sse指令集

sse指令集

SSE（Streaming SIMD Extensions，單指令多數(shù)據(jù)流擴展）指令集是Intel在Pentium III處理器中率先推出的。其實，早在PIII正式推出之前，Intel公司就曾經(jīng)通過各種渠道公布過所謂的KNI（Katmai New Instruction）指令集，這個指令集也就是SSE指令集的前身，并一度被很多傳媒稱之為MMX指令集的下一個版本，即MMX2指令集。究其背景，原來"KNI"指令集是Intel公司最早為其下一代芯片命名的指令集名稱，而所謂的"MMX2"則完全是硬件評論家們和媒體憑感覺和印象對"KNI"的 評價，Intel公司從未正式發(fā)布過關(guān)于MMX2的消息。
　　而最終推出的SSE指令集也就是所謂勝出的"互聯(lián)網(wǎng)SSE"指令集。SSE指令集包括了70條指令，其中包含提高3D圖形運算效率的50條SIMD（單指令多數(shù)據(jù)技術(shù)）浮點運算指令、12條MMX 整數(shù)運算增強指令、8條優(yōu)化內(nèi)存中連續(xù)數(shù)據(jù)塊傳輸指令。理論上這些指令對目前流行的圖像處理、浮點運算、3D運算、視頻處理、音頻處理等諸多多媒體應(yīng)用起到全面強化的作用。S SE指令與3DNow!指令彼此互不兼容，但SSE包含了3DNow!技術(shù)的絕大部分功能，只是實現(xiàn)的方法不同。SSE兼容MMX指令，它可以通過SIMD和單時鐘周期并行處理多個浮點數(shù)據(jù)來有效地提高浮點運算速度

SSE是英特爾提出的即MMX之后新一代（當然是幾年前了）CPU指令集，最早應(yīng)用在PIII系列CPU上?，F(xiàn)在已經(jīng)得到了Intel PIII、P4、Celeon、Xeon、AMD Athlon、duron等系列CPU的支持。而更新的SSE2指令集僅得到了P4系列CPU的支持，這也是為什么這篇文章是講SSE而不是SSE2的原因之一。另一個原因就是SSE和SSE2的指令系統(tǒng)是非常相似的，SSE2比SSE多的僅是少量的額外浮點處理功能、64位浮點數(shù)運算支持和64位整數(shù)運算支持。

SSE為什么會比傳統(tǒng)的浮點運算更快呢？因為它使用了128位的存儲單元，這對于32位的浮點數(shù)來講，是可以存下4個的，也就是說，SSE中的所有計算都是一次性針對4個浮點數(shù)來完成的，這種批處理當然就會帶來效率的提升。我們再來回顧一下SSE的全稱：Stream SIMD Extentions（流SIMD擴展）。SIMD就是single instruction multiple data，連起來就是“數(shù)據(jù)流單指令多數(shù)據(jù)擴展”，從名字我們就可以更好的理解SSE是如何工作的了。

? 雖然SSE從理論上來講要比傳統(tǒng)的浮點運算會快，但是他所受的限制也很多，首先，雖然他執(zhí)行一次相當于四次，會比傳統(tǒng)的浮點運算執(zhí)行4次的速度要快，但是他執(zhí)行一次的速度卻并沒有想象中的那么快，所以要體現(xiàn)SSE的速度，必須有Stream做前提，就是大量的流數(shù)據(jù)，這樣才能發(fā)揮SIMD的強大作用。其次，SSE支持的數(shù)據(jù)類型是4個32位（共計128位）浮點數(shù)集合，就是C、C++語言中的float[4]，并且必須是以16位字節(jié)邊界對齊的（稍后會以代碼來進行闡釋，關(guān)于邊界對齊的概念，讀者可以參考論壇上的其它文章，都會有很詳細的解答，我這里就恕不贅述了）。因此這也給輸入和輸出帶來了不少的麻煩，實際上主要影響SSE發(fā)揮性能的就是不停的對數(shù)據(jù)進行復制以適用應(yīng)它的數(shù)據(jù)格式。

? 我是一個C++程序員，對匯編并不很熟，但我又想用SSE來優(yōu)化我的程序，我該怎么做呢？幸好VC++.net為我們提供了很方便的指令C函數(shù)級的封裝和C格式數(shù)據(jù)類型，我們只需像平時寫C++代碼一樣定義變量、調(diào)用函數(shù)就可以很好的應(yīng)用SSE指令了。

? 當然了，我們需要包含一個頭文件，這里面包括了我們需要的數(shù)據(jù)類型和函數(shù)的聲明：

? SSE運算的標準數(shù)據(jù)類型只有一個，就是：

__m128，它是這樣定義的：

? 簡化一下，就是：

? 比如要定義一個__m128變量，并為它賦四個float整數(shù)，可以這樣寫：

? 要改變其中第2個（基數(shù)為0）元素時可以這樣寫：

? 令外我們還會用到幾個賦值的指令，它可以讓我們更方便的使用這個數(shù)據(jù)結(jié)構(gòu)：

? 它會讓S1.m128_f32中的四個元素全部賦予2.0f，這樣會比你一個一個賦值要快的多。

? 這會讓S1中的所有4個浮點數(shù)都置零。

? 還有一些其它的賦值指令，但執(zhí)行起來還沒有自己逐個賦值來的快，只做為一些特殊用途，如果你想了解更多的信息，可以參考MSDN -> VisualC++參考 -> C/C++Language -> C++Language Reference -> Compiler Intrinsics -> MMX, SSE, and SSE2 Intrinsics -> Stream SIMD Extensions(SSE)章節(jié)。

? 一般來講，所有SSE指令函數(shù)都有3個部分組成，中間用下劃線隔開：

? mm表示多媒體擴展指令集

? set表示此函數(shù)的含義縮寫

? ps1表示該函數(shù)對結(jié)果變量的影響，由兩個字母組成，第一個字母表示對結(jié)果變量的影響方式，p表示把結(jié)果做為指向一組數(shù)據(jù)的指針，每一個元素都將參與運算，S表示只將結(jié)果變量中的第一個元素參與運算；第二個字母表示參與運算的數(shù)據(jù)類型。s表示32位浮點數(shù)，d表示64位浮點數(shù)，i32表示32位定點數(shù)，i64表示64位定點數(shù)，由于SSE只支持32位浮點數(shù)的運算，所以你可能會在這些指令封裝函數(shù)中找不到包含非s修飾符的，但你可以在MMX和SSE2的指令集中去認識它們。

? 接下來我舉一個例子來說明SSE的指令函數(shù)是如何使用的，必須要說明的是我以下的代碼都是在VC7.1的平臺上寫的，不保證對其它如Dev-C++、Borland C++等開發(fā)平臺的完全兼容。

? 為了方便對比速度，我會用常歸方法和SSE優(yōu)化兩種寫法寫出，并會用一個測試速度的類CTimer來進行計時。

? 這個算法是對一組float值進行放大，函數(shù)ScaleValue1是使用SSE指令優(yōu)化的，函數(shù)ScaleValue2則沒有。我們用10000個元素的float數(shù)組數(shù)據(jù)來測試這兩個算法，每個算法運算10000遍，下面是測試程序和結(jié)果：

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;

};

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 );

?????? }

}

void ScaleValue2( float *pArray, DWORD dwCount, float fScale )

{

?????? for ( DWORD i = 0; i < dwCount; i++ )

?????? {

????????????? pArray[i] *= fScale;

?????? }

}

#define ARRAYCOUNT 10000

int __cdecl main()

{

?????? 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

? 這里要注意一下，我使用了__declspec(align(16))做為數(shù)組定義的修釋符，這表示該數(shù)組是以16字節(jié)為邊界對齊的，因為SSE指令只能支持這種格式的內(nèi)存數(shù)據(jù)。

? 我們在這里看到了SSE算法的強大，相信它會成為多媒體程序員手中用來對付無窮盡流媒體數(shù)據(jù)的一把利劍。我后面還會寫一些關(guān)于SSE算法更復雜應(yīng)用的文章，敬請關(guān)注，感謝您抽時間閱讀！