x86-64 SIMD 机制“比较”8 位无符号整数，给出 +1 / 0 / -1 结果（符号）的向量？

a <=> b对于有符号字节将是（使用有符号饱和度减去）。 结果可以被 normailzed 用于_mm256_subs_epi8(a, b)-1 / 0 / 1_mm256_sign_epi8(_mm256_set1_epi8(-1), res)

无符号字节可以“范围转换”^[1]到有符号字节：

const __m256i x80 = _mm256_set1_epi8(-128);
__m256i res = _mm256_subs_epi8(_mm256_xor_si256(a, x80), _mm256_xor_si256(b, x80));

---

绝对差异可以通过以下方式找到

_mm256_or_si256(_mm256_subs_epu8(a, b), _mm256_subs_epu8(b, a))或

_mm256_sub_epi8(_mm256_max_epu8(a, b), _mm256_min_epu8(a, b)).

---

[1] 范围转换：

SSE2（或更高版本）通常具有有符号整数的指令，而没有任何相应的无符号整数指令（反之亦然）。

要在有符号和无符号范围之间转换 8 位整数，只需添加或减去 128。

Signed 8-bit integers have the range -128..127
Unsigned 8-bit integers have the range 0..255

这种转换的微优化是使用 XOR 翻转通道的最高有效位。128 是 （0x80） 在 2 的补码中。没有第 9 位，因此无需借用或携带。在某些体系结构上，逻辑运算可能在比算术运算更多的执行端口上运行。大多数 SSE2 指令都具有破坏性的双操作数形式，因此 XOR 允许编译器自由地将 x ^= y 重新排序为 y ^= x，这与减法不同。0b10000000

这令人惊讶地乏味，因为无符号 8 位整数没有得到很好的支持，例如没有无符号比较。对于有符号的 8 位，这将是相当简单的。

使用英特尔内部函数，我想出了这个例程：

#include <immintrin.h>
#include <stdint.h>
#include <stddef.h>

void compare(int8_t* out, const uint8_t* a, const uint8_t* b, ptrdiff_t n)
{
    ptrdiff_t i;
    for(i = 0; i + 32 <= n; i += 32) {
        __m256i ai = _mm256_loadu_si256((const __m256i*)(a + i));
        __m256i bi = _mm256_loadu_si256((const __m256i*)(b + i));
        __m256i min_u = _mm256_min_epu8(ai, bi);
        /* Set all bits 1 (== -1) if a <= b */
        __m256i a_le_b = _mm256_cmpeq_epi8(min_u, ai);
        /* And the reverse */
        __m256i b_le_a = _mm256_cmpeq_epi8(min_u, bi);
        /*
         * Three cases:
         * 1. a == b: Both masks are set. Subtraction results in zero
         * 2. a < b: Left mask is -1, right is 0. Result is -1
         * 3. a > b: Left mask is 0, right is -1. 0 - (-1) == 1
         */
        __m256i result = _mm256_sub_epi8(a_le_b, b_le_a);
        _mm256_storeu_si256((__m256i*)(out + i), result);
    }
    if(n > 32) {
        /* overlapping iteration to deal with trailing elements */
        i = n - 32;
        __m256i ai = _mm256_loadu_si256((const __m256i*)(a + i));
        __m256i bi = _mm256_loadu_si256((const __m256i*)(b + i));
        __m256i min_u = _mm256_min_epu8(ai, bi);
        __m256i a_le_b = _mm256_cmpeq_epi8(min_u, ai);
        __m256i b_le_a = _mm256_cmpeq_epi8(min_u, bi);
        __m256i result = _mm256_sub_epi8(a_le_b, b_le_a);
        _mm256_storeu_si256((__m256i*)(out + i), result);
    }
    else if(n < 32) {
        /* Scalar loop if entire input is less than 1 vector */
        for(; i < n; ++i) {
            uint8_t ai = a[i], bi = b[i];
            out[i] = (ai >= bi) - (ai <= b);
        }
    }
}

主循环的主体编译为：

        vmovdqu ymm1, YMMWORD PTR [rdx+rax]
        vmovdqu ymm0, YMMWORD PTR [rsi+rax]
        vpminub ymm2, ymm0, ymm1
        vpcmpeqb        ymm0, ymm0, ymm2
        vpcmpeqb        ymm1, ymm1, ymm2
        vpsubb  ymm0, ymm0, ymm1
        vmovdqu YMMWORD PTR [rdi+rax], ymm0

GCC 在给定标量循环时，会提出相同的解决方案。但它对循环的内容非常敏感。它不能将 if-else-if-else 构造（或链接的三元运算符）简化为相同的代码。

AVX512系列

AVX512 使代码更加简单明了。这是 AVX512 的主循环

        __m512i ai = _mm512_loadu_si512((const __m512i*)(a + i));
        __m512i bi = _mm512_loadu_si512((const __m512i*)(b + i));
        __mmask64 a_ne_b = _mm512_cmp_epu8_mask(ai, bi, _MM_CMPINT_NE);
        __mmask64 a_gt_b = _mm512_cmp_epu8_mask(bi, ai, _MM_CMPINT_LT);
        /* -1 if a != b */
        __m512i result = _mm512_movm_epi8(a_ne_b);
        /* negate -1 to 1 if a > b */
        result = _mm512_mask_abs_epi8(result, a_gt_b, result);
        _mm512_storeu_si512((__m512i*)(out + i), result);

首先，您很少真正想要或需要具有 + / 0 / - 值的向量;使用它可能需要将其解码回两个掩码或其他东西，因此只需比较两次即可获得两个掩码。（例如 / 获得大于或小于向量，并直接在两个输入上获得相等向量。_mm256_min_epu8_mm256_cmpeq_epi8cmpeq

如果要使用它来有条件地否定或将另一个字节向量归零，请使用 aqrit 的答案的结果，该结果生成 +/0/- 向量。（令人惊讶的是，没有 AVX-512 ，所以在这种情况下你需要其他东西。_mm256_sign_epi8vpsignb

如果你真的想有条件地否定一些浮点数或其他东西，不要乘以 1.0 或 -1.0，只需用 XOR 翻转符号位即可。（并用 0 或 0xffffffff 掩码，在用 符号扩展结果后 ）。vpcmpeqbvpmovsxbd

---

既然您询问了 AVX-512 版本：

我上面说的关于首先不创建 +/0/- 向量的内容对 AVX-512 来说是双倍的;使用其他操作的屏蔽版本可以让您几乎免费地应用 A，或者使用更少的指令，无论您实际想用它做什么。也就是说，我们可以看看它：__mmask64

AVX-512 的新无符号比较指令只能比较到掩码寄存器中，并将其具体化为 0 / -1 的向量需要另一条指令。（但至少这是一个廉价的指令，例如在英特尔的任何执行端口上运行，并且不需要已经加载任何向量常量。在 AVX-512 之前，唯一可用的 SIMD 整数比较是 equality 和 signed greater-than。（但是有符号和无符号的最小/最大指令，以及有符号和无符号饱和减法。

使用 AVX-512 做到这一点的一种方法仍然是比 aqrit 的指令更多，但会产生 0 / -1。

• 2x 比较（无符号和 ）得到 2 个掩码。negt

• vpmovm2b从掩码中获取 / 对于 / 不相等的元素。0-1ne

• 使用掩码进行合并遮罩以否定我们想要 +1 而不是 -1 的元素。_mm512_mask_abs_epi8gt

（参见 Homer512 的答案，了解 C 的内在版本;感谢您在评论中写下我发布的建议。以及该答案的早期修订版，用于使用合并掩码来混合 a 和 a 常量的版本。set1(-1)set1(1)

不幸的是，英特尔 CPU 只能在一个执行端口上运行 compare-into-mask，因此它没有我们想要的指令级并行性。但是，只要比较先运行，就可以了;在结果准备好之前，我们不能使用掩码，因此可以与第二次比较同时进行。negtvpmovm2b

在 AVX-512 中使用 256 位向量宽度（除非您的整个程序大量使用 512 位向量，这通常是一个好主意），您可以使用 AVX2 和按位 NOT （ with ） 实现向量，以获得 2 个周期的延迟，但代价是需要一个向量常数。（https://uops.info/）。 然而，实现起来很便宜，只是一个针对自己的寄存器。nevpcmpeqbvpxor-1-1vpcmpeqd

但是，对于 256 位向量，我认为具有 4 个 AVX2 指令的 Homer 版本可能是最好的，并且与这两种方式进行比较，然后减去不相交的掩码以否定其中一个中的元素，同时合并它们。我看不出有什么方法可以用 AVX-512 击败它。或者更好的是，如果你不需要 +1/0/-1，aqrit 的符号饱和减法会得到一个 +/0/- 向量。vpminub-1