performance - SSE2 : How To Load Data From Non-Contiguous Memory Locations?

Question

我正在尝试向量化一些对性能极为关键的代码。在高层次上，每次循环迭代从一个小数组中的非连续位置读取六个浮点数，然后将这些值转换为 double 并将它们添加到六个不同的 double 累加器中。这些累加器在迭代中是相同的，因此它们可以存在于寄存器中。由于算法的性质，使内存访问模式连续是不可行的。不过，该阵列小到足以放入 L1 缓存，因此内存延迟/带宽不是瓶颈。

我愿意使用汇编语言或 SSE2 内在函数来并行化它。我知道我需要一次将两个浮点数加载到 XMM 寄存器的两个低位双字中，然后使用 cvtps2pd 将它们转换为两个 double 数。 ，然后使用 addpd 将它们一次添加到两个累加器中.

我的问题是，如果两个浮点数在内存中不相邻，如何将它们放入单个 XMM 寄存器的两个低位双字中？显然，任何速度太慢以至于违背并行化目的的技术都是没有用的。 ASM 或 Intel/GCC 内在函数的答案将不胜感激。

编辑:

严格来说，浮点数组的大小在编译时是未知的，但它几乎总是 256，所以这可以是特殊情况。

应该读取的浮点数组元素是通过从字节数组加载一个值来确定的。有六个字节数组，每个累加器一个。从字节数组读取是顺序的，每次循环迭代从每个数组读取一次，因此那里不应该有很多缓存未命中。

浮点数组的访问模式实际上是随机的。

Answer 1

对于这种特定情况，请查看说明引用手册中的解包和交错说明。它会是这样的

movss xmm0, <addr1>
movss xmm1, <addr2>
unpcklps xmm0, xmm1

也看看 shufps ，每当您以错误的顺序获得所需的数据时，这都很方便。