SIMD 算法，用于检查整数块是否为“连续”。

我认为你的第一个想法可能是最好的，如果在一个循环中完成，可以摊销加载向量常量的成本。AVX-512 可以有效地做到这一点。

要么使用矢量负载，然后使用 ，要么使用矢量负载和广播负载分别广播低元素。例如 / .vpbroadcastdvpaddd zmm16, zmm31, [rdi]{1to16}vpcmpeqd k1, zmm16, [rdi]

嗯，但是然后检查所有元素是否为真，我想也许会有一个常数，并检查低 16 位是否为零？或者只是一个整数寄存器进行比较，就像我们对 SSE/AVX 所做的那样。我试了一下，clang有一个更好的主意：比较不相等，并检查掩码是否全部为零。（即，通过检查每个元素是否不相等来检查它们是否相等。这允许在面具本身上。我将 clang 的想法应用到我的内部函数中，这样 GCC 也可以做出更好的 asm。kaddw1kortestkmov0xffffpmovmskbkortest

在 C++ 中：

#include <immintrin.h>

// compare for not-equal, checking the mask for 0
bool check_contig(int *p)
{
    __m512i bcast_first = _mm512_set1_epi32(*p);
    __m512i desired = _mm512_add_epi32(bcast_first, _mm512_setr_epi32(15,14,13,12,11,10,9,8,7,6,5,4,3,2,1,0));

    __m512i v = _mm512_loadu_si512(p);
    __mmask16 cmp = _mm512_cmpneq_epi32_mask(desired, v);
    return cmp == 0;
}

Godbolt - 来自 GCC 和 clang 的 asm：

# GCC
check_contig(int*):
        vmovdqa32       zmm0, ZMMWORD PTR .LC0[rip]
        vpaddd  zmm0, zmm0, DWORD PTR [rdi]{1to16}
        vpcmpd  k0, zmm0, ZMMWORD PTR [rdi], 4
        kortestw        k0, k0
        sete    al
        vzeroupper
        ret

# clang
check_contig(int*):
        vpbroadcastd    zmm0, dword ptr [rdi]
        vpaddd  zmm0, zmm0, zmmword ptr [rip + .LCPI0_0]
        vpcmpneqd       k0, zmm0, zmmword ptr [rdi]
        kortestw        k0, k0
        sete    al
        vzeroupper
        ret

因此，它们都选择加载两次而不是 ，至少在不循环中时是这样，因此向量常量也必须从 .vpbroadcastd zmm1, xmm0.rodata

也许如果我以不同的方式写它，因为他们更喜欢一个加载，代价是额外的随机播放。（当您有 512 位 uops 在运行时，情况可能会更糟，因此 Intel CPU 会关闭端口 1 上的矢量 ALU，只留下端口 0 和 5。https://agner.org/optimize/ 和 https://uops.info/_mm512_broadcastd_epi32( _mm512_castsi512_si128(v)))

算法 B - 避免非平凡的向量常数

也许您的第二种方法也可以有效地旋转矢量;它唯一需要的向量常数是 all-1，它可以更便宜地生成 （） 而不是加载。valigndvpternlogd

检查比较掩码可能需要一个 + 的整数来检查除一位之外的所有位，除非我们可以使用与 clang 相同的技巧并安排事情，因此我们实际上希望掩码在我们想要的地方全为零。在这种情况下，可以检查我们想要的位，而忽略我们不需要的位。kmovandcmptest eax, imm32

我当前 Rust 代码的核心现在是这个宏代码：

    const LAST_INDEX: usize = <$simd>::lanes() - 1;
    let (expected, overflowed) = $chunk[0].overflowing_add(LAST_INDEX as $scalar);
    if overflowed || expected != $chunk[LAST_INDEX] {
        return false;
    }


    let a = unsafe { <$simd>::from_slice_aligned_unchecked($chunk) } + $decrease;
    let compare_mask = a.eq(<$simd>::splat(a.extract(0)));
    compare_mask.all()

其中 $scalar 是 ，$simd 是，$decrease 是 [15， 14 ...0] 块。代码的第一部分抽查最后一个元素是否比第一个元素多 15 个（并处理溢出）。u32u32x16

我请了一个智能工具来帮助我了解所生产的 SIMD 组件。它说：

• vmovdqa64： 此指令将 512 位数据向量移动到 ZMM 寄存器中。 它在这里使用了两次： vmovdqa64 zmm0，zmmword ptr [...]： 加载一个 512 位向量从内存到 zmm0。vmovdqa64 zmm0，zmmword ptr [...] （在代码后面）：将不同的 512 位向量加载到 zmm0 中。 vpaddd：

• vpaddd zmm0，zmm0，zmmword ptr [rax+40h]：执行打包整数 添加 32 位整数。此指令添加 512 位向量 在 zmm0 中到另一个 512 位向量（从 rax + 40h） 并将结果存储回 zmm0 中。VP广播：

• vpbroadcastd zmm1，xmm0：广播来自 xmm0 的 32 位整数（较低 128 位 zmm0） 跨越 zmm1 的所有通道。这将创建一个 512 位 zmm1 中的向量，其中所有元素都相同且等于值 在 xmm0 中。vpcmpeqd：

• vpcmpeqd k0，zmm0，zmm1：比较 zmm0 和 zmm1 中的 32 位整数 平等。结果存储在掩码寄存器 k0 中，其中每个位 表示每对元素的比较结果。 vpternlogd：

• vpternlogd zmm1，zmm1，zmm1,0FFh：执行按位三元逻辑 对操作数的每个位进行操作。具体操作是 由即时值 0xFF 确定，在本例中对应于 到按位 OR。VPMOVM2D：

• vpmovm2d zmm0，k0：将位掩码从掩码寄存器 k0 移动到 通用寄存器 ZMM0。k0 的每个位都成为一个 32 位元素 在 zmm0 中。vpcmpd：

• vpcmpd k0，zmm0，zmm1,4：比较 zmm0 和 zmm1 中的 32 位整数 根据作为最后一个操作数提供的谓词（这里是 4，其中 通常表示“小于”）。结果存储在掩码中 注册 K0。vmovdqu64：

• vmovdqu64 zmmword ptr [rsp+50h]，zmm0：移动 zmm0 中的 512 位向量 在地址 rsp + 50h 处进入内存。

• kortestw k0，k0：测试掩码寄存器 k0 的内容并设置 基于结果的零标志。这通常用于条件 基于 SIMD 比较结果的分支。

• VzeroUpper： 此指令用于清除所有 YMM 的上 256 位 寄存器以避免在混合 AVX-512 和传统 SSE 代码时受到处罚。 最好在调用函数之前使用此指令 AVX-512 可能不知道。