是否有一个内禀函数使__m128i向量的最后n个字节为零？

Question

给定n，我希望将__m128i向量的最后一个n字节归零。

例如，考虑以下__m128i向量：

11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111

将最后一个n = 4字节归零后，向量应该如下所示：

11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 11111111 00000000 00000000 00000000 00000000

是否有一个SSE内禀函数可以这样做(通过接受__128i向量和n作为参数)？

Answer 1

有各种不依赖AVX512的选项。例如：

非对齐负载

char mask[32] = { 0, 0, 0, 0, 0, 0, 0, 0,
                  0, 0, 0, 0, 0, 0, 0, 0,
                  -1, -1, -1, -1, -1, -1, -1, -1,
                  -1, -1, -1, -1, -1, -1, -1, -1};

__m128i zeroLowestNBytes(__m128i x, uint32_t n)
{
    __m128i m = _mm_loadu_si128((__m128i*)&mask[16 - n]);
    return _mm_and_si128(x, m);
}

使用AVX，加载可以成为vpand的内存操作数。如果没有AVX，movdqu和pand仍然很好。

负载不对齐通常不是一个问题，除非它跨越4K边界。如果你能让mask 32对齐，那么这个问题就会消失。负载仍然是不对齐的，但不会碰到特定的边缘情况。

n是一个避免符号扩展的uint32_t。

广播比较

__m128i zeroLowestNBytes(__m128i x, int n)
{
    __m128i threshold = _mm_set1_epi8(n);
    __m128i index = _mm_set_epi8(15, 14, 13, 12, 11, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0);
    return _mm_andnot_si128(_mm_cmpgt_epi8(threshold, index), x);
}

这样可以避免未对齐的负载，但这并不重要。更重要的是，它避免了“输入依赖负载”：在带有未对齐负载的版本中，加载依赖于n。在这个版本中，加载独立于n。例如，如果此函数是内联的，则允许编译器将其从循环中吊起。它还允许无序执行更多的自由，以便尽早启动加载，也许在计算n之前。

另一方面，它基本上需要AVX2或SSSE3才能很好地实现_mm_set1_epi8(n)。而且，这通常需要更多的指令，这可能会使吞吐量更差。延迟应该更好，因为在“主链”中没有负载(有一个负载，但它位于一边，它不会将其延迟添加到计算的延迟中)。

Answer 2

您应该能够通过使用_mm_mask_set1_epi8内禀向矢量末尾的所需字节“广播”零来达到预期的结果：

__m128i _mm_mask_set1_epi8 (__m128i src, __mmask16 k, char a)

• src is __m128i vector
• __mmask16是从n as (1 << n) - 1构造的，即在end
• char a是0

上有n的掩码。