AVX512指令中mask_compress+store与mask_compressstoreu哪个性能更优？

首先明确两种方案的指令组成：

• 方案1（compress + 普通store）：先执行VCOMPRESSPS/VCOMPRESSPD指令将选中元素压缩到向量寄存器的低位，再通过普通向量存储指令VMOVUPS/VMOVUPD将整个寄存器写入内存
• 方案2（compressstore）：直接调用VCOMPRESSSTOREPS/VCOMPRESSSTOREPD指令，根据掩码只将选中的压缩后元素写入对应内存位置，未选中位置的内存数据保持不变

性能实测结论（基于Ice Lake、Sapphire Rapids微架构公开测试数据） #

两种方案的核心性能指标差异极小，绝大多数场景下性能表现基本持平。

• 吞吐量：二者的最大吞吐量一致，单周期内最多可执行1次完整的压缩+存储操作
• 延迟：
  • 方案1的端到端延迟为VCOMPRESS指令延迟（3个周期）加普通存储的存储缓冲区写入延迟（通常<2个周期），普通存储的延迟可被流水线完全隐藏，不会阻塞后续不依赖该存储结果的指令执行
  • 方案2的复合指令端到端实测延迟为3~4个周期，和方案1无显著差异

选型建议 #

• 若你可以接受写入整个向量寄存器（不需要保留未选中位置的原内存数据），优先选择compress + 普通store的方案。该方案代码实现更简单，且压缩后的向量寄存器可直接复用给后续计算逻辑，不需要重复执行压缩操作，无额外开销。
• 若你必须保证未选中元素对应的内存位置不被修改，直接使用compressstore指令即可，该指令融合了压缩和掩码存储逻辑，比手动实现「compress + 掩码向量存储」的序列性能高15%~20%。

注意：Intel SDE模拟器仅用于功能验证，其模拟的性能计数和真实硬件的实际性能表现存在偏差，最终性能结论需要在目标物理硬件上实测确认。

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