如何利用AVX2重排数据：将5元素分组转为7元素结构体数组

一、AVX2寄存器数据重排需求 #

已完成部分处理流程，计划通过AVX2指令集优化数据写入操作（AVX-512版本为可选扩展，核心目标是基于AVX2实现高效处理）。

目标数据格式为以下C++结构体：

struct Data
{
    uint32_t a,b,c,d,e;
    uint32_t f, g;
};

源数据存储规则：a、b、c、d、e这5个元素以连续分组的形式存储，f、g元素则分别存储在独立的数组中。当前计划使用7个AVX2的YMM寄存器（__m256i类型）存储8个Data结构体的数据，各寄存器内的数据分布如下：

1st register: [a0,b0,c0,d0,e0, a1,b1,c1]
2nd register: [d1,e1, a2,b2,c2,d2,e2, a3]
3rd register: [b3,c3,d3,e3, a4,b4,c4,d4]
4th register: [e4, a5,b5,c5,d5,e5, a6,b6]
5th register: [c6,d6,e6, a7,b7,c7,d7,e7]
6th register: [f0,f1,f2,f3,f4,f5,f6,f7]
7th register: [g0,g1,g2,g3,g4,g5,g6,g7]

需要对这些寄存器中的数据进行重排，使得每个寄存器按顺序包含完整的abcdefg序列，例如：

• 第一个寄存器：[a0,b0,c0,d0,e0,f0,g0,a1]
• 第二个寄存器：[b1,c1,d1,e1,f1,g1,a2,b2]
  以此类推，最终实现数据的有序输出。

二、C++函数性能优化需求 #

需要优化以下C++函数的运行速度，该函数负责将输入的uint32_t数组转换为Data结构体数组：

#pragma pack(push, 1)
struct Data
{
    uint32_t a,b,c,d,e;
    uint32_t f, g;
};
#pragma pack(pop)

static const int kItemsPerIteration = 1024;

void deinterleaveData(std::vector<Data>& dataOut, const std::vector<uint32_t>& dataIn)
{
    assert(dataIn.size() == kItemsPerIteration * sizeof(Data) + 1); // + 1 for delta
    dataOut.resize(kItemsPerIteration);
    uint32_t delta = dataIn[0];
    const uint32_t* a = dataIn.data() + 1; // abcde
    const uint32_t* f = &dataIn[0] + 1 + kItemsPerIteration * 5; // f
    const uint32_t* g = &dataIn[0] + 1 + kItemsPerIteration * 6; // g
    for (auto& x : dataOut)
    {
        x.a = delta + a[0];
        x.b = delta + a[1];
        x.c = delta + a[2];
        x.d = delta + a[3];
        x.e = delta + a[4];
        x.f = *f++;
        x.g = *g++;
        a += 5;
    }
}

内容的提问来源于stack exchange，提问作者Pavel P