如何将XMM 128位寄存器拆分为两个64位整数寄存器？

Question

如何将128位xmm寄存器拆分为两个64位四字？

我在xmm1中有一个非常大的数字，并希望将更高的四字变为r9，将低四字变为r10，或RAX和RDX

movlpd或movhpd仅适用于reg或mem，反之亦然。

Answer 1

SSE2（x86-64的基线）具有在XMM和整数寄存器之间直接移动数据的指令（不通过内存反弹）。矢量的低元素很容易：MOVD or MOVQ。要提取更高的元素，您可以将所需的元素随机播放到向量的低元素。

SSE4.1还为16位以外的大小添加了插入/提取（例如PEXTRQ）。除了代码大小之外，它是not actually faster than a separate shuffle and movq on any existing CPUs，但这意味着您不需要任何额外的tmp寄存器。

#SSE4.1
movq    rax, xmm0       # low qword
pextrq  rdx,  xmm0, 1   # high qword
# 128b result in rdx:rax, ready for use with div r64 for example.
# (But watch out for #DE on overflow)
# also ready for returning as a __int128_t in the SystemV x86-64 ABI

#SSE2
movq       r10, xmm0
punpckhqdq xmm0, xmm0    # broadcast the high half of xmm0 to both halves
movq       r9,  xmm0

PUNPCKHQDQ是最有效的方法。即使在旧的CPU上，对于元素大小小于64位的缓慢混洗，它也很快，如65nm Core2（Merom / Conroe）。有关详细信息，请参阅my horizontal sum answer。 PUNPCKHQDQ没有立即操作数，只有SSE2，所以它只有4个字节的代码大小。

要保留xmm0的原始值，请将pshufd与不同的目的地一起使用。或者在原地或者其他任何地方交换高低两半。

  

movlpd或movhpd ...

没有必要使用它们。请改用movlps / movhps，因为它们更短，没有CPU关心float与double。

您可以使用movhlps xmm1, xmm0将xmm0的高半部分提取到另一个寄存器中，但将FP shuffle与整数向量运算混合将导致某些CPU（特别是Intel Nehalem）的旁路延迟。还要注意对xmm1的依赖导致延迟瓶颈。

一般来说，绝对更喜欢pshufd。但是，如果您正在调整特定CPU（如Core {2}，movhlps速度很快且在整数域中运行，movhlps速度很慢，则可以使用pshufd。