SSE入門

來源：http://blog.csdn.net/bendanban/article/details/42299863

 

此文主要內容來自這篇文章，本文翻譯只求逐句翻譯。

正文：

咱們將在本文中介紹如何在C++/C中使用SSE指令。個人目的不是用SSE寫儘量快的程序，而是試圖講明白它的使用方法。

 

什麼是SSE？

 SSE的全稱是 Sreaming SIMD Extensions， 它是一組CPU指令，用於像信號處理、科學計算或者3D圖形計算同樣的應用。

 

SIMD 也是幾個單詞的首寫字母組成的： Single Instruction, Multiple Data。 一個指令發出後，同一時刻被放到不一樣的數據上執行，

這個指令就是SIMD指令。

 

SSE在1999年首次出如今Pentium 3上。在過去的那段時光裏，一些更加精緻的功能被加入了這套指令集，

8個128-bit的寄存器被加入了CPU ：xmm0到xmm7.

 

 

最初的時候，這些寄存器智能用來作單精度浮點數計算（float），

自從SSE2開始，這些寄存器能夠被用來計算任何基本數據類型的數據了。

 

給定一個標準的32位機器，咱們能夠並行的存儲和計算了：

-- 2 double

-- 2 long

-- 4 float 

-- 4 int

-- 8 short

-- 16 char

注意：整數類型能夠是有符號也能夠是無符號的，不過有時候你可能要用不一樣的指令來處理他們。

好比，你想計算兩個整數數組的和，你能夠一次計算四個加法。

 

 

簡單的例子

開始學習SSE並非很簡單的，幸虧MSDN的文檔寫的很好（原做的連接打不開了，新鏈接是我加上去的）！

若是你看一下那個算術操做的列表，一會注意到總有相應的彙編指令與其對應。

另外，一些操做是符合操做，例如那些set操做。

在C++中用SSE真真是一個low-level的操做：咱們將直接經過類型

__m128（4個float）、__m128d（2個double）、__m128i(int、short、char)直接控制那些128-bit的寄存器。

 

不過，爲了使用SSE咱們沒必要去聲明__m128類型的數組：好比，你想計算一個浮點型數組中每一個元素的平方根，

有能夠直接將你的數組強制類型轉換成__m128*，而後使用SSE的命令操做這個數組。

 

無論怎樣，咱們仍是要多作一點事情，才能用SSE。大多數SSE操做須要咱們的數據是16-bytes對齊的，

這裏咱們將使用另外一個GCC的 Variable attributes。 咱們使用對齊屬性：

 

 

aligned (alignment)
This attribute specifies a minimum alignment for the variable or structure field, measured in bytes.

下面是一個簡單的代碼，展現如何用SSE的_mm_sqrt_ps()函數一次性計算四個浮點數的平方根：

 

 

float a[] __attribute__ ((aligned (16))) = { 41982.,  81.5091, 3.14, 42.666 };
__m128* ptr = (__m128*)a;
__m128 t = _mm_sqrt_ps(*ptr);

 

若是用GCC編譯器，在編譯選項中加入-S選項，產生的彙編代碼中相應的彙編語句是SQRTPS，

並且這個指令使用的寄存器就是SSE的寄存器：

 

sqrtps  %xmm0, %xmm0

不要忘了加上那個頭文件：

 

 

#include <emmintrin.h>

 

第一個評測

在前面的代碼中，咱們同時計算了4個float的平方根，可是咱們沒有記錄結果。爲了記錄結果，咱們使用_mm_store_ps

在下面的代碼中，咱們計算一個很是大的float數組的平方根。（做者使用的是他以前寫的計時函數，這裏我直接貼出來了）

來對程序的標準版本和SSE版計時。

 

class Timer
{
public:
  Timer(const std::string& name)
    : name_ (name),
      start_ (std::clock())
    {
    }
  ~Timer()
    {
      double elapsed = (double(std::clock() - start_) / double(CLOCKS_PER_SEC));
      std::cout << name_ << ": " << int(elapsed * 1000) << "ms" << std::endl;
    }
private:
  std::string name_;
  std::clock_t start_;
};
#define TIMER(name) Timer timer__(name);

void normal(float* a, int N)
{
  for (int i = 0; i < N; ++i)a[i] = sqrt(a[i]);
}
void sse(float* a, int N)
{// We assume N % 4 == 0.
  int nb_iters = N / 4;
  __m128* ptr = (__m128*)a;
  for (int i = 0; i < nb_iters; ++i, ++ptr, a += 4)
    _mm_store_ps(a, _mm_sqrt_ps(*ptr));
}
int main(int argc, char** argv)
{
  if (argc != 2)
    return 1;
  int N = atoi(argv[1]);
  float* a;
  posix_memalign((void**)&a, 16,  N * sizeof(float));
  for (int i = 0; i < N; ++i)a[i] = 3141592.65358;
  {
    TIMER("normal");
    normal(a, N);
  }
  for (int i = 0; i < N; ++i)a[i] = 3141592.65358;
  {
    TIMER("SSE");
    sse(a, N);
  }
}

在上面的SSE的函數代碼中，咱們用了兩個指針指向的是同一個地址，可是使用的類型不一樣，這固然不是必須的，只是用來避免強制類型轉換。

 

有趣的是，咱們必須對__m128每次遞增1（128bits），對應的，咱們也必須按四遞增float指針（就是至關於一次算四個float）。

另外一個有趣的函數式 posix_memalign，而不是用align attribute，這個函數是在堆上申請對齊內存，而gcc attribute是在棧上申請內存。

 

評測環境： llvm-g++ 4.2 (flags: -O3 -msse2)  在Intel Core2 Duo P7350(2GHz)上測試。

 

$ ./sqrt 64000000
normal: 392ms
SSE: 145ms

真的至關快哈！

 

 

第二個評測

 

怎麼將兩個char數據加在一塊兒呢：

 

void sse(char* a, const char* b, int N)
{
  int nb_iters = N / 16;
  __m128i* l = (__m128i*)a;
  __m128i* r = (__m128i*)b;

  for (int i = 0; i < nb_iters; ++i, ++l, ++r)
    _mm_store_si128(l, _mm_add_epi8(*l, *r));
}

評測結果：

 

 

$ ./add 64000000
normal: 98ms
SSE: 42ms

 

性能分析

 

你可能會問，爲何咱們沒有獲得四倍的加速呢？咱們但是一次計算4個float數據啊，怎麼咱們只有2倍的加速呢？？

 

答案是，你的編譯器很聰明，它已經作了不少優化了，特別是在加入O3選項後。

實際上，若是你看下normal產生的彙編代碼，裏面的sqrt和add函數都已經被你的編譯器給用SSE指令優化了。

編譯器檢測到循環模式適合SSE，就把這個代碼使用SSE指令實現了。

無論怎樣，直接使用SSE函數仍是能夠得到一些性能的。

 

取決於你的編譯器版本，對於這種簡單的循環，你發現執行時間上沒有差別也是可能的。

可是，這裏必需要再提一次的是，咱們是介紹怎麼用SSE，不是隻爲了性能~