緣由
最近在寫一些字符串函數的優化，興趣使然，可是寫的過程中，想要實現 128bit 的按 bit 邏輯位移，遇到了一個大坑，且聽我娓娓道來。
如果要追究標題，更確切的是丟失的SSE2 128 bit / 64 bit 位移指令，已修改。
我並不想用什么馬航370來博眼球，我也沒意識到這個能博眼球，當我寫下這個標題的時候，的確沒有馬航370這個字眼，可是當我寫到一半的時候，突然就冒出了馬航370這幾個字，如果你認真閱讀了我的文章，也許你也應該思考一下，這 128 bit / 64 bit 的位移指令到底是去哪了？石沉大海了？那不就跟馬航370一樣嗎，是一個謎，一個非常非常大的謎……
如果你對 MMX, SSE 位移指令不太懂，可以先看看：
http://tommesani.com/index.php/simd/44-mmx-shift.html ,
這個比較容易理解，我當初學習 MMX, SSE 指令都是從這里開始的，
但是這個只寫到 MMX 指令集，更新的版本看后面的。
邏輯位移
對於 MMX, SSE 的位移指令，我們很自然的想到：
邏輯左移：PSLLW/PSLLD/PSLLQ，Shift Packed Data Left Logical (壓縮邏輯左移)
邏輯右移：PSRLW/PSRLD/PSRLQ，Shift Packed Data Right Logical (壓縮邏輯右移)
顧名思義，W 指的是Word(字)，D 指的 DWORD (雙字)，Q 指的是 QWORD (四字)，PSLLW 實現的是按 Word 的分組邏輯左移，
PSLLD 是按 DWORD 的分組邏輯左移，PSLLQ 是按 QWORD 實現的分組邏輯左移，這一切看起來都很 OK 。
這里以邏輯左移為例：
關於具體的邏輯左移指令的說明，可參考：
http://moeto.comoj.com/project/intel/instruct32_hh/vc256.htm
或者 http://x86.renejeschke.de/html/file_module_x86_id_259.html，
右移也是類似的，在此不再螯述。
問題來了
我們要實現的是 128bit 的邏輯位移，SSE2 里面有 PSLLDQ / PSRLDQ 指令，這里 DQ 即是 Double QWORD 的意思，
這不正好是我們需要的 128bit 按 bit 位移嗎？Ｎｏ！！別高興得太早，我們來看看 Intel 的文檔：
PSLLDQ--Packed Shift Left Logical Double Quadword
或
http://moeto.comoj.com/project/intel/instruct32_hh/vc255.htm
截圖如下：
我們看到，很遺憾，SSE2 並沒有實現 128bit 的按 bit 位移，PSLLDQ 只能實現 128bit 的按 byte 位移，即最小位移量必須是一個 byte (即8個bit)，這非常不科學，更不科學的是位移量只能是立即數！考慮到 Intel 並未真正實現 128bit 數據處理(SSE 大多數指令都只實現了最多 64bit 粒度的數據處理，例如一個雙精度浮點數是 64bit 的)，好吧，我們認了，但是！！但是！！Intel 你沒搞錯吧，PSLLDQ 的操作數只支持 imm8，imm8 意味着什么？imm8 是 8 位立即數的意思，那就是說我們只能在匯編里寫死(常數)，不能使用任何寄存器來做位移量。What the fu*K？？
好吧，這我們也認了。。。CPU 是你設計的，我們拿你沒辦法。說句題外話，如果 PSLLDQ 支持 reg32, reg64 寄存器位移的話， 會方便很多，因為我們可以先用 PSLLDQ 位移足夠位數的按 Byte 位移，然后再用 PSLLQ 位移剩下的剩余量（這是后話，為什么要這么用，到后面你就知道），可是，現在這種方法都不行！！這個 imm8 徹底讓我蛋碎了。。。PSLLQ 對於128 bit 寄存器一次只能移 16 位（先破埂了），那么意味這我們如果要用這種方法，要 if / jump 好幾次。。。
大坑開始
好吧，我們退而求其次，既然你不能實現 128 bit 的按 bit 位移，那我們分成兩個 64 bit 的位移來實現好了，無非是多一次判斷，多一次合並，雖然效率沒有直接128 bit 位移的高，但是苦於你沒實現嘛，只能這么干了。。。
好吧，我們開始吧。。。。GO！！！好了，我們換成 PSLLQ 了，執行PSLLQ xmm0, 32 或 PSLLQ xmm0, ecx (這里ecx的值為32)，咦？xmm0怎么全為0了？？啊，怎么回事？？
我們回過頭來重新看看 intel 的文檔：
重點看兩個我用紅線框起來的，當 PSLLQ 作用於 64 bit 的寄存器時，我們看到是最大支持 COUNT = 64 位的位移（嚴格意義上講是 max = 63，這個不糾結了，習慣問題，下同）；
但是當 PSLLQ 作用於 128 bit 寄存器時，奇怪的事情發生了，最大只支持 COUNT = 16 位的位移（嚴格意義上是15位），如上圖所示。
如果不是重新看 Intel 的文檔，如果不是調試中發現問題，誰能想到最多只能移15位？？？Intel 的腦袋是被門夾了嗎？？Why？？MMX 寄存器上都可以實現最多 63 位的位移， SSE 寄存器為什么就不可以？雖然我們知道 MMX 寄存器和 SSE 寄存器是不一樣的，分開的，MMX 寄存器是借用 x87 浮點寄存器來實現 MMX 指令的，可是你在 MMX 寄存器上實現了 64 bit 的位移，為什么在 128 bit 的 SSE 寄存器上卻只能移最多 15 位？？你說難以實現，我認了，我不太懂為什么那么難，我們只能認了，可是你卻實現了 128 bit 的按 byte 位移的 PSLLDQ 指令，這又作何解釋？？本來顧名思義，PSLLDQ 就來就應該是實現 128 bit 的按 bit 位移，限於歷史原因，這個沒實現我可以理解，可是你沒有理由在 PSLLQ 作用於 128 bit 的 SSE 寄存器時卻最多只能位移 15 位吧？？這真的有那么難嗎？？真的難嗎？？？？真的那么難，你又是怎么實現 PSLLDQ 的 128 bit 按 Byte 位移的？？
尋求答案
帶着這些疑問，我們問了一下 Google 老先生，搜索“128 bit shift”，發現 N 多小伙伴都遇到過這個問題，例如：
Looking for sse 128 bit shift operation for non-immediate shift value
What is SSE !@#$% good for? #2: Bit vector operations
最后，Google老先生告訴了我們一個最好的解答，來自 Intel 的論壇，在這里：
Missing instruction in SSE: PSLLDQ with _bit_ shift amount?
是這樣的，截圖如下：
首先，Intel 是承認這個 missing instruction（丟失的指令）的，我們也意識到 missing instruction 無處不在，只是這個有點過分。
上面的回復，大意是：(E文不是太好，用 Google 輔助翻譯的，見諒)
Hi Geoff,
我們的一個工程師提供了以下回應，並做一些澄清。
你這個問題是正確的，對於 SIMD(單指令多數據流) 來說，在當前的指令集里，bit 位移是比按 byte 位移難於實現的（指的是 SSE 寄存器
的 128 bit 按 bit 位移）。不幸的是，這不是一個小改變，實現一個這樣的按 bit 位移指令。這里有更多的改變比簡單的在立即字節里適應位移
距離－－硬件實際完成按 bit 位移是一個被限制的問題。
如果你有一個使用案例關於為什么這個操作是有用的，隨着應用程序將受益於這個操作，這是我們有興趣聽到的。一般情況下，我們試圖
設計新的指令來滿足特定的需求，而不是只是提供 "missing instuctions“ (丟失指令)的支持。從實際情況來看，有很多這樣的 "missing instuctions“
——更有趣的問題是，如果在實際的應用中應對這些 "missing instuctions“ 所帶來的問題。
博主觀點：
對於 128 bit 的按 bit 位移比較難以實現，這我能理解，可是 PSLLQ 對於 SSE 的 128bit 寄存器只能最多位移15位我就不能理解了……
SSE2 的 128bit/64bit 位移你在哪里，為什么是15而不是31，63？親愛的馬航MH370，你到底在哪里？為什么要選擇飛中國的航班？為什么？？
解決之道
解決的辦法有很多種，前面也講過一個，就是：如果你要左移 count 位，先用 PSLLDQ 位移 x * 8 位， 這個是純 128 bit 的位移，然后再用 PSLLQ 位移剩下的 y = (count - x * 8) 位，這里 y 要小於 16。但是由於 PSLLDQ 只能執行imm8立即數，所以你要先 if / jump 判斷一下 count 的值，分別執行 PSLLDQ xmm0, 32; 或 PSLLDQ xmm0, 16; 或 PSLLDQ xmm0, 8; PSLLDQ xmm0, 4; PSLLDQ xmm0, 2; 以后，再執行 PSLLQ 位移剩下的 Y 位。這里PSLLDQ xmm0, 32也許可以用別的 SSE Shuffle 指令代替，但是是一樣的，最大的問題是你要先 if 先判斷一下再執行相應的指令，這種方法並不見得高效。
我們再來找一些好一點的辦法：
既然，SSE 里我們沒辦法實現 64 bit 的位移，但是 MMX 寄存器里是可以的，但是我們又要在 SSE 寄存器里實現，那么我們可以先把數據從 SSE 寄存器里轉移到 MMX 寄存器，位移好了，再合並到 SSE 寄存器里。雖然這個過程有點繁瑣，但是相比上面第一種方法，還是高效了不少，而且有一關鍵的地方，很多時候，我們要做這個位移，都是接近最終輸出結果的時候，這個時候就不必把數據合並回 SSE 寄存器了，可以直接用 MMX 寄存器的值作為輸出即可，這樣又快了一點兒，還不賴。
還有沒有解決的辦法，應該還有，容我再想一想，或者讀者你也想想？有網友貼了 AVX 版的 VPSLLDQ 指令說明，可是同樣只支持 imm8 立即數，而且並不是所有人的 CPU 都支持 AVX 的，博主本人的 CPU 就不支持。
（由於博主是睡到一半起來關電腦寫下的這篇文章，所以我先去休息一會，有空再來補全這一塊）
后記
我們現在遇到的問題做一個比喻，就是：我們前面有三條路，一條是大路，一條是小路，一條是其他未知的路，我們以為大路(PSLLDQ)最快，於是選擇先走了大路，結果發現直接走是過不去的；轉而選擇小路(PSLLQ)，走小路，結果發現有個陷阱，這個陷阱讓我們到不了目的地，只能達到1/4；然后再回過頭來看看大路，大路其實可以過去的，但是踩下去以后全是泥潭(只支持立即數的128位 byte 位移)，要走過去，很艱難。那么我們只能選擇第三條未知的路了(各種其他指令的組合模擬實現）。
Intel 的 MMX, SSE 各種缺失的指令由來已久，指令的設計也是混亂不勘，還有一個比較著名的就是只實現了POR, PAND, PANDN(and not)，沒有實現 PNOT (即對MMX, SSE寄存器取反)，雖然 PNOT 的確可以用 PANDN 實現（你至少需要2個寄存器），或者用 PCMPEQB xmm0, xmm0 來實現 全置 1 的操作，但是有可能增加了寄存器的占用，可能會增加指令周期，反正是各種不好，雖然影響不算大，但是有時候寄存器捉襟見肘的時候，還是非常蛋疼的。
還有一點更可笑的是，我跟你說了，你一定會相信 Intel 是荒唐的，我們的確需要的是無符號的邏輯左/右移，但是如果你要實現的是有符號的右移(算術右移)，
可以使用 PSRAW/PSRAD 指令 - 壓縮算術右移，另外說一下，不存在算術左移，因為算術左移和邏輯左移是一回事，可參考：
http://moeto.comoj.com/project/intel/instruct32_hh/vc257.htm
非常可笑的是，在這里，Intel 卻實現了對於 128 bit 寄存器最多 31 位的位移，更可笑的，對於 64 bit 寄存器最多的位移數也是 31（見上面的鏈接），這你能懂？？？
到底是我們的智商有問題，還是 Intel 的智商有問題？！！
看下圖：
PS：糾正一下，上面這個舉例是錯誤的（是我看錯了），Intel 並沒有實現 PSRAQ，上面這個是 PSRAD 的，是針對 DWORD 的，而不是 QWORD，所以他這么實現是正確的，這里並沒有問題。
這個問題，在另外一個著名的帖子里也有提到：
到目前為止，都未實現 PSRAQ 指令。
. <END> .