x86 - 如何在 xmm 寄存器中旋转压缩四字？

Question

给定一个 128 位 xmm包含两个四字(即两个 64 位整数)的寄存器:

     ╭──────────────────┬──────────────────╮
xmm0 │ ffeeddccbbaa9988 │ 7766554433221100 │
     ╰──────────────────┴──────────────────╯

如何对单个四字执行旋转？例如:

prorqw xmm0, 32   // rotate right packed quadwords

     ╭──────────────────┬──────────────────╮
xmm0 │ bbaa9988ffeeddcc │ 3322110077665544 │
     ╰──────────────────┴──────────────────╯

我知道 SSE2 提供:

PSHUFW : 洗牌包装 话 (16 位)

PSHUFD : 洗牌包装 双字 (32 位)

虽然我不知道指令是做什么的，也没有 四字 (64 位)版本。

奖金问题

你会如何执行 ROR的 xmm注册 - 假设其他大小的打包数据？

右旋包装双字按 16 位:

     ╭──────────┬──────────┬──────────┬──────────╮
xmm0 │ ffeeddcc │ bbaa9988 │ 77665544 │ 33221100 │
     ╰──────────┴──────────┴──────────┴──────────╯
                        ⇓
     ╭──────────┬──────────┬──────────┬──────────╮
xmm0 │ ddccffee │ 9988bbaa │ 55447766 │ 11003322 │
     ╰──────────┴──────────┴──────────┴──────────╯

右旋包装字按 8 位:

     ╭──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────╮
xmm0 │ ffee │ ddcc │ bbaa │ 9988 │ 7766 │ 5544 │ 3322 │ 1100 │
     ╰──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────╯
                        ⇓
     ╭──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────╮
xmm0 │ eeff │ ccdd │ aabb │ 8899 │ 6677 │ 4455 │ 2233 │ 0011 │
     ╰──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────╯

额外奖励问题

如果是 256 位 ymm，您将如何执行上述操作登记？

     ╭──────────────────────────────────┬──────────────────────────────────╮
ymm0 │ 2f2e2d2c2b2a29282726252423222120 │ ffeeddccbbaa99887766554433221100 │ packed doublequadwords
     ╰──────────────────────────────────┴──────────────────────────────────╯
     ╭──────────────────┬──────────────────┬──────────────────┬──────────────────╮
ymm0 │ 2f2e2d2c2b2a2928 │ 2726252423222120 │ ffeeddccbbaa9988 │ 7766554433221100 │ packed quadwords
     ╰──────────────────┴──────────────────┴──────────────────┴──────────────────╯
     ╭──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────┬──────────╮
ymm0 │ 2f2e2d2c │ 2b2a2928 │ 27262524 │ 23222120 │ ffeeddcc │ bbaa9988 │ 77665544 │ 33221100 │ packed doublewords
     ╰──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────┴──────────╯
     ╭──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────┬──────╮
ymm0 │ 2f2e │ 2d2c │ 2b2a │ 2928 │ 2726 │ 2524 │ 2322 │ 2120 │ ffee │ ddcc │ bbaa │ 9988 │ 7766 │ 5544 │ 3322 │ 1100 │ packed words
     ╰──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────┴──────╯

奖励阅读

Intel Intrinsics Guide

X86 Opcode and Instruction Reference Home

Rotation or Shifting with x86/x64 Assembly

PSHUFW explanation?

Answer 1

如果旋转计数是 8 的倍数，则可以使用字节洗牌。 SSSE3 pshufb 使用控制掩码可以在一条指令中处理任何其他 8 的倍数。

SSE2 pshufd 可以处理 count=32，交换每个 qword 的两半:_MM_SHUFFLE(2,3, 0,1) ，或在 asm pshufd xmm0, xmm0, 0b10_11_00_01 (NASM 支持 _ 作为可选的分隔符，就像 C++11 的数字文字一样。)

SSE2 pshuflw + pshufhw 对于没有 SSSE3 的函数版本来说，对于 16 个计数的倍数来说还不错，但是您需要对低/高 qword 进行单独的洗牌。 (一个 imm8 控制字节仅包含四个 2 位字段。)或者使用 AVX2，用于每个 channel 内的奇数/偶数 qword。

如果旋转计数不是 8 的倍数 , 有 AVX512F vprolq zmm0, zmm1, 13 和 vprorq .也可用于可变计数版本，每个元素计数来自另一个向量而不是立即数。 vprolvq/vprorvq .也可用于双字粒度，但不能用于字或字节。

否则，只有 SSE2 且计数不是 16 的倍数，您需要左移+右移 + OR 在 asm 中实际实现在 C 中表达旋转的常用方法为 (x << n) | (x >> (64-n)) . ( Best practices for circular shift (rotate) operations in C++ 指出了从超出范围的移位计数中解决潜在 C UB 的方法，这对内在函数或 asm 不是问题，因为 asm 和内在函数的行为由英特尔明确定义:SIMD 移位使移位饱和计数，而不是像标量偏移那样掩盖它。)

SSE2 具有小至 16 位粒度的移位，因此您可以直接执行此操作。

对于字节粒度，您需要额外的掩码以将字中字节之间移位的位清零。 Efficient way of rotating a byte inside an AVX register .或者使用像 pmullw 这样的技巧具有 2 次幂元素的向量，允许每个元素的可变计数。 (其中 AVX2 通常只有 dword/qword 的可变计数移位)。