SIMD---SSE系列及效率對比

SSE（即Streaming SIMD Extension），是對由MMX指令集引進的SIMD模型的擴展。我們知道MMX有兩個明顯的缺點：

• 只能操作整數。
• 不能與浮點數同時運行（MMX使用FPU寄存器作為別名）。

而SSE則解決了這個問題，SSE引進了8個專用的浮點寄存器MMX0~MMX7。后來Intel又陸續推出了SSE2、SSE3、SSE4，這使得SSE指令系列同時擁有了浮點數學運算功能和整數運算功能，因此早先的MMX指令就顯得有點多余了（雖然可是並行執行SSE、MMX指令來提高性能）。

SSE系列功能特點

SSE1

• 添加8個128位寄存器XMM0~MMX7.
• 操作4個單精度浮點數。
• 支持打包（Packed）和標量（Scaler）操作。

SSE2

• 添加整數向量運算，提升運行性能。
• 支持雙精度浮點向量運算。
• 打包類型取消限制，支持8位、16位、32位、64位，包括整數和浮點數。
• 添加緩存控制指令。
• 添加浮點數到整數的轉換指令

SSE3

• 寄存器內水平操作，例如打包在一個128位MMX寄存器內的2個64位整數，可以利用新指令對這兩個整數進行算數運算。
• 多線程優化指令，在超線程下提高性能。

SSSE3

• 打包整形數據的運算加速。

SSE4

SSE4包含兩個子集：SSE4.1和SSE4.2，並兼容以前的64位和IA-32指令集架構。值得指出的是SSE4增加了：1）STTNI（String and Text New Instructions）指令來幫助開發者處理字符搜索和比較，旨在加速對XML文件的解析；2）CRC32指令，幫助計算循環冗余校驗值。

SSE效率對比

這里我們就只簡單比較下這兩個指令集的計算效率，其他功能就不在本次考慮范圍內了。像前一篇博客一樣，我們同樣用對10000000個字符進行加操作來進行對比操作。這里我們全部用Intrinsics來對比，方便編寫，不用考慮調用約定。

整數計算 Mmx vs Sse

因為整數操作只在SSE2中支持，所以實際上我們用的是sse2指令。

mmx代碼：

void calculateUsingMmx(char* data, unsigned size)
{
    assert(size % 8 == 0);

    __m64 step = _mm_set_pi8(10, 10, 10, 10, 10, 10, 10, 10);
    __m64* dst = reinterpret_cast<__m64*>(data);
    for (unsigned i = 0; i < size; i += 8)
    {
        auto sum = _mm_adds_pi8(step, *dst);
        *dst++ = sum;
    }

    _mm_empty();
}

sse代碼：

void calculateUsingSseInt(char* data, unsigned size)
{
    assert(size % 16 == 0);

    __m128i step = _mm_set_epi8(10, 10, 10, 10, 10, 10, 10, 10,
                                10, 10, 10, 10, 10, 10, 10, 10);
    __m128i* dst = reinterpret_cast<__m128i*>(data);
    for (unsigned i = 0; i < size; i += 16)
    {
        auto sum = _mm_add_epi8(step, *dst);
        *dst++ = sum;
    }

    //	no need to clear flags like mmx because SSE and FPU can be used at the same time.
}

浮點計算 Asm vs Sse

由於MMX指令集不包含浮點指令，因此我們x86浮點指令來對比，同樣對10000000個flaot值進行加操作。

Asm代碼：

void calculateUsingAsmFloat(float* data, unsigned count)
{
    auto singleFloatBytes = sizeof(float);
    auto step = 10.0;
    __asm
    {
            push ecx
            push edx

            mov edx, data
            mov ecx, count
            fld	step	//	fld only accept FPU or Memory

        calcLoop:
            fld [edx]
            fadd st(0), st(1)
            fstp [edx]
            add edx, singleFloatBytes
            dec ecx
            jnz calcLoop

            pop edx
            pop ecx
    }
}

Sse代碼：

void calculateUsingSseFloat(float* data, unsigned count)
{
    assert(count % 4 == 0);
    assert(sizeof(float) == 4);

    __m128 step = _mm_set_ps(10.0, 10.0, 10.0, 10.0);
    __m128* dst = reinterpret_cast<__m128*>(data);
    for (unsigned i = 0; i < count; i += 4)
    {
        __m128 sum = _mm_add_ps(step, *dst);
        *dst++ = sum;
    }
}

運行結果

SSE2的浮點計算對比x86浮點計算性能提升不是非常明顯，但是也要考慮Intrinsics使用導致的略微性能缺失。上面兩種計算方式的效率對比結果如下：

完整代碼見鏈接。