MMX开发文档

MMX 开发文档

I MMX简介

       Intel 的 MMX™ 技术是对 Intel 体系结构 (IA) 指令集的扩展。该技术使用了单指令多数据技术 (SIMD) 技术，以并行方式处理多个数据元素，从而提高了多媒体和通讯软件的运行速度。 MMX™ 指令集增加了 57 条新的操作码和一个新的 64 位四字数据类型。

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

       具体细节请参阅《 INTEL 体系结构 MMX 技术程序员参考手册》第五章            

2.1拷贝指令

       movq ： 64 位数据拷贝，如果内存 8 位对齐的话，是一个 64 位写，否则 2 个 32 位写。

       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

       分组指令是 MMX 特有的，所以对于它我们要特别的关注。分组指令基本上可以分为 2 类，一类是不带符号紧缩的，一类是带符号紧缩的。现在我们分别予以介绍：

① punpcklbw / 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。

② packuswb 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。

③ packsswb/packssdw 将 32 位－》 16 位， 16 位－》 8 位，都是有符号的数据。

2.3运算指令

       加法运算指令： paddb （ w ）（ d ）：没有越界保护的加法，当越界的时候仅仅丢弃超出范围的高位比特，（ b ）（ w ）（ d ）分别为 8 ， 16 ， 32 位加法； paddsb （ w ）：具有越界保护的有符号加法，当上溢的时候为 0x7fff ，下溢的时候为 0x8000 ； paddusb （ w ）：具有越界保护的无符号加法，当上溢的时候为 0x7fff ，下溢的时候为 0x0 。

       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

       细节参见《 INTEL 体系结构 MMX 技术程序员参考手册》。

III MMX经典处理策略

① 数据输入输出：

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

① 八位无符号数的移位：

       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

       使用 MMX 技术进行编程，目的就是要提高运算速度，所以，对于如何尽可能的提高代码的效率，我们是要特别关注的。这里，我介绍一些需要注意的事项。

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

            movedx,dword ptr h

              xor ecx,ecx

              mov esi,dword ptr s

              movedi,dword ptr d

              moveax,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）