求更精简无分支AVX2代码：寻找最长4字节串匹配索引

需求说明 #

需实现无分支、微操作数最少的AVX2代码，完成以下逻辑：遍历8个4字节目标串target[i]，计算每个串与4字节源串src的前缀匹配字节数（由matched_bytes函数返回0-4），最终记录匹配长度最长的串的索引。无需保留匹配长度本身，当前实现用了15条指令，询问是否能用更少指令实现（不关注延迟或ALU资源占用）。

参考逻辑代码 #

prevlen = 0
for i in range(8):
    len = matched_bytes(target[i], src)
    if len > prevlen:
        prevlen = len
        index = i

matched_bytes函数定义 #

def matched_bytes(target, src):
    return tzcnt(target ^ src) // 8

当前15条指令的实现代码 #

byte_eq = pmovmskb( pcmpeqb( broadcast(src), targets))

// 第4*i位表示对应串的第1字节匹配
byte_eq1 = flags
byte_eq2 = flags >> 1
byte_eq3 = flags >> 2
byte_eq4 = flags >> 3

// 第4*i位表示对应串至少有1~4字节连续匹配
len1 = byte_eq1 & 0x11111111
len2 = len1 & byte_eq2
len3 = len2 & byte_eq3
len4 = len3 & byte_eq4

// 对应赋值后插入CMOV指令，与上一块代码交错执行
if(len2==0) len2 = len1
if(len3==0) len3 = len2
if(len4==0) len4 = len3

index = lzcnt(len4) / 4
// 若len4==0则无匹配串

内容的提问来源于stack exchange，提问作者Bulat