SSE/SVML divrem系列intrinsics的mem_addr内存存储对齐要求咨询

核心结论 #

mem_addr指向的内存需要满足对应向量类型的对齐存储要求，具体规则：

• 对于_mm_idivrem_epi32/_mm_udivrem_epi32（128位向量）：需指向16字节对齐的内存，对齐要求等同于_mm_store_si128
• 对于_mm256_idivrem_epi32/_mm256_udivrem_epi32（256位向量）：需指向32字节对齐的内存，对齐要求等同于_mm256_store_si256

这些函数会直接将余数向量以对齐存储的方式写入目标内存，既不是未对齐存储（storeu类操作），也不会将余数通过寄存器返回——余数仅通过内存输出。

注意事项 #

• 若无法保证内存对齐，可通过以下方式处理：
  • 堆内存：使用_mm_malloc/_mm256_malloc分配对齐内存
  • 栈内存：用alignas(16)或alignas(32)修饰变量
• 传入未对齐指针时，部分不支持非对齐访问的CPU会触发异常，即使支持的CPU也会产生性能损耗

相关Intrinsic函数 #

__m128i _mm_idivrem_epi32 (__m128i * mem_addr, __m128i a, __m128i b)
__m256i _mm256_idivrem_epi32 (__m256i * mem_addr, __m256i a, __m256i b)
__m128i _mm_udivrem_epi32 (__m128i * mem_addr, __m128i a, __m128i b)
__m256i _mm256_udivrem_epi32 (__m256i * mem_addr, __m256i a, __m256i b)

Intel官方说明 #

将a中的压缩32位整数除以b中的压缩元素，将截断结果存储到dst中，并将余数作为压缩32位整数存储到mem_addr指向的内存中。

伪代码逻辑 #

FOR j := 0 to 3
    i := 32*j
    dst[i+31:i] := TRUNCATE(a[i+31:i] / b[i+31:i])
    MEM[mem_addr+i+31:mem_addr+i] := REMAINDER(a[i+31:i] / b[i+31:i])
ENDFOR
dst[MAX:128] := 0

内容的提问来源于stack exchange，提问作者scx