x86 - AVX2 中的 channel 内交叉 64 位元素数据移动

Question

是否有任何寄存器到寄存器¹ AVX 或 AVX2 指令以任何方式在 中的 128 位 channel 的 64 位一半之间移动数据ymm regs，在当代 Intel² 上不使用端口 5？

---

¹ _{这种东西有点存在于内存源中，以D和Q<的形式存在广播指令。}

² _{Haswell 通过 Skylake-S(尽管如果在 SKX 中实现的 AVX-512 中存在任何内容，则值得一提)。}

Answer 1

我认为在 1 条 reg-reg 指令中是不可能的，但是存储/重新加载可以在没有端口 5 的情况下在 channel 内移动数据。即使像 dppd 或 vcvtps2pd 这样时髦的东西也需要端口 5 shuffle。所有寄存器源洗牌指令都在 Haswell 及更高版本的端口 5 上运行(直到 Ice Lake 在另一个端口上添加第二个洗牌单元可以进行一些洗牌)。

显然，未对齐的重新加载可以进行任何字节移位，但这会导致存储转发停顿，并且您必须屏蔽不需要的数据。

vmovddup x/y/zmm, [mem]完全在加载端口上运行，与 vbroadcastsd 完全相同。 这是低 qword 的 channel 内广播。 vmovsldup 和 vmovshdup也只需要一个加载端口，但不满足您在 64 位半 channel 之间移动的要求。

没有 movhdup 在每个 channel 中复制 high 一半，只有 movddup 复制低 double FP 元素。 xmm 为 SSE3，ymm 为 AVX1。

---

正如@harold 指出的那样，phminposuw可以把数据从高64位放到低64位。但它在 YMM 版本中不可用。它可能是唯一具有专用执行单元的指令，可以在随机播放之外执行此操作。 psadbw 在 64 位元素中工作。 vdbpsadbw 是 SKX 上 p5 的 1 uop。 mpsadbw 是多 uop，包括 2p5。 phadd 指令也是 2p5。

---

Zen 2 的 vpshufd ymm 吞吐量为 0.5c ( instlat )。它在处理粒度小于 128 位的 channel 交叉洗牌时比英特尔慢，但在 channel 内洗牌和 128 位洗牌(如 vperm2f128)上表现良好。