PSHUFD与SHUFPD指令有何区别？请结合实例对比说明

两类指令均属于x86 SSE/AVX指令集下的数据洗牌（重排）指令，核心差异集中在操作粒度、源操作数逻辑、适用场景三个维度，不存在功能重叠。

核心属性差异 #

• 操作粒度不同：SHUFPD最小操作单元为64位（对应1个双精度浮点数/1个64位整数），无法修改64位块内部的字节/32位字顺序；PSHUFD最小操作单元为32位（对应1个单精度浮点数/1个32位整数），可在32位粒度下任意重排。
• 源操作数逻辑不同：SSE版本SHUFPD为双源操作，结果由原目的寄存器、源寄存器/内存两个操作数的64位块拼接而成；SSE版本PSHUFD为单源覆盖操作，结果完全来自源寄存器/内存的32位块重排，覆盖写入目的寄存器。
• 立即数控制规则不同：SHUFPD的8位立即数每2位对应1个目标64位块，仅能选择对应位置的两个源的64位块；PSHUFD的8位立即数每2位对应1个目标32位块，可选择源操作数内任意位置的32位块。

注：AVX/AVX2版本的对应指令（VSHUFPD、VPSHUFD）逻辑与SSE版本完全一致，仅寄存器宽度扩展为256/512位，且按128位lane独立执行洗牌，不跨lane选数。

具体操作示例（128位SSE语境） #

先预设寄存器初始值，按小端序从低地址到高地址排列（寄存器显示最左侧为最低位元素）：

xmm0 = [d0, d1, d2, d3]
// 拆为64位块：低64位=double0(d0+d1)，高64位=double1(d2+d3)
xmm1 = [d4, d5, d6, d7]
// 拆为64位块：低64位=double2(d4+d5)，高64位=double3(d6+d7)

其中d0~d7均为32位dword元素。

PSHUFD操作示例 #

执行指令：PSHUFD xmm0, xmm1, 0b10110001 (0xB1)
8位立即数从低到高每2位控制1个目标32位块的来源：

• 目标第0个dword（最低32位）：imm[1:0] = 01 → 选xmm1第1个dword → d5
• 目标第1个dword：imm[3:2] = 00 → 选xmm1第0个dword → d4
• 目标第2个dword：imm[5:4] = 11 → 选xmm1第3个dword → d7
• 目标第3个dword（最高32位）：imm[7:6] = 10 → 选xmm1第2个dword → d6

最终xmm0结果为[d5, d4, d7, d6]，全程仅读取xmm1一个源，32位粒度可任意重排。

SHUFPD操作示例 #

执行指令：SHUFPD xmm0, xmm1, 0b00000001 (0x1)
8位立即数从低到高每2位控制1个目标64位块的来源：

• 目标低64位：imm[1:0] = 01 → 选源xmm1的高64位 → d6+d7（double3）
• 目标高64位：imm[3:2] = 00 → 选原xmm0的低64位 → d0+d1（double0）

最终xmm0结果为[d6, d7, d0, d1]，仅能拼接两个源的64位块，无法拆分64位块调整内部顺序。

典型使用场景 #

• PSHUFD：32位整数重排、单精度浮点重排、常量构造、64位数据拼接/位移时的32位块调整，多数CPU架构上延迟为1周期，单周期可发射2~3条，是最常用的整数/单精度洗牌指令。
• SHUFPD：双精度浮点高低块交换、两个双精度向量的交叉拼接（比如双精度复数运算的实虚部拼接），多数CPU架构上延迟为1周期，但因双源属性，老架构上的端口限制比PSHUFD更严格。

常见误区：指令命名仅对应最初设计的目标数据类型，实际洗牌指令不校验数据类型——可以用PSHUFD处理32位粒度的单精度浮点数，也可以用SHUFPD处理64位粒度的64位整数，判断适用场景的核心依据永远是操作粒度。

内容的提问来源于stack exchange，提问作者stht55