手臂上的每个字节的高点，对于64个字节，例如Avx512 vpmovb2m？

Question

__builtin_ia32_cvtb2mask512()

是gnu c内置的vpmovb2m k, zmm

。
Intel的内在是

_mm512_movepi8_mask。
它从每个字节中提取最重要的位，产生整数掩码。

SSE2和AVX2指令

pmovmskb

和

vpmovmskb

对16或32字节向量执行相同的操作，在GPR中生成掩码，而不是AVX-512掩码寄存器。 （

_mm_movemask_epi8

和

_mm256_movemask_epi8

）

我希望ARM的实现比以下更快

我想实施武器霓虹灯 我想为ARMSVE

进行实施

我已经在C中附加了基本标量实现。对于那些试图用手臂实现的人，我们关心高位，但是每个字节的高钻头（在128位向量中）可以轻松地使用手臂将其转移到低位霓虹灯内在：vshrq_n_u8（）。 请注意，我希望不将位图存储到内存中，它应该只是该函数的返回值，类似于以下函数。

#define _(n) __attribute((vector_size(1<<n),aligned(1)))
typedef char V  _(6); // 64 bytes, 512 bits
typedef unsigned long U;
#undef _
U generic_cvtb2mask512(V v) {
   U mask=0;int i=0; 
   while(i<64){
     // shift mask by 1 and OR with MSB of v[i] byte
     mask=(mask<<1)|((v[i]&0x80)>>7);
     i++;}
   return mask;
}

1. 这是16个字节（128B向量）的一种可能的算法，只需将其放入64个字节（512B vector）的循环中：

2. #define _(n) __attribute((vector_size(1<<n),aligned(1)))
   typedef char g4 _(4); // 16 bytes, 128 bits
   typedef char g3 _(3); // 8 bytes,   64 bits
   typedef unsigned long U;
   #undef _
   
   unsigned short get_16msb(g4 v) {
     unsigned short = ret;
   
     // per byte, make every bit same as msb
     g4 msb = vdupq_n_u8(0x80);
     g4 filled = vceqq_u8(v, msb);
   
     // create a mask of each bit value
     g4 b = {0x80, 0x40, 0x20, 0x01, 0x08, 0x04, 0x02, 0x01,
             0x80, 0x40, 0x20, 0x01, 0x08, 0x04, 0x02, 0x01};
   
     // and vectors together
     g4 z = vandq_u8 (filled,b);
   
     // extract lower 8 bytes, hi 8 bytes
     g3 lo = vget_low_u8(z);
     g3 hi = vget_high_u8(z);
   
     // 'or' the 8 bytes of lo together ...
     // put in byte 1 of ret
     // 'or' the 8 bytes of hi together ...  
     // put in byte 2 of ret
   
     return ret;
   }

当大多数/最佳优化是特定的时，很难优化通用。尤其是您想处理的结果。

EGEG与“检查是否设置高位”的代码相比，比“检查高位设置”的代码要便宜得多。

  // per byte, make every bit same as msb
  g4 msb = vdupq_n_u8(0x80);
  g4 filled = vceqq_u8(v, msb);

不会在性能上有所作为，但是它在检查是否设置了标志位，所以只需

vcltzq_s8(v)

。即，而不是仅在签名比较中检查值是负的。

如果您只关心是否有一个具有签名位设置的值，那么对于Adv Simd，您只能在比较结果上使用

v == 0x80

，然后才能使用：

Answer 1

vpmaxq_s8

对于SVE，您不需要它，因为比较本身设置标志。您可以在比较和分支的谓词结果上做

if (vgetq_lane_s64 (vreinterpretq_s64_s8 (res), 0))

。编译器应在优化期间删除

ptest

。

如果您需要使用哪个元素，则有多种方法。 正如彼得·科德斯（Peter Cordes）在评论中所说的那样，您可以使用AN和特殊面具，然后使用ADV。 simd.

这些模式很常见，并且本质上是标准库中的。  因此，对于最佳序列，我建议您在ARM优化的例程中检查我们在找到更好的方法时不断更新的任何内容。

for neon：

https：//github.com/arm-software/optimized-routines/blob/master/string/aarch64/strchr.s

是文件，如上所述。

for sve：

https：//github.com/arm-software/optimized-routines/blob/master/string/aarch64/strchr-sve.s，在那里还有一些其他代码，因为

ptest

需要检查null的null终结者，但总体想法是相同的。

clz