SSE学习笔记

背景

什么是指令集？

指令集是为了增强CPU在某些方面（如多媒体）的功能而特意开发出的一组程序代码集合。

常见的指令集有哪些呢？

MMX(Multi-Media Extensions，多媒体扩展)：Intel1996年推出的一项多媒体指令增强技术。共包含57条多媒体指令，这些指令一次可以处理多个数据。MMX的主要问题是，CPU无法同时处理浮点和SIMD数据，只对整数起作用（不支持浮点计算）。

SSE指令集（Streaming SIMD Extensions，单指令多数据留扩展）兼容MMX指令，它可以通过SIMD（单指令多数据技术）和单时钟周期并行处理多个浮点来有效地提高浮点运算速度。SSE数据集包含70条指令，其中有50条SIMD（单指令多数据技术）浮点运算指令，12条MMX整数运算增强指令，8条优化内存中连续数据块的传输指令。理论上这些指令对目前流行的图像处理、浮点处理、3D运算、视频处理、音频处理等多媒体应用起到全面强化的作用。  注意：SSE指令和3DNow!指令彼此互不兼容，但SSE包含了3DNow!的绝大多数功能。

SSE2、SSE3、SSE4是SSE的扩展技术。

3DNow！指令集。

X86指令集

AVX指令集（Advanced Vector Extensions），Intel AVX指令集在SIMD计算性能增强的同时也沿用了的MMX/SSE指令集。不过和MMX/SSE的不同点在于增强的AVX指令，从指令的格式上就发生了很大的变化。AVX 指令集架构的改进和增强的功能：

• 128 位 SIMD 寄存器 xmm0 – xmm15 扩展为 256 位的 ymm0 – ymm15 寄存器 ；
• 支持 256 位的矢量运算，由原来 128 位扩展为 256 位 ；
• 指令可支持最多 4 个操作数，实现目标操作数无需损毁原来的内容 ；
• 引进新的 AVX 指令，非 Legacy SSE 指令移植 ；
• 新增 FMA 指令子集进行 fused multiply-add/subtract 类运算，用子式表达为：± (a * b) ± c ；
• 引进新的指令编码模式，使用 VEX prefix 来设计指令编码 。

SSE介绍

SSE（为 Streaming SIMD Extensions 的缩写）是由Intel公司，在 1999 年推出 Pentium III 处理器时，同时推出的新指令集，它是SIMD指令集扩展。SIMD（single-instruction, multiple-data）是一种使用单道指令处理多道数据流的CPU执行模式，即在一个CPU指令执行周期内用一道指令完成处理多个数据的操作。 当对多个数据对象执行完全相同的操作时, SIMD 指令可以大大提高性能。典型的应用是数字信号处理和图形处理。

SSE 指令包括了四个主要的部份：单精度浮点数运算指令、整数运算指令（此为 MMX 之延伸，并和 MMX 使用同样的缓存器）、Cache 控制指令、和状态控制指令。 这里主要是介绍浮点数运算指令和 Cache 控制指令。

SSE新增的寄存器（用于浮点运算指令）

SSE 新增了八个新的 128 位缓存器，xmm0 ~ xmm7。 这些 128 位的缓存器，可以用来存放四个 32 位的单精度浮点数。 SSE 的浮点数运算指令就是使用这些缓存器。 和之前的 MMX 或 3DNow! 不同，这些缓存器并不是原来己有的缓存器（MMX 和 3DNow! 均是使用 x87 浮点数缓存器），所以不需要像 MMX 或 3DNow! 一样，要使用 x87 指令之前，需要利用一个EMMS 指令来清除缓存器的状态。 因此，不像 MMX 或 3DNow! 指令，SSE 的浮点数运算指令，可以很自由地和 x87 指令，或是 MMX 指令共享。 但是，这样做的主要缺点是，因为多任务操作系统在进行 context switch 时，需要储存所有缓存器的内容。 而这些多出来的新缓存器，也是需要储存的。 因此，既存的操作系统需要修改，在 context switch 时，储存这八个新缓存器的内容，才能正确支持 SSE 浮点运算指令。

下图是 SSE 新增的缓存器的示意图：

SSE新的数据类型

根据上面知道，SSE新增的寄存器是128bit的，那么SSE就需要使用128bit的数据类型 (也就是 __m128)，SSE使用4个浮点数（4*32bit）组合成一个新的数据类型，用于表示128bit类型，SSE指令的返回结果也是128bit的。

SSE浮点运算指令分类

SSE的浮点运算指令分为两大类：packed 和 scalar。（有些地方翻译为“包裹指令和”“标量指令” :) )
packed指令是一次对XMM暂存器中的四个浮点数（即DATA0 ~ DATA3）均进行计算，而scalar则只对XMM暂存器中的DATA0进行计算。如下图所示：

SSE指令格式

• 第一部分表示指令的作用，比如加法add；
• 第二部分是p或者s，分别表示为packed或者scalar；
• 第三部分为s，表示单精度浮点数。

SSE定址/寻址方式

SSE 指令和一般的x86 指令很类似，基本上包括两种定址方式：寄存器-寄存器方式(reg-reg)和寄存器-内存方式(reg-mem)：

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

指令的运算结果会覆盖到第一个参数中。 例如，以上面的第一个例子来说，xmm0 缓存器会存放最后计算的结果。

另外，绝大部份需要存取内存的 SSE 指令，都要求地址是 16 的倍数（也就是对齐在 16 bytes 的边上）。 如果不是的话，就会导致 exception。 这是非常重要的。 因为，一般的 32 位浮点数只会对齐在 4 bytes 或 8 bytes 的边上（根据 compiler 的设定而不同）。 另外，若是处理数组中的数字，也需要特别注意这个问题。

支持SSE指令集的intrinsics内联函数

SSE指令的使用

要在 C 或 C++ 程序中使用SSE指令有两种方式：一是直接在C/C++中嵌入（汇编）指令(内嵌式汇编语言)；二是使用Intel C++ Compiler或是Microsoft Visual C++中提供的支持SSE指令集的intrinsics内联函数。从代码可读和维护角度讲，推荐使用intrinsics内联函数的形式。以下是一些例子：

/ 内嵌式汇编语言使用SSE指令集 / _asm addps xmm0, xmm1 __asm movaps [ebx], xmm0 ... __m128 data; ... __asm { lea ebx, data addps xmm0, xmm1 movaps [ebx], xmm0 } / 通过 intrinsics内联函数使用SSE指令集 / __m128 data1, data2; ... __m128 out = _mm_add_ps(data1, data2); ... 

什么是intrinsics？  

intrinsics函数是对MMX、SSE等指令集的一种封装，以函数的形式提供，使得程序员更容易编写和使用这些高级指令，在编译的时候，这些函数会被内联为汇编，不会产生函数调用的开销。SSE指令中intrinsics函数的数据类型为：__m128，如果使用sizeof(__m128)计算该类型大小，结果为16，即等于四个浮点数长度。

SSE的 intrinsics函数 一般格式为：_mm_

_

• 前缀_mm，表示是SSE指令集对应的Intrinsic函数；
• < opcode> 是对应的指令操作，如_add，_mul，_load等，有些操作可能会有修饰符，如loadu将未16位对齐的操作数加载到寄存器中。
• 
  为操作的对象名及数据类型。 在 SSE 浮点运算指令中，只有两个种类：
  ps 和
  ss。 其中，ps 是指
  Packed Single-precision，也就是这个指令对缓存器中的四个单精度浮点数进行运算；ss 则是指
  Scalar Single-precision，也就是这个指令只对缓存器中的 DATA0 进行运算。
  

所以，像上面的 _mm_add_ps 指令，就是把两个四维向量相加的指令。

SSE指令中的intrinsics函数的数据类型为：__m128，正好对应了上面提到的SSE新的数据类型（128bit），当然，这种数据类型只是一种抽象表示，实际是要转换为基本的数据类型的。

头文件

有了头文件，在我们的代码中才能调用指令集函数（加入头文件可以将汇编形式的指令集封装成C语言形式，可增强可读性以及可维护性），Visual Studio使用SSE需要添加对应的头文件：

• mmintrin.h——>MMX
• xmmintrin.h——>SSE
• emmintrin.h——>SSE2
• pmmintrin.h——>SSE3

SSE指令的内存对齐要求

SSE中大部分指令要求地址是16bytes对齐的，要理解这个问题，以_mm_load_ps函数来解释，这个函数对应于loadps的SSE指令。

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

可以看到，它的输入是一个指向float的指针，返回的就是一个__m128类型的数据，从函数的角度理解，就是把一个float数组的四个元素依次读取，返回一个组合的__m128类型的SSE数据类型，从而可以使用这个返回的结果传递给其它的SSE指令进行运算，比如加法等；从汇编的角度理解，它对应的就是读取内存中连续四个地址的float数据，将其放入SSE新的暂存器(xmm0~8)中，从而给其他的指令准备好数据进行计算。其使用示例如下：

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

这里加载正确的前提是：input这个浮点数阵列都是对齐在16 bytes的边上。否则加载的结果和预期的不一样。如果没有对齐，就需要使用 _mm_loadu_ps 函数，这个函数用于处理没有对齐在16bytes上的数据，但是其速度会比较慢。关于内存对齐的问题，这里就不详细讨论什么是内存对齐了，以及如何指定内存对齐方式。这里主要提一下，SSE的intrinsics函数中的扩展的方式：

一般来说，宣告一个 float 的数组，并不会对齐在 16 bytes 的边上。 如果希望它会对齐在 16 bytes 的边上，以便利用 SSE 指令的话，Visual C++ 6.0 Processor Pack 和 Intel C++ compiler 都可以指定对齐方式。 指定的方式如下：

• __declspec(align(16)) float input[4]；

这样就可以直接用较快的 _mm_load_ps 来加载数据了。 因为 SSE 浮点数指令常常需要数据对齐在 16 bytes 的边上，所以在 xmmintrin.h 也定义了一个宏 _MM_ALIGN16， 是同样的意义。 因此，上面的程序也可以写成：

• _MM_ALIGN16 float input[4]；

【注意】GCC编译器和VC编译器下字节对齐是不同的，例如创建此结构体实例时按16字节对齐：

• gcc: __attribute__((aligned(16)))
• vc:   __declspec(align(16))
   
  
  

大小端问题

这个只是使用SSE指令的时候要注意一下，我们知道，x86的little-endian特性，位址较低的byte会放在暂存器的右边。也就是说，若以上面的input为例，在载入到XMM暂存器后，暂存器中的DATA0会是1.0，而DATA1是2.0，DATA2是3.0，DATA3是4.0。如果需要以相反的顺序载入的话，可以用_mm_loadr_ps 这个intrinsic，根据需要进行选择。

【参考】

          http://dev.gameres.com/Program/Other/SSEjianjie.htm

          https://blog.csdn.net/gengshenghong/article/details/