Strlen函数优化

Question

所以我做了一个strlen函数，我想我应该用SIMD指令来实现它。它运行得很好，但是当将它与std::strlen()进行比较时，它就落后了很多。任何关于如何使它更快的想法将是非常感谢的。

inline size_t strlen(const char* data) {
        const __m128i terminationCharacters = _mm_setzero_si128();
        const __m128i* pointer = (const __m128i*)data;

        size_t length = 0;

        const int compareMode = _SIDD_UBYTE_OPS | _SIDD_LEAST_SIGNIFICANT | _SIDD_CMP_EQUAL_EACH;

        for (;; length += 16, ++pointer) {
            const __m128i comparingData = _mm_loadu_si128(pointer);

            size_t index = _mm_cmpistri(terminationCharacters, comparingData, compareMode);

            if (index < 16)
                return length + index;
        }
    }
```#qcStackCode#

Answer 1

pcmpistri

这似乎是搜索字符串的明显选择。然而，虽然pcmpistri非常通用/强大，但它也不是很快。在典型的英特尔处理器上，它由3个ops组成，它们全部进入执行端口p0 (因此限制这个循环最多每3个周期运行一次迭代)，在AMD (1/2)上，在2个ops和每2个循环执行一次的情况下，情况稍微好一些。

有一种基于pcmpeqb和pmovmskb的更原始的方法(仅使用D5)。这给您留下了一个掩码，而不是索引，但是对于大多数不重要的循环(重要的是掩码是否为零)，在最后的迭代中，您可以使用tzcnt (或类似的)在向量中找到零字节的实际索引。

该技术还可以扩展到AVX2，而pcmpistri没有。此外，您可以使用一些展开：pminub一些连续的16字节块一起来更快地完成字符串，而代价是更复杂的最后迭代和更复杂的预循环设置(请参见下一点)。

A bug

虽然包含至少一个字节的字符串的对齐负载是安全的，即使加载将某些数据拉入字符串界限之外(对齐负载不能跨越页面边界)，但对于未对齐的负载来说，这个技巧是不安全的。在页面边界附近结束的字符串可能导致此函数获取到下一个页面，并可能触发访问冲突。

有不同的方法来解决这个问题。最明显的是使用通常的逐字节循环，直到到达足够对齐的地址为止。一个更高级的技巧是将地址舍入到16的倍数(32表示AVX2)并执行对齐负载。其中有些字节不是来自字符串，可能包括一个零。因此，必须显式忽略这些字节，例如，将pmovmskb返回的掩码由data & 15移到右侧。如果您决定添加展开，那么主循环的地址应该更对齐，以确保主循环主体中的所有负载都是安全的。