问题描述
最近我一直在处理充满布尔值的大型数组。目前，我使用 .bss 指令将它们存储在 .space 部分，该指令允许我创建字节数组。但是，由于我只需要存储布尔值，因此我希望逐位读取和写入数组中的数据。
目前，我能想到的最好方法是使用 .space 指令和所需存储空间的 1/8，并使用 ((1 << k) & n) 公式获取和设置单个位，其中 { {1}} 是位，k 是数据，但这看起来相当笨重，我想知道是否有更优雅的解决方案？谢谢。 （最好使用 AT&T 语法）
解决方法
对于稀疏位集（全部为真或全部为假，只有少数例外），您可以使用任何集合数据结构（包括哈希表）存储一组索引。您当然可以在 asm 中手动实现任何算法，就像在 C 中一样。可能有一些更专业的数据结构适合各种用途/用例。
对于“普通”布尔数组，您的两个主要选项是
-
每字节解包 1 个 bool，值为 0 / 1，如 C
bool arr[size]
（在.bss或动态分配中，无论您想放在哪里，与任何字节数组相同）。占用压缩位数组的 8 倍空间（因此缓存占用空间），但非常易于使用。对于随机访问特别有效，尤其是写入，因为您可以存储一个字节而不会打扰其邻居。 （不必读取/修改/写入包含的字节或双字）。
除了缓存占用导致更多缓存未命中，如果它加上您的其余数据不适合任何级别的缓存，较低的密度也不利于搜索、popcounting、复制或设置/清除一系列元素.
如果可以在写入数组的代码中保存指令，则可以允许 0 / 非 0 而不是 0 / 1。但是，如果您想比较两个元素或计算真值或其他任何内容，则在阅读时可能会花费指令。请注意，大多数 C/C++ ABI 对
bool严格使用 0 / 1 个字节，并将保存bool的2传递给 C 函数 could make it crash。 -
每位打包 1 个布尔值，如 C++
std::vector<bool>。 （除了你当然可以将它存储在任何你想要的地方，不像 std::vector 总是动态分配）。Howard Hinnant 的文章 On
vector<bool>讨论了位数组擅长的一些事情（具有适当优化的实现），例如搜索true可以一次检查整个块，例如qword 搜索一次 64 位，AVXvptest一次 256 位。 （然后tzcnt或bsf当您找到非零块时，或多或少与字节元素相同：Efficiently find least significant set bit in a large array?）。所以比字节数组快 8 倍（即使假设缓存命中率相等），除了一些额外的工作，如果使用 SIMD 向量化，在向量中找到正确的字节或双字后找到元素内的位。与仅使用vpslld $7,%ymm0,%ymm0和vpmovmskb %ymm0,%eax/bsf %eax,%eax的字节数组将字节转换为位图并进行搜索。
x86 位数组又名位串指令：mem 操作数慢
x86 确实有位数组指令，如 bt（位测试）和 bts（位测试和设置），还有重置（清除）和补码（翻转） ，但它们是 slow with a memory destination 和寄存器位索引；手动索引正确的字节或双字并加载它实际上更快，然后使用 bts %reg,%reg 并存储结果。 Using bts assembly instruction with gcc compiler
# fast version:
# set the bit at index n (RSI) in bit-array at RDI
mov %esi,%edx # save the original low bits of the index
shr $5,%rsi # dword index = bit-index / 8 / 4
mov (%rdi,%rsi,4),%eax # load the dword containing the bit
bts %edx,%eax # eax |= 1 << (n&31) BTS reg,reg masks the bit-index like shifts
mov %eax,(%rdi,%rsi) # and store it back
这有效地将位索引分为双字索引和双字内位索引。双字索引是通过移位显式计算的（并转换回字节偏移量，以使用缩放索引寻址模式对齐双字）。作为 bts %reg,%reg 如何屏蔽计数的一部分，隐式计算双字内位索引。
（如果您的位数组肯定小于 2^32 位（512 MiB），您可以使用 shr $5,%esi 节省一个字节的代码大小，丢弃位索引的高 32 位。）
这会在 CF 中保留旧位的副本，以防万一。 bts reg,reg 在 Intel 上为单 uop，在 AMD 上为 2 uop，因此与手动执行 mov $1,%reg / shl / or 相比绝对值得。
在现代 Intel CPU（https://uops.info/ 和 https://agner.org/optimize/）上只有 5 个 uops，而 bts %rsi,(%rdi) 的 10 个 uops 做完全相同的事情（但不需要任何 tmp注册）。
你会注意到我只使用了双字块，不像在 C 中你经常看到使用 unsigned long 或 uint64_t 块的代码所以搜索可以快速进行。但是在 asm 中，对同一内存使用不同大小的访问是零问题，除非您先进行窄存储然后进行宽负载，否则存储转发停顿。更窄的 RMW 操作实际上更好，因为这意味着对不同位的操作可以更紧密地结合在一起，而不会实际创建错误的依赖关系。如果这是一个主要问题，您甚至可以使用字节访问，除了 bts 和朋友只能降低到 16 位 word 操作数大小，因此您必须手动 and $7,%reg从位索引中提取字节内位。
例如像这样阅读：
# byte chunks takes more work:
mov %esi,%edx # save the original low bits
shr $3,%rsi # byte index = bit-index / 8
movzbl (%rdi,%rsi),%eax # load the byte containing the bit
and $7,%edx
bt %edx,%eax # CF = eax & 1 << (n&7)
# mov %al,%rsi) if you used BTS,BTR,or BTC
字节加载最好使用 movzx（又名 AT&T movzbl）完成，以避免写入部分寄存器。
如果您需要原子地设置位（例如在多线程程序中），您可以lock bts %reg,mem，或者您可以在寄存器中生成1<<(n&31)并{ {1}} 如果您不关心旧值是什么。 lock or %reg,mem 无论如何都很慢并且是微编码的，所以如果你需要原子性，你可以直接使用它而不是试图避免疯狂的 CISC 位数组语义。
在多线程情况下，更有理由考虑使用每字节 1 个布尔值，这样您就可以只使用普通的 lock bts（保证原子性并且不会干扰其邻居：Can modern x86 hardware not store a single byte to memory? )，而不是原子 RMW。