用最少的指令代码旋转 AVX2 / AVX-512 寄存器中的所有压缩字节

Question

是否可以在少于 5 条指令中使用 AVX2/AVX-512 指令进行字节轮换？ 在汇编代码中寻找答案，因为我对内在函数不够熟悉。

在 AVX-512 中，可以使用单个指令执行直接旋转！ 不幸的是，没有涵盖 WORD 和 BYTE 数据类型。 移位可以缩小到 WORD 大小，因此最少需要 3 条指令（2 次移位和 1 条加/或/异或）。 到目前为止，我想出的最好的是至少 5 条指令，如下所列。

zmm0 is loaded with 64 different byte values
SL3 = memory location of 64 continuous bytes of f8h value (for masking)
SR5 = memory location of 64 continuous bytes of 07h value (for masking)

vpslld zmm1, zmm0, 3    ; shift DWORDS《 by 3 bits
vpandd zmm1, zmm1, SL3  ; clear low 3 bits, all bytes
vpsrl zmm2, zmm0, 5     ; shift DWORDS 》by 5 bits
vpandd zmm2, zmm2, SR5  ; clear high 5 bits, all bytes
vpord zmm1, zmm1, zmm2  ; combine left/right shifts for rotation result

以上是向左旋转 3 位或向右旋转 5 位。 并且所有 64 字节都会产生正确的结果。

正如我所说，使用 WORD 大小（16 位），循环最少需要 3 条指令。 但是由于需要 5 条指令在 zmm 寄存器中进行字节轮换，因此从 32 字节 AVX2 实现到 64 字节 AVX-512 算法，我仅实现了 50% 的性能提升。