基于AVX2的带前导零字节SIMD向量高效移位/旋转方法

步骤1：计算前导零的字节数n #

首先通过AVX2指令结合CPU的前导零计数指令，确定向量中前导零的数量：

#include <immintrin.h>

// 输入目标AVX2字节向量
__m256i vec = ...;

// 1. 生成非零字节掩码：非零字节对应0xFF，零字节对应0x00
__m256i non_zero_mask = _mm256_cmpgt_epi8(vec, _mm256_setzero_si256());

// 2. 将SIMD掩码转换为32位整数，每个位对应一个字节的非零状态
int mask = _mm256_movemask_epi8(non_zero_mask);

// 3. 计算前导零的字节数n（注意：全零向量需单独处理）
int n = __builtin_clz(mask); // GCC/Clang环境
// MSVC环境替换为：int n = _lzcnt_u32(mask);

步骤2：构造Shuffle掩码并执行左移 #

利用AVX2的_mm256_shuffle_epi8指令，通过自定义掩码实现任意字节数的左移，超出原向量范围的位置自动填充零：

__m256i shuffle_mask;
if (n == 0) {
    // 无前导零，直接使用恒等掩码
    shuffle_mask = _mm256_setr_epi8(0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,
                                    16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31);
} else {
    // 动态生成移位掩码：目标位置i取原向量i+n位置的字节，超出范围则填零
    uint8_t mask_data[32];
    for (int i=0; i<32; i++) {
        mask_data[i] = (i + n < 32) ? (uint8_t)(i + n) : 0xFF;
    }
    shuffle_mask = _mm256_loadu_si256((const __m256i*)mask_data);
}

// 执行移位操作，得到最终结果
__m256i result = _mm256_shuffle_epi8(vec, shuffle_mask);

优化说明 #

• 若向量全零（mask == 0），需添加分支直接返回原向量，避免__builtin_clz的未定义行为。
• 动态生成掩码的开销极小，仅需一次32字节加载，整体操作仅需少量SIMD指令，效率远高于分块移位方案。
• _mm256_shuffle_epi8支持任意字节粒度的重排，是处理此类动态移位场景的最优选择。

内容的提问来源于stack exchange，提问作者jay jayjay