SSE指令算法及应用----入门篇

SSE是英特尔提出的即MMX之后新一代（当然是几年前了）CPU指令集，最早应用在PIII系列CPU上。现在已经得到了Intel PIII、P4、Celeon、Xeon、AMD Athlon、duron等系列CPU的支持。而更新的SSE2指令集仅得到了P4系列CPU的支持，这也是为什么这篇文章是讲SSE而不是SSE2的原因之一。另一个原因就是SSE和SSE2的指令系统是非常相似的，SSE2比SSE多的仅是少量的额外浮点处理功能、64位浮点数运算支持和64位整数运算支持。

  SSE为什么会比传统的浮点运算更快呢？因为它使用了128位的存储单元，这对于32位的浮点数来讲，是可以存下4个的，也就是说，SSE中的所有计算都是一次性针对4个浮点数来完成的，这种批处理当然就会带来效率的提升。我们再来回顾一下SSE的全称：Stream SIMD Extentions（流SIMD扩展）。SIMD就是single instruction multiple data，连起来就是“数据流单指令多数据扩展”，从名字我们就可以更好的理解SSE是如何工作的了。

  虽然SSE从理论上来讲要比传统的浮点运算会快，但是他所受的限制也很多，首先，虽然他执行一次相当于四次，会比传统的浮点运算执行4次的速度要快，但是他执行一次的速度却并没有想象中的那么快，所以要体现SSE的速度，必须有Stream做前提，就是大量的流数据，这样才能发挥SIMD的强大作用。其次，SSE支持的数据类型是4个32位（共计128位）浮点数集合，就是C、C++语言中的float[4]，并且必须是以16字节边界对齐的（稍后会以代码来进行阐释，关于边界对齐的概念，读者可以参考论坛上的其它文章，都会有很详细的解答，我这里就恕不赘述了）。因此这也给输入和输出带来了不少的麻烦，实际上主要影响SSE发挥性能的就是不停的对数据进行复制以适用应它的数据格式。

  我是一个C++程序员，对汇编并不很熟，但我又想用SSE来优化我的程序，我该怎么做呢？幸好VC++.net为我们提供了很方便的指令C函数级的封装和C格式数据类型，我们只需像平时写C++代码一样定义变量、调用函数就可以很好的应用SSE指令了。

  当然了，我们需要包含一个头文件，这里面包括了我们需要的数据类型和函数的声明：

#include <xmmintrin.h>

  SSE运算的标准数据类型只有一个，就是：

__m128，它是这样定义的：

typedef struct __declspec(intrin_type) __declspec(align(16)) __m128 {    float m128_f32[4]; } __m128;

  简化一下，就是：

struct __m128 {    float m128_f32[4]; };

  比如要定义一个__m128变量，并为它赋四个float整数，可以这样写：

 

__m128 S1 = { 1.0f, 2.0f, 3,0f, 4,0f };

  要改变其中第2个（基数为0）元素时可以这样写：

S1.m128_f32[2] = 6.0f;

  令外我们还会用到几个赋值的指令，它可以让我们更方便的使用这个数据结构：

S1 = _mm_set_ps1( 2.0f );

  它会让S1.m128_f32中的四个元素全部赋予2.0f，这样会比你一个一个赋值要快的多。

S1 = _mm_setzero_ps();

  这会让S1中的所有4个浮点数都置零。

  还有一些其它的赋值指令，但执行起来还没有自己逐个赋值来的快，只做为一些特殊用途，如果你想了解更多的信息，可以参考MSDN -> VisualC++参考 -> C/C++Language -> C++Language Reference -> Compiler Intrinsics -> MMX, SSE, and SSE2 Intrinsics -> Stream SIMD Extensions(SSE)章节。

  一般来讲，所有SSE指令函数都有3个部分组成，中间用下划线隔开：

_mm_set_ps1

  mm表示多媒体扩展指令集

  set表示此函数的含义缩写

  ps1表示该函数对结果变量的影响，由两个字母组成，第一个字母表示对结果变量的影响方式，p表示把结果做为指向一组数据的指针，每一个元素都将参与运算，S表示只将结果变量中的第一个元素参与运算；第二个字母表示参与运算的数据类型。s表示32位浮点数，d表示64位浮点数，i32表示32位定点数，i64表示64位定点数，由于SSE只支持32位浮点数的运算，所以你可能会在这些指令封装函数中找不到包含非s修饰符的，但你可以在MMX和SSE2的指令集中去认识它们。

  接下来我举一个例子来说明SSE的指令函数是如何使用的，必须要说明的是我以下的代码都是在VC7.1的平台上写的，不保证对其它如Dev-C++、Borland C++等开发平台的完全兼容。

  为了方便对比速度，我会用常归方法和SSE优化两种写法写出，并会用一个测试速度的类CTimer来进行计时。

  这个算法是对一组float值进行放大，函数ScaleValue1是使用SSE指令优化的，函数ScaleValue2则没有。我们用10000个元素的float数组数据来测试这两个算法，每个算法运算10000遍，下面是测试程序和结果：

#include <xmmintrin.h> #include <windows.h>

class CTimer { public:        __forceinline CTimer( void )        {               QueryPerformanceFrequency( &m_Frequency );               QueryPerformanceCounter( &m_StartCount );        }        __forceinline void Reset( void )        {               QueryPerformanceCounter( &m_StartCount );        }        __forceinline double End( void )        {               static __int64 nCurCount;               QueryPerformanceCounter( (PLARGE_INTEGER)&nCurCount );               return double( nCurCount * ( *(__int64*)&m_StartCount ) ) / double( *(__int64*)&m_Frequency );        } private:        LARGE_INTEGER m_Frequency;        LARGE_INTEGER m_StartCount; }; //使用SSE的函数 void ScaleValue1( float *pArray, DWORD dwCount, float fScale ) {

DWORD dwGroupCount = dwCount / 4;        __m128 e_Scale = _mm_set_ps1( fScale );        for ( DWORD i = 0; i < dwGroupCount; i++ )        {               *(__m128*)( pArray + i * 4 ) = _mm_mul_ps( *(__m128*)( pArray + i * 4 ), e_Scale );        } } //不使用SSE的函数 void ScaleValue2( float *pArray, DWORD dwCount, float fScale ) {        for ( DWORD i = 0; i < dwCount; i++ )        {               pArray[i] *= fScale;        } } #define ARRAYCOUNT 10000 int __cdecl main() {       //设置数据按16字节对齐        float __declspec(align(16)) Array[ARRAYCOUNT];        memset( Array, 0, sizeof(float) * ARRAYCOUNT );        CTimer t;        double dTime;        t.Reset();

for ( int i = 0; i < 100000; i++ )        {               ScaleValue1( Array, ARRAYCOUNT, 1000.0f );        }        dTime = t.End();        cout << "Use SSE：" << dTime << "秒" << endl;        t.Reset();        for ( int i = 0; i < 100000; i++ )        {               ScaleValue2( Array, ARRAYCOUNT, 1000.0f );        }        dTime = t.End();        cout << "Not Use SSE：" << dTime << "秒" << endl;        system( "pause" );        return 0; } Use SSE：0.997817 Not Use SSE：2.84963

  这里要注意一下，我使用了__declspec(align(16))做为数组定义的修释符，这表示该数组是以16字节为边界对齐的，因为SSE指令只能支持这种格式的内存数据。