计算汉明权重的SWAR（SIMD within a Register）算法

前言

在很久之前，笔者在《布隆过滤器（Bloom Filter）原理及Guava中的具体实现》这篇文章的最后，说到JDK中提供了计算整形数二进制表示中1的数量［即所谓汉明权重（Hamming weight）］的方法，并且说它是Java语言中最强的骚操作之一。本文来简单探究一下骚操作背后的思路。

朴素的SWAR

Integer.bitCount()方法的源码中有一句注释。

// HD, Figure 5-2

说明该方法的原理可以在《Hacker's Delight》这本书的第5章找到。很显然，计算二进制串汉明权重的问题可以转化为计算所有1之和的问题，以32位整数为例，分治的步骤如下。

1. 将每2个比特视为一组，一共16组，计算每组中有多少个1。
   利用0x55555555（01010101010101010101010101010101）作为掩码。将原数i与该掩码做逻辑与运算，可以取得每组中低位的比特；将原数i右移一位再与该掩码做逻辑与运算，可以取得每组中高位的比特。将两者相加，即可得到每两个比特中的1数量。

i = (i & 0x55555555) + ((i >> 1) & 0x55555555)

2. 我们已经得到了16组范围在[0, 2]之间的结果，接下来在此基础上将每4个比特（即上一步的每两组）视为一组，一共8组，计算每组中有多少个1。
   利用0x33333333（00110011001100110011001100110011）作为掩码。将原数i与该掩码做逻辑与运算，可以取得每组中低2位的比特；将原数i右移2位再与该掩码做逻辑与运算，可以取得每组中高2位的比特。将两者相加，即可得到每4个比特中的1数量。

i = (i & 0x33333333) + ((i >> 2) & 0x33333333)

3. 我们已经得到了8组范围在[0, 4]之间的结果，接下来在此基础上将每8个比特（即上一步的每两组）视为一组，一共4组，计算每组中有多少个1。
   如法炮制，利用0x0F0F0F0F（00001111000011110000111100001111）作为掩码，继续做逻辑与、右移和相加操作即可。

i = (i & 0x0F0F0F0F) + ((i >> 4) & 0x0F0F0F0F)

4. 继续按照分治思想，两两合并，得出最终的结果。写出完整的方法如下。

public static int bitCount(int i) {
    i = (i & 0x55555555) + ((i >> 1) & 0x55555555);
    i = (i & 0x33333333) + ((i >> 2) & 0x33333333);
    i = (i & 0x0F0F0F0F) + ((i >> 4) & 0x0F0F0F0F);
    i = (i & 0x00FF00FF) + ((i >> 8) & 0x00FF00FF);
    i = (i & 0x0000FFFF) + ((i >> 16) & 0x0000FFFF);
    return i;
}

上述思路一般被称为SWAR（SIMD within a Register），顾名思义，就是在一个寄存器上进行单指令多数据流（single instruction, multiple data）操作，在很多地方都有应用。可见，数值i确实可以只用单个寄存器来存储，不需要额外的存储空间。并且上述方法执行的都是位运算和加法操作，现代处理器对此都有特殊的优化，效率非常高，并且还消灭了相对比较耗时的分支和跳转操作。

这样一看，我们刷题时容易想到的O(n)时间复杂度的解法（即while (i > 0) { i = i & (i - 1); bitCount++; }）简直弱爆了。

优化的SWAR

说完了SWAR，下面来看看真正的Integer.bitCount()实现。

public static int bitCount(int i) {
    // HD, Figure 5-2
    i = i - ((i >>> 1) & 0x55555555);
    i = (i & 0x33333333) + ((i >>> 2) & 0x33333333);
    i = (i + (i >>> 4)) & 0x0f0f0f0f;
    i = i + (i >>> 8);
    i = i + (i >>> 16);
    return i & 0x3f;
}

似乎与上面讲的思路有很大出入？实际上仍然是由朴素的SWAR算法优化而来的。

1. 第一步将每两个比特视为一组时，容易得知有对应关系：

00 = 00 - 00（0个1）
01 = 01 - 00 = 10 - 01（1个1）
10 = 11 - 01（2个1）

亦即对于两个比特组成的数i，汉明权重就是i - (i >>> 1)（其中>>>表示无符号右移）。那么扩展考虑，如果i不止两个比特，按照朴素SWAR算法，在无符号右移之后再与掩码0x55555555做逻辑与，就可以消除掉右移对2比特组的高位的影响（因为i >>> 1的高位不可能为1），i - (i >>> 1)的关系仍然成立，即：

i = i - ((i >>> 1) & 0x55555555)

这样就减少了一次位运算。

2. 第二步将每4个比特视为一组，由于i + (i >>> 2)可能会产生进位，似乎没什么优化思路，于是维持原状。

3. 第三步实际上就是计算每个字节的汉明权重，由于每个字节最多只有8个1（计数值为1000），所以先做加法i + (i >>> 4)再做按位与，不会受到进位的影响，能够保证结果的正确性，即：

i = (i + (i >>> 4)) & 0x0f0f0f0f

这样又减少了一次位运算。

4. 后面的步骤可以视为计算每2个字节、每4个字节的汉明权重，所以思路与第三步相同，可以先做加法再做按位与，即：

i = (i + (i >>> 8)) & 0x00ff00ff
i = (i + (i >>> 16)) & 0x0000ffff

但是，我们已经知道Integer的汉明权重肯定不会超过32，即100000，所以实际上只需要在最后与0x3F（即111111）做按位与，就能得到最终的结果了，又减少了一次位运算。

i = i + (i >>> 8)
i = i + (i >>> 16)
i = i & 0x3f

根据Hacker's Delight书中的说法，优化的SWAR汉明权重算法只需要21条指令就可以执行完毕，确实非常精妙了。

The End

Happy Saturday night.

民那晚安晚安。