Intel Intrinsics中的分段故障

Question

我有以下使用Intel本质的功能：

int c_lattice_worker( int lm, double* inArr, double* outArr, int arrLen,
             double sin_,  double cos_ ) {
  int xi, yi;
  double x, y;
  __m128d _msin, _mcos;
  __m128d _m0, _m1;
  _msin = _mm_loaddup_pd( &sin_ );
  _mcos = _mm_loaddup_pd( &cos_ );

  for ( int xnc = lm; xnc < (arrLen - (lm << 1)); xnc += 2 ) {
    _m0 = _mm_load_pd( &inArr[ xnc ] );
    _m1 = _mm_shuffle_pd( _m0, _m0, 0x1 );
    _m0 = _mm_mul_pd( _msin, _m0 );
    _m1 = _mm_mul_pd( _mcos, _m1 );
    _m0 = _mm_addsub_pd( _m0, _m1 );
    _mm_store_sd( &outArr[ xnc + 1 ], _m0 ); // segfault here if lm == 1
    _m1 = _mm_shuffle_pd( _m0, _m0, 0x1 );
    _mm_store_sd( &outArr[ xnc     ], _m1 ); // segfault here if lm == 1
    }
  }

  // fliping the lm modifier
  return 1 - lm;
}

数组inArr和outArr具有偶数长度，lm是0或1。如果它是0，那么一切都能正常工作，但是如果lm是1，那么_mm_store_sd会导致程序分段错误(或者，换句话说，注释掉这两行使分段错误消失)。对于lm == 1，xnc索引没有对齐到16字节，但是根据英特尔的文档，_mm_store_sd不需要16字节对齐，只有_mm_store_pd不需要16字节对齐。我毫无头绪。有什么建议吗？

Answer 1

事实证明：

1. 我可以使用_mm_storeu_pd将两个打包的64位浮点数存储到未对齐的内存地址中。
2. 但是，当我这样做时，我还必须使用_mm_loadu_pd从未对齐的内存地址加载。

因此，实际上，_mm_load_pd导致了分段错误，但是当我注释掉存储操作时，它被优化掉了，因为它是死代码。