如何用AVX2高效计算交错无符号双字（奇数索引）的横向最大值？

问题描述 #

我们需要处理4个256位YMM寄存器（记为ymm0~ymm3），每个寄存器的双字布局为：

ymmX: a7 a6 a5 a4 a3 a2 a1 a0（从左到右为最高位到最低位双字，对应索引7到0）

目标是从每个YMM寄存器的奇数索引双字（a1/索引1、a3/索引3、a5/索引5、a7/索引7）中提取最大值，最终输出一个256位寄存器，布局为：

0 max3 0 max2 0 max1 0 max0

其中max0是ymm0的目标最大值，max1对应ymm1，以此类推；奇数索引位置填充0。目标CPU具备2个洗牌端口，现有方案使用8条指令，需优化性能或指令数。

优化方案（高吞吐量，适配双洗牌端口） #

以下方案利用AVX2指令集，通过并行洗牌和高效横向比较减少延迟，同时压缩指令数：

; 注：ymmzero为预定义的全0256位寄存器，mask为立即数0x07050301（对应双字索引7,5,3,1）
; 阶段1：并行提取所有输入YMM的目标双字（双洗牌端口可并行执行2组vpermd）
vpermd ymm4, ymm0, mask
vpermd ymm5, ymm1, mask
vpermd ymm6, ymm2, mask
vpermd ymm7, ymm3, mask

; 阶段2：并行计算横向最大值（单次指令完成两组双字的比较）
vpmaxud ymm4, ymm4, ymm4>>64        ; 合并高/低128位对应双字，得到max(a7,a3)、max(a5,a1)
vpmaxud ymm5, ymm5, ymm5>>64
vpmaxud ymm6, ymm6, ymm6>>64
vpmaxud ymm7, ymm7, ymm7>>64

vpmaxud ymm4, ymm4, ymm4>>32        ; 最终得到每个YMM的最大值，存于低双字
vpmaxud ymm5, ymm5, ymm5>>32
vpmaxud ymm6, ymm6, ymm6>>32
vpmaxud ymm7, ymm7, ymm7>>32

; 阶段3：合并结果到目标布局（仅2条指令完成排列）
vpunpckldq ymm0, ymm4, ymmzero     ; ymm0低128位：0, max0, 0, max1
vpunpckldq ymm1, ymm6, ymmzero     ; ymm1低128位：0, max2, 0, max3
vperm2i128 ymm0, ymm0, ymm1, 0x20  ; 合并高/低128位，得到目标布局

优化点说明 #

1. 并行洗牌：借助双洗牌端口，4条vpermd可分为两组并行执行，大幅降低洗牌阶段的总延迟。
2. 高效横向比较：通过移位+比较的组合，仅用2条指令完成单个YMM寄存器4个双字的最大值计算，避免冗余操作。
3. 紧凑合并：使用vpunpckldq和vperm2i128仅用2条指令完成4个最大值的布局排列，减少合并阶段的指令开销。

有符号整数适配 #

若处理的是有符号32位整数，只需将上述代码中的vpmaxud替换为vpmaxsd即可，逻辑完全一致。

内容的提问来源于stack exchange，提问作者Akon