【C++ SIMD】第3篇：数据对齐与跨步访问（Windows/VS2022版）——以AVX为例

一、 理解数据对齐

1.1 什么是数据对齐

数据对齐指数据在内存中的起始地址是特定数值的整数倍。对于AVX指令集：

• AVX-256要求32字节对齐（地址末5位为0）
• AVX-512要求64字节对齐（地址末6位为0）

// VS2022中测试地址对齐的简单方法
#include 

__m256 aligned_data; // 自动对齐的栈变量
printf("Aligned address: %p\n", &aligned_data);

float raw_data[8];
printf("Unaligned address: %p\n", raw_data);

1.2 对齐失败的后果

# 运行时错误示例（当使用_mm256_load_ps加载未对齐数据时）
Exception thrown at 0x...: Access violation reading location 0x...

1.3 编译器差异对比

编译器	默认栈对齐	动态内存对齐	AVX支持标志
MSVC	16字节	_aligned_malloc	/arch:AVX2
GCC	16字节	aligned_alloc	-mavx2
Clang	16字节	posix_memalign	-mavx2

---

二、AVX内存操作指令详解

2.1 关键指令对比

指令	对齐要求	吞吐量（Skylake）	延迟（周期）
_mm256_load_ps	强制对齐	0.5	4
_mm256_loadu_ps	无	1	6
_mm256_store_ps	强制对齐	1	4
_mm256_storeu_ps	无	1	5

2.2 性能实测对比

测试代码：

#include 
#include 
#include 
#include 
#include 

const int LOOP_COUNT = 10000000;
const int STRIDE = 16;
const size_t VECTOR_SIZE = sizeof(__m256); // 256-bit = 32字节

// 带宽计算工具函数
double calculate_bandwidth(double seconds, size_t bytes_transferred) {
    const double GB = 1024.0 * 1024.0 * 1024.0;
    return (bytes_transferred / GB) / seconds;
}

int main() {
    // 内存分配（同之前版本）
    float* aligned_ptr = static_cast<float*>(_mm_malloc(8 * sizeof(float) * LOOP_COUNT, 32));
    char* unaligned_buffer = static_cast<char*>(_mm_malloc(8 * sizeof(float) * LOOP_COUNT + 32, 32));
    float* unaligned_ptr = reinterpret_cast<float*>(unaligned_buffer + 4);
    float* stride_ptr = static_cast<float*>(_mm_malloc(STRIDE * sizeof(float) * LOOP_COUNT, 32));
    volatile float* sink_addr = static_cast<float*>(_mm_malloc(8 * sizeof(float), 32));

    // 计算理论最大带宽（用于参考）
    const size_t total_bytes = VECTOR_SIZE * LOOP_COUNT;

    // 对齐访问测试
    auto start = std::chrono::high_resolution_clock::now();
    for (int i = 0; i < LOOP_COUNT; ++i) {
        __m256 data = _mm256_load_ps(aligned_ptr + i * 8);
        _mm256_store_ps(const_cast<float*>(sink_addr), data);
    }
    auto end = std::chrono::high_resolution_clock::now();
    std::chrono::duration<double> aligned_time = end - start;
    double aligned_bw = calculate_bandwidth(aligned_time.count(), total_bytes);

    // 非对齐访问测试
    start = std::chrono::high_resolution_clock::now();
    for (int i = 0; i < LOOP_COUNT; ++i) {
        __m256 data = _mm256_loadu_ps(unaligned_ptr + i * 8);
        _mm256_store_ps(const_cast<float*>(sink_addr), data);
    }
    end = std::chrono::high_resolution_clock::now();
    std::chrono::duration<double> unaligned_time = end - start;
    double unaligned_bw = calculate_bandwidth(unaligned_time.count(), total_bytes);

    // 跨步访问测试
    start = std::chrono::high_resolution_clock::now();
    for (int i = 0; i < LOOP_COUNT; ++i) {
        __m256 data = _mm256_load_ps(stride_ptr + i * STRIDE);
        _mm256_store_ps(const_cast<float*>(sink_addr), data);
    }
    end = std::chrono::high_resolution_clock::now();
    std::chrono::duration<double> stride_time = end - start;
    double stride_bw = calculate_bandwidth(stride_time.count(), total_bytes);

    // 输出格式化
    std::cout << std::fixed << std::setprecision(2);
    std::cout << "================== 内存带宽分析 ==================\n";
    std::cout << "访问模式\t耗时(s)\t\t带宽(GB/s)\n";
    std::cout << "-------------------------------------------------\n";
    std::cout << "对齐访问\t" << aligned_time.count() << "\t\t" << aligned_bw << "\n";
    std::cout << "非对齐访问\t" << unaligned_time.count() << "\t\t" << unaligned_bw << "\n";
    std::cout << "跨步访问\t" << stride_time.count() << "\t\t" << stride_bw << "\n";

    // 释放资源
    _mm_free(aligned_ptr);
    _mm_free(unaligned_buffer);
    _mm_free(stride_ptr);
    _mm_free(const_cast<float*>(sink_addr));

    return 0;
}

测试结果：

注：测试结果会根据不同的CPU数值上显示不同。