使用 SSE4.2 或更早版本优化 find_first_not_of

问题描述

我正在为协议编写文本数据包分析器，并在对其进行优化时发现一个很大的瓶颈是 find_first_not_of 调用。

本质上，如果一个数据包只包含有效字符，我需要找到它是否有效，比默认的 C++ 函数更快。

例如，如果所有允许的字符都是 f、h、o、t 和 w，在 C++ 中我会调用 {{ 1}}，但在 SSEx 中，在一组 s.find_first_not_of("fhotw") 变量中加载字符串后，我没有任何线索。

显然，__m128i 函数文档在这方面并没有真正帮助我。 （例如_mm_cmpXstrY）。一开始我可以用 _mm_cmpistri 减去，但我认为这不是个好主意。

此外，我坚持使用 SSE（任何版本）。

解决方法

This article by Wojciech Muła 描述了一种 SSSE3 算法来接受/拒绝任何给定的字节值。 （与文章相反，应该使用饱和算法进行范围检查，但我们没有范围。）

SSE4.2 字符串函数通常比手工制作的替代品慢。例如，SSE4.2 字符串指令中最快的 pcmpistri 在 Skylake 上的 3 uop、3 周期吞吐量。与每 16 个字节的输入 1 shuffle 和 1 pcmpeqb 相比，使用 SIMD AND 和 movemask 组合结果。加上一些加载和寄存器复制指令，但仍然很可能比每 3 个周期 1 个向量快。但是，处理以 0 结尾的短字符串并不那么容易；如果您还需要担心，SSE4.2 值得考虑，而不是已知大小的块是向量宽度的倍数。

对于“fhotw”，请尝试：

#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,src2),src2));
    acc = _mm_and_si128(acc,src3),src3));
    return !!(((unsigned)_mm_movemask_epi8(acc)) == 0xFFFF);
}

使用数据的低 4 位，我们可以从我们的集合中选择一个具有低半字节值的字节。例如'o' (0x6f) 进入表的高字节，因此 0x?f 形式的输入字节尝试与其匹配。即它是 _mm_set_epi8 的第一个元素，从高到低。

有关其他特殊/更一般情况下此技术的变体，请参阅完整文章。