使用 SSE4.2 或更早版本優化 find_first_not_of

Question

我正在為協議編寫文本數據包分析器，並在優化它時發現一個很大的瓶頸是find_first_not_of調用。

本質上，如果一個數據包只包含有效字符，我需要查找它是否有效，比默認的 C++ function 更快。

例如，如果所有允許的字符都是f 、 h 、 o 、 t和w ，在 C++ 中我只會調用s.find_first_not_of("fhotw") ，但在 SSEx 中，在將字符串加載到一組__m128i后我不知道變量。

顯然， _mm_cmpXstrY函數文檔在這方面並沒有真正幫助我。 （例如_mm_cmpistri ）。 一開始我可以用_mm_sub_epi8減去，但我認為這不是一個好主意。

此外，我堅持使用 SSE（任何版本）。

Answer 1

Wojciech Muła 的這篇文章描述了一種 SSSE3 算法來接受/拒絕任何給定的字節值。 （與文章相反，應該使用飽和算法進行范圍檢查，但我們沒有范圍。）

SSE4.2 字符串函數通常比手工編寫的函數慢。 例如，在 Skylake 上為pcmpistri提供 3 uops、3 個周期的吞吐量，這是 SSE4.2 字符串指令中最快的。 與每 16 個字節的輸入 1 個 shuffle 和 1 個 pcmpeqb 相比，使用 SIMD AND 和 movemask 組合結果。 加上一些加載和寄存器復制指令，但仍然很可能比每 3 個周期 1 個向量快。 不過，處理短的以 0 結尾的字符串並不那么容易； 如果您還需要擔心這一點，SSE4.2 值得考慮，而不是已知大小的塊是矢量寬度的倍數。

對於“fhotw”，請嘗試：

#include <tmmintrin.h> // pshufb

bool is_valid_64bytes (uint8_t* src) {
    const __m128i tab = _mm_set_epi8('o','_','_','_','_','_','_','h',
                                     'w','f','_','t','_','_','_','_');
    
    __m128i src0 = _mm_loadu_si128((__m128i*)&src[0]);
    __m128i src1 = _mm_loadu_si128((__m128i*)&src[16]);
    __m128i src2 = _mm_loadu_si128((__m128i*)&src[32]);
    __m128i src3 = _mm_loadu_si128((__m128i*)&src[48]);
    __m128i acc;

    acc = _mm_cmpeq_epi8(_mm_shuffle_epi8(tab, src0), src0);
    acc = _mm_and_si128(acc, _mm_cmpeq_epi8(_mm_shuffle_epi8(tab, src1), src1));
    acc = _mm_and_si128(acc, _mm_cmpeq_epi8(_mm_shuffle_epi8(tab, src2), src2));
    acc = _mm_and_si128(acc, _mm_cmpeq_epi8(_mm_shuffle_epi8(tab, src3), src3));
    return !!(((unsigned)_mm_movemask_epi8(acc)) == 0xFFFF);
}

使用數據的低 4 位，我們可以 select 從我們的集合中找到具有該低半字節值的字節。 例如'o' (0x6f) 進入表的高字節，因此0x?f形式的輸入字節嘗試與之匹配。 即它是_mm_set_epi8的第一個元素，從高到低。

有關其他特殊/更一般情況的此技術的變體，請參閱完整文章。