令的執行環境與MMX一樣，都是將8個x87暫存器ST0～ST7的低64位重新命名為MMX暫存器MM0～MM7，並依平坦模式進行操作（即指令可以任意訪問這8個暫存器中的任何一個而不必使用堆疊）。

由於3DNow!使用的暫存器與x87暫存器重疊，任務切換時，儲存x87暫存器狀態的同時也儲存了3DNow!的狀態，所以3DNow!不需要作業系統的額外支援。只要CPU支援3DNow!，含有3DNow!程式碼的程式可以在只考慮到x87狀態的原有的作業系統上不加修改地執行。

由於3DNow!依平坦模式訪問暫存器，對3DNow!浮點單元的管線化變得容易，這也利於編譯器生成高效的浮點程式碼。

3DNow!指令集

3DNow!和擴充套件3DNow!的26條指令從功能上可以分為以下五類。

單精度浮點運算指令

此類指令的運算元均為64位，其高32位和低32位分別是IEEE754格式的單精度浮點數。大部分指令一次可接受兩個這樣的運算元，並得到兩個單精度浮點數的結果。它們的組合語言助記符都以PF開頭。

3DNow!還包含有計算單精度倒數和開方倒數的指令，並可以依程式需要，得到12位精度和24位精度的結果。這些指令一次只能處理一個單精度浮點數。

3DNow!的一個特色是可以將同一暫存器內的64位運算元中的兩個單精度浮點數相加或相乘，這在複數運算和內積運算中非常有用。Intel直到最近才在SSE3指令集中增加了這項功能，稱之為“水平操作”。

為了保證與舊有作業系統的相容性，與MMX指令一樣，3DNow!指令不引發任何算術異常。3DNow!指令不會生成也不能正確處理NaN和非規格化數，也不支援指定舍入模式。因此3DNow!並不是IEEE 754的一個完整實現，即使是隻涉及單精度浮點數時也不能完全代替x87。

增強的MMX指令

PAVGUSB用於求64位緊縮位元組（8×8位位元組）的平均值，可用於視訊編碼中的畫素平均和影象縮放等。可能是意識到這個功能的重要性，Intel在SSE中添加了功能完全相同的PAVGB指令。

PMULHRW則用來補充MMX指令PMULHW的不足，在緊縮字（4×16位字）相乘時可以得到比後者更準確的結果。Intel直到最近才在SSSE3中增加了功能相似的指令PMULHRSW。

PSWAPD指令用於交換緊縮雙字（2×32位字）中兩個雙字資料的位置。

資料型別轉換指令

PF2ID、PI2FD等4條指令用於完成整數和單精度浮點數之間的相互轉換。

資料預取指令

PREFETCH/PREFETCHW指令用於把將要使用到的資料從主儲存器提前載入快取中，以減少訪問主儲存器的指令執行時的延遲。Intel在SSE中添加了類似的PREFETCHTx指令

快速退出MMX狀態指令

FEMMS指令與MMX中的EMMS功能相同，用於退出MMX狀態。在K6-2和K6-III處理器中，FEMMS比EMMS更快；在Athlon及更新的處理器中，FEMMS等同於EMMS。

 --------------------------------------------------------------------------------------------------------------------------------------------------------------------

Neon

NEON 技術可加速多媒體和訊號處理演算法（如視訊編碼/解碼、2D/3D 圖形、遊戲、音訊和語音處理、影象處理技術、電話和聲音合成），其效能至少為 ARMv5 效能的 3 倍，為 ARMv6 SIMD 效能的 2 倍。

NEON 技術是 ARM Cortex™-A 系列處理器的 128 位 SIMD（單指令多資料）體系結構擴充套件，旨在為消費性多媒體應用提供靈活強大的加速功能，從而明顯改善使用者體驗。 它具有 32 個暫存器，64 位寬（是 16 個暫存器，128 位寬的雙倍檢視。）

NEON 指令可執行“打包的 SIMD”處理：

• 暫存器被視為同一資料型別的元素的向量
• 資料型別可為：簽名/未簽名的 8 位、16 位、32 位、64 位單精度浮點
• 指令在所有通道中執行同一操作

使用 NEON 技術的 ARM Cortex™-A 系列處理器，以及 ARM 的 Mali 多媒體硬體解決方案可用於多媒體應用，範圍從智慧手機和移動計算裝置到HDTV。

注：Nvidia Tegra2處理器閹割了Neon協處理器，視訊能力很雞肋