C++ AVX2 SIMD编程中_mm256_load_ps加载触发段错误问题

问题复现代码 #

运行如下AVX2并行求和实现：

template<SumAlgorithm algorithm_t, typename iterator_t, typename sum_t = typename std::iterator_traits<iterator_t>::value_type>
    sum_t avx2_sum(iterator_t begin,  iterator_t end) noexcept requires std::is_same<sum_t, float>::value && (algorithm_t == SumAlgorithm::Normal) {
        // SIMD并行求和阶段
        auto running_sums = _mm256_set1_ps(0);
        long iterator_skip = 256/(8*sizeof(sum_t));
        for (; begin < end; begin += iterator_skip){
            std::cout << "HERE\n";
            __m256 tmp = _mm256_load_ps(begin);
            running_sums = _mm256_add_ps(tmp, running_sums);
        }

        // 结果串行归约
        running_sums = _mm256_add_ps(running_sums, _mm256_permute2f128_ps(running_sums, running_sums, 1));
        running_sums = _mm256_hadd_ps(running_sums, running_sums);
        running_sums = _mm256_hadd_ps(running_sums, running_sums);
        return _mm256_cvtss_f32(running_sums);
    }

调用代码如下：

constexpr unsigned int num_elements = 4096*4096;
constexpr unsigned int alignment = 32;
alignas(alignment) std::vector<float> float_vec(num_elements, 1.0);
std::cout << "avx2<float, Normal>: " << accumulators::avx2_sum<algo::Normal>(&(*float_vec.begin()), &(*float_vec.end())) <<"\n";

程序首次进入循环执行到_mm256_load_ps时触发段错误。

已验证现象 #

• 对传入的begin指针做解引用操作，可正常读取到有效值1.0
• 代码已对std::vector对象声明32字节对齐，故障仍存在

故障根因 #

alignas修饰符仅会保证栈上的std::vector对象自身（即vector的内部控制块，存储堆内存指针、元素计数、容量等成员）按照32字节对齐，不会影响vector在堆上分配的元素存储内存的对齐属性。
_mm256_load_ps是严格对齐的AVX2加载指令，要求访存地址必须32字节对齐，否则就会触发内存访问异常。普通标量解引用仅要求地址指向合法可访问内存，不要求32字节对齐，因此会出现单元素读取正常、SIMD加载报错的现象。

修复方案 #

• 方案一（性能最优）：为std::vector配置符合C++标准的对齐内存分配器，让vector申请堆内存时主动分配满足32字节对齐要求的空间存储元素，适配对齐加载指令的要求。
• 方案二（实现简单）：将对齐加载指令_mm256_load_ps替换为支持非对齐地址访问的_mm256_loadu_ps，无需修改vector的分配逻辑，但非对齐加载在部分场景下性能略低于对齐加载。

内容的提问来源于stack exchange，提问作者M46f988b814