c# - 了解 C# SIMD 输出

Question

我有以下代码段，它总结了数组的所有元素(大小是硬编码的，是 32 ):

static unsafe int F(int* a) 
{
    Vector256<int> ymm0 = Avx2.LoadVector256(a + 0);
    Vector256<int> ymm1 = Avx2.LoadVector256(a + 8);
    Vector256<int> ymm2 = Avx2.LoadVector256(a + 16);
    Vector256<int> ymm3 = Avx2.LoadVector256(a + 24);

    ymm0 = Avx2.Add(ymm0, ymm1);
    ymm2 = Avx2.Add(ymm2, ymm3);

    ymm0 = Avx2.Add(ymm0, ymm2);

    const int s = 256 / 32;
    int*      t = stackalloc int[s];

    Avx2.Store(t, ymm0);

    int r = 0;
    for (int i = 0; i < s; ++i)
        r += t[i];

    return r;
}

这会生成以下 ASM :

Program.F(Int32*)
    L0000: sub rsp, 0x28
    L0004: vzeroupper                       ; Question #1
    L0007: vxorps xmm4, xmm4, xmm4
    L000b: vmovdqa [rsp], xmm4              ; Question #2
    L0010: vmovdqa [rsp+0x10], xmm4         ; Question #2
    L0016: xor eax, eax                     ; Question #3
    L0018: mov [rsp+0x20], rax
    L001d: mov rax, 0x7d847bd1f9ce          ; Question #4
    L0027: mov [rsp+0x20], rax
    L002c: vmovdqu ymm0, [rcx]
    L0030: vmovdqu ymm1, [rcx+0x20]
    L0035: vmovdqu ymm2, [rcx+0x40]
    L003a: vmovdqu ymm3, [rcx+0x60]
    L003f: vpaddd ymm0, ymm0, ymm1
    L0043: vpaddd ymm2, ymm2, ymm3
    L0047: vpaddd ymm0, ymm0, ymm2
    L004b: lea rax, [rsp]                   ; Question #5
    L004f: vmovdqu [rax], ymm0
    L0053: xor edx, edx                     ; Question #5
    L0055: xor ecx, ecx                     ; Question #5
    L0057: movsxd r8, ecx
    L005a: add edx, [rax+r8*4]
    L005e: inc ecx
    L0060: cmp ecx, 8
    L0063: jl short L0057
    L0065: mov eax, edx
    L0067: mov rcx, 0x7d847bd1f9ce          ; Question #4
    L0071: cmp [rsp+0x20], rcx
    L0076: je short L007d
    L0078: call 0x00007ffc9de2d430          ; Question #6
    L007d: nop
    L007e: vzeroupper
    L0081: add rsp, 0x28
    L0085: ret

问题

为什么我们需要VZEROUPPER一开始。没有它不是很好吗？

VMOVDQA做什么的一开始就做。或者更确切地说，他们为什么在那里？

清零 EAX登记？为什么？可能与下一行有关 MOV [RSP+0x20], RAX ，但还是看不懂。

这个神秘的值 ( 0x7d847bd1f9ce ) 有什么作用？

中间也有几行我不明白为什么需要它们(请参阅代码中的“问题 #5”注释)。

我假设这一行( L0078: call 0x00007ffc9de2d430 )引发异常。我的代码中是否有函数或其他东西可以抛出异常？

我知道有很多问题，但我无法将它们分开，因为我认为它们彼此相关。清晰明了:我只是想了解生成的 ASM这里。我不是这方面的专业人士。
笔记

如果您想知道什么 GCC (O2)生成，这里是结果:

int32_t
f(int32_t *a) {
        __m256i ymm0;
        __m256i ymm1;
        __m256i ymm2;
        __m256i ymm3;

        ymm0 = _mm256_load_si256((__m256i*)(a + 0));
        ymm1 = _mm256_load_si256((__m256i*)(a + 8));
        ymm2 = _mm256_load_si256((__m256i*)(a + 16));
        ymm3 = _mm256_load_si256((__m256i*)(a + 24));
           
        ymm0 = _mm256_add_epi32(ymm0, ymm1);
        ymm2 = _mm256_add_epi32(ymm2, ymm3);

        ymm0 = _mm256_add_epi32(ymm0, ymm2);

        int32_t t[8];
        _mm256_store_si256((__m256i*)t, ymm0);

        int32_t r;
        r = 0;
        for (int i = 0; i < 8; ++i)
                r += t[i];

        return r;
}

和生成的 ASM :

f:
  push rbp
  xor r8d, r8d
  mov rbp, rsp
  and rsp, -32
  lea rax, [rsp-32]
  mov rdx, rsp
  vmovdqa ymm1, YMMWORD PTR [rdi+96]
  vpaddd ymm0, ymm1, YMMWORD PTR [rdi+64]
  vpaddd ymm0, ymm0, YMMWORD PTR [rdi+32]
  vpaddd ymm0, ymm0, YMMWORD PTR [rdi]
  vmovdqa YMMWORD PTR [rsp-32], ymm0
.L2:
  add r8d, DWORD PTR [rax]
  add rax, 4
  cmp rax, rdx
  jne .L2
  mov eax, r8d
  vzeroupper
  leave
  ret

我认为它在这里优化了(可能很重)我的代码，但无论如何。

Answer 1

vzeroupper 可以帮助性能。L0007直通 L0018行将局部变量使用的存储空间归零。0x7d847bd1f9ce value 似乎与检测堆栈溢出有关。它设置一个检查值，当函数完成时，它会查看该值是否已更改。如果有，则调用诊断功能。
函数体从 L002c 开始.首先它初始化你的本地 ymm变量，然后进行加法。lea在 L004b是t的分配.下一条指令( L004f )是 Avx2.Store(t, ymm0);陈述。L0053直通 L0063是for循环。 rax已经具有 t 的值, ecx持有 i , 和 edx持有 r .
来自 L0065最后，我们有 return 语句和函数结语。 Epilog 检查堆栈是否已被破坏，进行一些清理，然后返回给调用者。