SSE4内存与不同位置的比较

Question

当我试图用SSE4优化以下内容时，我自己的实现让我吃了一惊：

std::distance(byteptr, std::mismatch(byteptr, ptr + lenght, dataptr).first)

这会比较byteptr和data，并返回字节不匹配的索引。我真的需要原始速度，因为我正在处理如此多的内存，以至于RAM的速度已经是一个瓶颈。使用SSE4一次获取和比较16个字节将提供速度提升，因为一次比较16个字节会更快。

这是我当前无法使用的代码。使用的是GCC SSE内部函数，需要SSE4.2：

// define SIMD 128-bit type of bytes.
typedef char v128i __attribute__ ((vector_size(16)));
// mask of four low bits set.
const uintptr_t aligned_16_imask = (uintptr_t)15;
// mask of four low bits unset.
const uintptr_t aligned_16_mask = ~aligned_16_imask;

inline unsigned int cmp_16b_sse4(v128i *a, v128i *b) {
    return __builtin_ia32_pcmpistri128(__builtin_ia32_lddqu((char*)a), *b, 0x18);  
}

size_t memcmp_pos(const char * ptr1, const char * ptr2, size_t lenght)
{
    size_t nro = 0;
    size_t cmpsz;
    size_t alignlen = lenght & aligned_16_mask;
    // process 16-bytes at time.
    while(nro < alignlen) {
        cmpsz = cmp_16b_sse4((v128i*)ptr1, (v128i*)ptr2);
        ptr1 += cmpsz;
        ptr2 += cmpsz;
        nro += cmpsz;
        // if compare failed return now.
        if(cmpsz < 16)
            return nro;
        if(cmpsz != 16)
            break;
    }
    // process remainder 15 bytes:
    while( *ptr1 == *ptr2 && nro < lenght) {
        ++nro;
        ++ptr1;
        ++ptr2;
    }
    return nro;
}

在测试上面的函数时，它在大多数情况下都可以工作，但在某些情况下会失败。

Answer 1

pcmpistri的一个已知问题是，它总是读取完整的16个字节-甚至超出变量的末尾。这在页面边界上，在分配给未分配内存的边界上成为一个问题。参见here (scroll down to "Renat Saifutdinov")。

即使支持未对齐的读取，也可以通过仅使用源的对齐读取来避免这种情况，see this SO answer。

这可能是代码失败的原因之一。