如何使clang/gcc向矢量化环数组比较？

Question

bool equal(uint8_t * b1,uint8_t * b2){
    b1=(uint8_t*)__builtin_assume_aligned(b1,64);
    b2=(uint8_t*)__builtin_assume_aligned(b2,64);
    for(int ii = 0; ii < 64; ++ii){
        if(b1[ii]!=b2[ii]){
            return false;
        }
    }
    return true;
}

从程序集的角度来看，除了循环展开之外，clang和gcc似乎没有任何可以添加的优化(带有标志-O3 -mavx512f -msse4.2)。我认为将这两个内存区域放在512位寄存器中并进行比较是非常容易的。更令人惊讶的是，这两种编译器也未能对其进行优化(理想情况下，只需要一个64位的比较，而不需要特殊的大型寄存器)：

bool equal(uint8_t * b1,uint8_t * b2){
    b1=(uint8_t*)__builtin_assume_aligned(b1,8);
    b2=(uint8_t*)__builtin_assume_aligned(b2,8);
    for(int ii = 0; ii < 8; ++ii){
        if(b1[ii]!=b2[ii]){
            return false;
        }
    }
    return true;
}

那么，这两个编译器都是愚蠢的，还是这段代码没有向量化的原因呢？有没有办法迫使矢量化，而不写内嵌装配？

Answer 1

“我想”以下是最有效的

memcmp(b1, b2, any_size_you_need);

特别是对于巨大的阵列！

(对于小型数组，无论如何也没有什么可获得的！)

否则，您将需要使用Intel Intrinsics手动矢量化。(chtz也提到)我开始研究这个问题，直到我想到了memcmp。

Answer 2

编译器必须假设，一旦函数返回(或者退出循环)，它就不能读取当前索引后面的任何字节--例如，如果其中一个指针恰好指向无效内存边界附近的某个位置。您可以通过使用(非懒惰)位&/|运算符来组合单个比较的结果来使编译器有机会对其进行优化：

bool equal(uint8_t * b1,uint8_t * b2){
    b1=(uint8_t*)__builtin_assume_aligned(b1,64);
    b2=(uint8_t*)__builtin_assume_aligned(b2,64);
    bool ret = true;
    for(int ii = 0; ii < 64; ++ii){
        ret &= (b1[ii]==b2[ii]);
    }
    return ret;
}

https://godbolt.org/z/3ePh7q5rM演示

尽管如此，gcc仍然未能证明这一点。因此，如果该函数的性能非常关键，则可能需要编写该函数的手动向量化版本。