使用x86 / x64组件旋转或移位

Question

我有要在汇编中编写的函数，我想确定什么将使我获得最佳吞吐量。

我在RAX中有一个64位的值，我需要获取最高字节并对其执行一些操作，我想知道这样做的最佳方法是什么。

shr  rax, 56    ; This will get me the most significant byte in al.

但是，这比...更有效吗？

rol  rax, 8
and  rax, r12   ; I already have the value 255 in r12

我问的原因是在某些体系结构上，变速速度是您执行变速次数的函数。 如果我还记得，在680x0芯片上，它是6 + 2n，其中n是移位计数。 我认为在x86架构上并非如此，但是我不确定...因此人们的启发会受到赞赏。 （我了解延迟）

还是有一种简单的方法可以将RAX的0-31位与32-64位交换而不是旋转或移位？ 类似于680x0上的交换操作。

Answer 1

根据http://agner.org/optimize/上的指令表，具有立即计数的rol是单uop / m-op指令，在Intel（奔腾M到Haswell）和AMD（K8到Steamroller）上具有1个周期的延迟）。 吞吐量范围从每个时钟一个到每个时钟三个。

在Intel上，可变计数（ rol r, cl ）的旋转速度较慢，在AMD上则相同。

显然，如果您要问这种问题，请阅读Agner Fog的指南，因为对于高性能而言，比单独使用一条指令要重要得多。

---

如果要在多个数据项上执行此操作，则可以一次对16B（带有SSE的xmm寄存器）或32B（带有AVX的ymm寄存器）块使用向量重排。 pshufd xmm, xmm, imm可让您为每个输出dword选择任何输入dword。 （因此，您可以播放和播放内容，也可以进行简单的随机播放。）