I MMX简介 MMX™技术提高了很多应用程序的执行性能,例如活动图像、视频会议、二维图形和三维图形。几乎每一个具有重复性和顺序性整数计算的应用程序都可以 从MMX™技术中受益。对于8位、16位和32位数据元素的处理,改善了程序的性能。一个MMX™指令可一次操作8个字节,且在一个时钟周期内完成两条指 令,也就是说,可在一个时钟周期内处理16个数据元素。另外,为增强性能,MMX™技术为其它功能释放了额外的处理器周期。以前需要其它硬件支持的应用程 序,现在仅需软件就能运行。更小的处理器占用率给更高程度的并发技术提供了条件,在当今众多的操作系统中这些并发技术得到了利用。在基于Intel的分析 系统中,某些功能的性能提高了50%到400%。这种数量级的性能扩展可以在新一代处理器中得到体现。在软件内核中,其速度得到更大的提高,其幅度为原有 速度的三至五倍。 MMX的缺点:由于MMX的运算指令必须在数据配对整齐的时候才能使用,所以使用MMX指令要比普通的汇编指令多余许多分组配对的指令,如果运算不 是特别的整齐的话,就要浪费大量的时间在数据的配对上,所以说MMX指令也不是万能的,也有其很大的缺陷。同时MMX指令在处理16位数据的时候才能发挥 最大的作用,处理8位数据要有一点技巧。而处理32位数据,MMX指令几乎没有什么加速能力。(考虑分组耗时的话) II MMX基本指令集 2.1 拷贝指令 movd:32位数据拷贝,注意:如果从内存向MMX寄存器拷贝,MMX高32位清零! 2.2 分组指令 ①punpcklbw / punpcklwd / punpckldq (l表示低位分组,bw8位,wd16位,dq32位):它是简单的将两个MMX寄存器的低32位交错组合为一个64位数据。所以它是不能将长数据转换为短数据的。 ②packuswb 将16位数据转换为无符号的8位数据。所以可以将两个MMX寄存器不交错的合为一个64位数据。 ③packsswb/packssdw 将32位-》16位,16位-》8位,都是有符号的数据。 2.3 运算指令 减法运算指令同上;add改为sub。 乘法指令:pmullw / pmulhw 是4个16位数据的乘法,pmullw中是结果的低16位,pmulhw是结果的高16位。pmaddwd 乘加指令。 2.4 逻辑指令,移位指令和EMMS指令 III MMX经典处理策略 在输入数据的时候,经典的处理方法是将一个数组整个“Load”到MMX寄存器中。这样简单同时利用了MMX64位读写数据的能力,提高了性能。同样在输出的时候,也是将一个64位MMX寄存器中的数据内容整个“Store”到内存中。 如果实在是不能这样处理的话,就要利用移位指令了。比如说将一个MMX内的4个16位数据分别拷贝到不同的内存变量(或者16位通用寄存器中)x1,x2,x3,x4,那么可以这样处理: movd eax,mm1 psrlq mm1,32 movd ebx,mm1 mov x1,ax mov x2,bx shr eax,16 shr ebx,16 mov x3,ax mov x4,bx 可见如果不采用数组形式的话,输入输出将十分的麻烦。
②数据分组以及求绝对值的方法等: 细节请参阅《INTEL 体系结构MMX™ 技术开发者手册》第五章 IV 自定义组合指令 在MMX指令集中是没有8位数据的移位指令的,但是有的时候我们确实需要,所以可以用以下两个指令来实现: psrlq mm0,1 pand mm0,0x7f7f7f7f7f7f7f7f ②如何防止计算过程中越界: 比如在计算的时候,我们有(x1+x2+1)>>1,这个时候x1+x2就会越界(8位数据),那么我们就不得不使用替代了办法,比如 (x1>>1+x2>>1)这个处理是不精确的,在不需要很精确的场合,是可以使用的,但是如果结果差错1都不可容忍的话,就要 进行一点处理: pand mm0,0x01010101010101 //保留数据的最后一位数 pand mm1,0x01010101010101 //保留数据的最后一位数 por mm0,mm1 paddusb mmx,mm0 //修正数据 (x1>>2+x2>>2):这个处理是通用的 pand mm0,0x03030303030303 //保留数据的最后两位数 pand mm1, 0x03030303030303 //保留数据的最后两位数 paddusb mm0,mm1 psrlq mm0,2 pand mm0,0x3f3f3f3f3f3f3f3f paddusb mmx,mm0 ③符号扩展指令: mm0:*,*,A,B => 现在要符号扩展为 mm0:(A符号)A, (A符号)B movq mm1,mm0 pcgtm mm1,0 //比较mm0,生成mm1:(A符号) (B符号)()() punpcklwd mm0,mm1 ④分组指令 除了基本的分组指令以外,我们还可以利用移位指令和pand por指令来实现分组的功能,移位主要是要产生0,这样por mm0,mm1就可以将mm0和mm1合并了。 比如:mm0(*,*,A,B) mm1(0,0,C,D) 则 psllq mm0,32 por mm0,mm1 => (A,B,C,D) 当然这个例子我们可以用普通的分组指令实现,但是在某些复杂的处理中,这样的处理是必须的。 总之,要灵活运用MMX的现有指令来实现自己需要的功能。 V MMX编程心得 ① 尽可能的提高内存访问的容量,我们可以看看下面的代码: for (j=0; j<h; j++) { d[0] = s[0]; d[1] = s[1]; d[2] = s[2]; d[3] = s[3]; d[4] = s[4]; d[5] = s[5]; d[6] = s[6]; d[7] = s[7]; d[8] = s[8]; d[9] = s[9]; d[10] = s[10]; d[11] = s[11]; d[12] = s[12]; d[13] = s[13]; d[14] = s[14]; d[15] = s[15]; s+= lx2; d+= lx; }
__asm{ pushf mov edx,dword ptr h xor ecx,ecx mov esi,dword ptr s mov edi,dword ptr d mov eax,lx2 mov ebx,lx AGAIN: movq mm0,byte ptr [esi] movq mm1,byte ptr [esi+8] movq byte ptr [edi],mm0 movq byte ptr [edi+8],mm1 add esi,eax add edi,ebx add ecx,1 cmp ecx,edx jl AGAIN emms popf }
仅仅将几个8位的写,改为64位的写,测试得到速度提升了25%,同样的道理,我们要尽可能的将几个movq写在一起,这样可以提高5%左右的速 度。原C代码的效率也是很高的,它不用数组的【】【】来寻址,而是将s+= lx2; 从而将二维数组的寻址改为一维数组的寻址。尽可能的减少寻址的复杂度,这也是一种高效的办法。还有一点就是如果将原来的简单赋值改为memcpy()的 话,可以提高大约10%的速度。这也是提高了数据流通容量的关系。
② 一些要注意的地方: 1. 尽可能的使用static变量, 访问这样的变量是很快的=访问立即数的速度 2. 由于只有一个mmx移位寄存器, (移位分组指令) 是不能配对的 3. 不要在eax使用完, 使用ax, 不要使用完一个mm1,就立即使用它 4. 可以这样立即使用mm1, movq mm2,mm1 movq mm1,mm3 (Z顺序是可以的) 5. (4个以上)movq尽可能的在一起, 前提是在一起的mov不要使用一样的mmx寄存器 6. mov eax, [esi] ([esi+2*eax]) 访问寻址的内存是特别的慢的 7. 同上 stow 也是很慢的 (mov cx,n; loop是很慢的,如果可能,要展开循环) 8. 尽可能的在寄存器中完成操作,不要去访问内存 9. 用变量名访问变量,尤其是static的,是很快. 10. 访问寻址的内存的速度下降 》 数据不对齐8位的速度下降 》 指令不配对的速度下降 11. 所以在传统的代码优化的方法中,构造数组,然后将运算变为查表的方法,有的时候在MMX技术内反而会降低速度。(这个时候,如果真的用查表有提升速度的话,建议采用段地址+偏移量的办法) (cr0_3) |