SSE指令MOVSD（擴展：x86，x86-64上的浮點標量和向量操作）

Question

我對MOVSD彙編指令有些困惑。我寫了一些計算一些矩陣乘法的數字代碼，只是使用普通的C代碼而沒有SSE內在函數。我甚至不包括用於編譯的SSE2內在函數的頭文件。但是當我檢查彙編輸出時，我看到：

1）使用128位向量寄存器XMM; 2）調用SSE2指令MOVSD。

據我所知，MOVSD實質上是在單精度浮點運算。它只使用XMM寄存器的低64位並設置高64位0.但我只是不明白兩件事：

1）我從來沒有給編譯器提供任何使用SSE2的提示。另外，我使用GCC而不是intel編譯器。據我所知，英特爾編譯器會自動尋找向量化的機會，但GCC不會。那麼GCC如何知道使用MOVSD？或者，這個x86指令在SSE指令集之前就已經存在很久了，而SSE2中的_mm_load_sd（）內部函數僅僅是爲了向標量計算使用XMM寄存器提供向後兼容性？

2）爲什麼編譯器不使用其他浮點寄存器，80位浮點堆棧或64位浮點寄存器？爲什麼它必須使用XMM寄存器（通過設置高64位0，並且實質上浪費了該存儲）？ XMM是否提供更快的訪問？

---

順便說一下，我有關於SSE2的另一個問題。我只是看不到_mm_store_sd（）和_mm_storel_sd（）之間的區別。兩者都將較低的64位值存儲到一個地址。有什麼不同？性能差異？對齊差異？

謝謝。

---

更新1：

OKAY，很明顯當我第一次問這個問題，我缺乏關於如何管理着CPU浮點運算的一些基本知識。所以專家們傾向於認爲我的問題是無意義的。由於我沒有包含最短的樣本C代碼，人們可能會認爲這個問題也很模糊。在這裏，我將提供a review作爲答案，希望對於任何不清楚現代CPU浮點運算的人都會有所幫助。

Answer 1

浮點標量/矢量處理對現代CPU的審查

矢量處理的想法可以追溯到老的時候vector processors，但這些處理器已經被現代建築與緩存的系統所取代。所以我們專注於現代CPU，特別是x86和x86-64。這些體系結構是main stream in high performance scientific computing。

自i386以來，英特爾推出了浮點堆棧，其中浮點數最多可以保持80位寬。該堆棧通常被稱爲x87 or 387 floating point "registers"，其中一組爲x87 FPU instructions。 x87堆棧不是真正的可直接尋址的寄存器，如通用寄存器，因爲它們在堆棧中。訪問註冊st（i）是通過偏移堆棧頂部寄存器％st（0）或者簡單地％st。藉助指令FXCH將當前棧頂％st和某個偏移寄存器％st（i）之間的內容交換，可以實現隨機訪問。但FXCH可能會施加一些性能損失，儘管最小化。x87堆棧默認情況下通過計算80位精度的中間結果來提供高精度計算，以最大限度地減少數值不穩定算法中的舍入誤差。但是，x87指令是完全標量的。

矢量化的第一個努力是MMX instruction set，它執行整數矢量操作。 MMX下的向量寄存器是64位寬寄存器MMX0，MMX1，...，MMX7。每個可以用來保存64位整數，或者以「打包」格式保存多個較小的整數。然後可以將一條指令一次應用於兩個32位整數，四個16位整數或八個8位整數。因此，現在有用於標量整數操作的傳統通用寄存器，以及用於不具有共享執行資源的整數向量操作的新MMX。但MMX以標量x87 FPU操作共享執行資源：每個MMX寄存器對應於x87寄存器的低64位，而x87寄存器的高16位未使用。這些MMX寄存器都可直接尋址。但是，混疊使得在同一個應用程序中使用浮點和整數向量操作很困難。爲了最大限度提高性能，程序員經常只在一種模式或另一種模式下使用處理器，並儘可能延遲它們之間的相對較慢的切換。

後來，SSE沿着x87堆棧的一側創建了一組單獨的128位寬寄存器XMM0-XMM7。關於單精度浮點運算（32位）的SSE指令專注於專用;整數向量操作仍使用MMX寄存器和MMX指令集執行。但是現在兩個操作可以同時進行，因爲它們不共享執行資源。 重要的是要知道SSE不僅執行浮點向量操作，還執行浮點標量操作。從本質上講，它提供了一個浮動操作發生的新地方，並且x87堆棧不再是執行浮動操作的先決選擇。使用XMM寄存器進行標量浮點運算比使用x87堆棧快，因爲所有XMM寄存器都更容易訪問，而x87堆棧不能在沒有FXCH的情況下隨機訪問。當我發佈我的問題時，我顯然不知道這個事實。我不清楚的另一個概念是通用寄存器是整數/地址寄存器。即使它們是x86-64上的64位，它們也無法保持64位浮點。主要原因是與通用寄存器相關的執行單元是ALU（算術邏輯單元&），它不適用於浮點計算。

SSE2是一個重大進展，因爲它擴展了矢量數據類型，所以SSE2指令（標量或向量）可以用於所有C標準數據類型。事實上這種擴展使MMX過時了。另外，x87堆疊不像以前那麼重要。由於有兩個可以進行浮點運算的可選位置，因此可以爲編譯器指定選項。例如，對於GCC，編譯時使用標記

-mfpmath=387 

將計劃傳統x87堆棧上的浮點操作請注意，這似乎是32位x86的默認設置，即使SSE已經可用。例如，我有一臺2007年製造的Intel Core2Duo筆記本電腦，它已經配備了SSE版本，最高版本爲SSE4，而GCC仍然會默認使用x87堆棧，這使得科學計算不必要地變慢。在這種情況下，我們需要使用標記編譯

-mfpmath=sse 

GCC將在XMM寄存器上安排浮點運算。 64位x86-64用戶不需要擔心這種配置，因爲這是x86-64上的默認配置。這種信號只會影響標量浮點運算。如果我們使用矢量指令和編譯器編寫代碼，則帶有標記的代碼可以是隻有XMM寄存器才能進行計算的唯一位置。換句話說，這個標誌打開-mfpmath = sse。欲瞭解更多信息，請參閱GCC's configuration of x86, x86-64。有關編寫SSE2 C代碼的示例，請參閱我的其他帖子How to ask GCC to completely unroll this loop (i.e., peel this loop)?。

SSE指令集雖然非常有用，但不是最新的向量擴展。 AVX，advanced vector extensions通過提供3個操作數和4個操作數指令來增強SSE。如果您不清楚這意味着什麼，請參閱number of operands in instruction set。 3操作數指令優化了科學計算中常見的fused multiply-add (FMA)操作：1）使用1個較少的寄存器; 2）減少寄存器之間的顯式數據移動量; 3）本身加速FMA計算。例如使用AVX，請參閱@Nominal Animal's answer to my post。