- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
有没有办法通过将 ASCII 字符串加载到 XMM 或 YMM 寄存器中来获取存储在 16 或 32 字节缓冲区中的 ASCII 字符串的长度?
本质上,我正在寻找第一个零字节的索引(以位或字节为单位)。
我的目标是避免循环和分支。我希望 AVX 或 SSE 中存在一些与 BSF(向前位扫描)类似的东西,但对字节而不是位进行操作。
也许像下面这样?
_my_constant_time_strlen:
vpxor ymm0, ymm0
VPCMPEQB ymm0, ymm0, [rdi]
vpmovmskb eax, ymm0
bsf eax, eax
; string length is in eax?
; and rax, 31 ; editor's note: useless AND
ret
最佳答案
这正是您实现的方式 strlen
或 memchr
与 AVX2。 (对于固定大小的缓冲区,您知道缓冲区中的某处会有匹配项。)
(除了现在你有一个多余的 and
)。vpmovmskb
将您的比较向量转换为字节比较结果的位图,您可以使用 BSF 进行搜索。您的代码已经完全符合您的要求。
您可以吊起vpxor
- 如果避免破坏循环,则将其归零。
真正的工作是在 Intel CPU (Haswell/Skylake) 上总共只有 3 个 uops :vpcmpeqb
是 1 个微融合 uop,因为您避免了索引寻址模式。 vpmovmskb
是 1 uop,具有 2 到 3 个周期的延迟。 tzcnt
在 Intel 或 AMD CPU 上为 1 uop。 ( bsf
在 Intel 上也是 1 uop)。在英特尔 tzcnt
或 bsf
有 3 个周期的延迟。
因此,在主流 Intel 上,从准备好向量加载数据到 RAX 中的长度的总延迟为 1 ( vpcmpeqb
) + 2 或 3 (movmsk) + 3 ( tzcnt
) = 6 或 7 个周期。这是无分支的,只是数据依赖,所以这是非常合理的。这不包括负载使用延迟或存储转发延迟,无论地址或数据是否在关键路径上。 并且吞吐量非常好,在 Intel 上每时钟 1 strlen(瓶颈在端口 0 和/或端口 1)。
在 AMD 锐龙上,vpcmpeqb ymm
是 2 uop,具有 2c 延迟。 vpmovmskb ymm
是 2 uops(对于 Port2),延迟为 3c。 tzcnt
是 2 uop,具有 2c 延迟。因此,总延迟 = 7 个周期,吞吐量是 movmsk 吞吐量的瓶颈,每 2 个周期有 1 个。 (Ryzen lzcnt
是 1 uop/1c 延迟;大概 tzcnt
是位反转 + lzcnt
或类似的东西。)
来自 https://agner.org/optimize/ 的号码.
没有扫描 XMM 或 YMM 寄存器的第一个非零字节的指令,唯一有效的方法是 pcmpeqb
/pmovmskb
.您可以 vmovd xmm0, eax
最后,如果您想要向量 reg 中的字节位置而不是整数。
但通常您希望将结果保存在整数寄存器中。
对于没有 movmsk 到整数的水平向量搜索/扫描,唯一想到的是 phminposuw
,这不是您想要的。
或者 vpand
向量为 1,2,4,8,16, ...
2 的幂,然后 vpsadbw
进行字节的水平添加。结果中的最低设置位告诉该 8 字节块中第一个 0 的位置。
或者你可以做 log2(vector_length) 混洗和屏蔽下一个元素的步骤,这样你最终会得到一个向量,其中输入中只有第一个 0 有 0xff
元素。然后VPAND
向量为 0,1,2,3,4,...
和 vpsadbw
到 hsum,唯一的非零元素将是字节位置。但这比vpcmpeqb
贵得多/vpmovmskb
/bsf
/vmovd
回到 XMM 寄存器,如果你出于某种原因真的想要 XMM 寄存器中的结果。
如果您不确定是否有任何零字节,请使用 tzcnt
而不是 bsf
,因为它产生 32
(操作数大小)用于全零输入。 bsf
在 AMD 上也较慢,所以实际上你应该总是使用 tzcnt
这里 .bsf
如果输入为零,则不修改目的地。 (由 AMD 记录;英特尔说“未定义”但无论如何都实现了。)
和/或在位扫描后检查 ZF 以检测全零输入情况。 ( tzcnt
为全零输入设置CF,并根据输出是否为零设置ZF。)
另外,使用 vpxor XMM
将寄存器清零,不是 YMM
.在 AMD 上节省 uop。
关于assembly - 获取 16 或 32 字节固定大小缓冲区的 C 字符串长度? (XMM 或 YMM 寄存器宽度),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56453649/
美好的一天!我试图添加两个字节变量并注意到奇怪的结果。 byte valueA = 255; byte valueB = 1; byte valueC = (byte)(valueA + valueB
嗨,我是 swift 的新手,我正在尝试解码以 [Byte] 形式发回给我的字节数组?当我尝试使用 if let string = String(bytes: d, encoding: .utf8)
我正在使用 ipv4 和 ipv6 存储在 postgres 数据库中。 因为 ipv4 需要 32 位(4 字节)而 ipv6 需要 128(16 字节)位。那么为什么在 postgres 中 CI
我很好奇为什么 Go 不提供 []byte(*string) 方法。从性能的角度来看,[]byte(string) 不会复制输入参数并增加更多成本(尽管这看起来很奇怪,因为字符串是不可变的,为什么要复
我正在尝试为UDP实现Stop-and-Wait ARQ。根据停止等待约定,我在 0 和 1 之间切换 ACK。 正确的 ACK 定义为正确的序列号(0 或 1)AND消息长度。 以下片段是我的代码的
我在下面写了一些代码,目前我正在测试,所以代码中没有数据库查询。 下面的代码显示 if(filesize($filename) != 0) 总是转到 else,即使文件不是 0 字节而是 16 字节那
我使用 Apache poi 3.8 来读取 xls 文件,但出现异常: java.io.IOException: Unable to read entire header; 0 by
字典大小为 72 字节(根据 getsizeof(dict) 在字典上调用 .clear() 之后发生了什么,当新实例化的字典返回 240 字节时? 我知道一个简单的 dict 的起始大小为“8”,并
我目前正在努力创建一个函数,它接受两个 4 字节无符号整数,并返回一个 8 字节无符号长整数。我试图将我的工作基于 this research 描述的方法,但我的所有尝试都没有成功。我正在处理的具体输
看看这个简单的程序: #include using namespace std; int main() { unsigned int i=0x3f800000; float* p=(float*)(
我创建了自己的函数,将一个字符串转换为其等效的 BCD 格式的 bytes[]。然后我将此字节发送到 DataOutputStram (使用需要 byte[] 数组的写入方法)。问题出在数字字符串“8
此分配器将在具有静态内存的嵌入式系统中使用(即,没有可用的系统堆,因此“堆”将只是“char heap[4096]”) 周围似乎有很多“小型内存分配器”,但我正在寻找能够处理非常小的分配的一个。我说的
我将数据库脚本从 64 位系统传输到 32 位系统。当我执行脚本时,出现以下错误, Warning! The maximum key length is 900 bytes. The index 'U
想知道 128 字节 ext2 和 256 字节 ext3 文件系统之间的 inode 数据结构差异。 我一直在为 ext2、128 字节 inode 使用此引用:http://www.nongnu.
我试图理解使用 MD5 哈希作为 Cassandra key 在“内存/存储消耗”方面的含义: 我的内容(在 Java 中)的 MD5 哈希 = byte[] 长 16 个字节。 (16 字节来自维基
检查其他人是否也遇到类似问题。 shell脚本中的代码: ## Convert file into Unix format first. ## THIS is IMPORTANT. ###
我们有一个测量数据处理应用程序,目前所有数据都保存为 C++ float,这意味着在我们的 x86/Windows 平台上为 32 位/4 字节。 (32 位 Windows 应用程序)。 由于精度成
我读到在 Java 中 long 类型可以提升为 float 和 double ( http://www.javatpoint.com/method-overloading-in-java )。我想问
我有一个包含 n 个十进制元素的列表,其中每个元素都是两个字节长。 可以说: x = [9000 , 5000 , 2000 , 400] 这个想法是将每个元素拆分为 MSB 和 LSB 并将其存储在
我使用以下代码进行 AES-128 加密来编码一个 16 字节的 block ,但编码值的长度给出了 2 个 32 字节的 block 。我错过了什么吗? plainEnc = AES.enc
我是一名优秀的程序员,十分优秀!