此文主要內(nèi)容來自這篇文章，本文翻譯只求能理解，不求逐句翻譯。
正文：
我們將在本文中介紹如何在C++/C中使用SSE指令。我的目的不是用SSE寫盡可能快的程序，而是試圖講明白它的使用方法。
什么是SSE？
?SSE的全稱是 Sreaming SIMD Extensions， 它是一組CPU指令，用于像信號處理、科學計算或者3D圖形計算一樣的應用。
SIMD 也是幾個單詞的首寫字母組成的： Single Instruction, Multiple Data。 一個指令發(fā)出后，同一時刻被放到不同的數(shù)據(jù)上執(zhí)行，
這個指令就是SIMD指令。
SSE在1999年首次出現(xiàn)在Pentium 3上。在過去的那段時光里，一些更加精致的功能被加入了這套指令集，
8個128-bit的寄存器被加入了CPU ：xmm0到xmm7.
?
最初的時候，這些寄存器智能用來做單精度浮點數(shù)計算（float），
自從SSE2開始，這些寄存器可以被用來計算任何基本數(shù)據(jù)類型的數(shù)據(jù)了。
給定一個標準的32位機器，我們可以并行的存儲和計算了：
-- 2 double
-- 2 long
-- 4 float?
-- 4 int
-- 8 short
-- 16 char
注意：整數(shù)類型可以是有符號也可以是無符號的，不過有時候你可能要用不同的指令來處理他們。
比如，你想計算兩個整數(shù)數(shù)組的和，你可以一次計算四個加法。
簡單的例子
開始學習SSE并不是很簡單的，幸好MSDN的文檔寫的很好（原作的鏈接打不開了，新連接是我加上去的）！
如果你看一下那個算術(shù)操作的列表，一會注意到總有相應的匯編指令與其對應。
另外，一些操作是符合操作，例如那些set操作。
在C++中用SSE真真是一個low-level的操作：我們將直接通過類型
__m128（4個float）、__m128d（2個double）、__m128i(int、short、char)直接控制那些128-bit的寄存器。
不過，為了使用SSE我們不必去聲明__m128類型的數(shù)組：比如，你想計算一個浮點型數(shù)組中每個元素的平方根，
有可以直接將你的數(shù)組強制類型轉(zhuǎn)換成__m128*，然后使用SSE的命令操作這個數(shù)組。
不管怎樣，我們還是要多做一點事情，才能用SSE。大多數(shù)SSE操作需要我們的數(shù)據(jù)是16-bytes對齊的，
這里我們將使用另一個GCC的 Variable attributes。 我們使用對齊屬性：
aligned?(alignment) This?attribute?specifies?a?minimum?alignment?for?the?variable?or?structure?field,?measured?in?bytes.
下面是一個簡單的代碼，展示如何用SSE的_mm_sqrt_ps()函數(shù)一次性計算四個浮點數(shù)的平方根：
float?a[]?__attribute__?((aligned?(16)))?=?{?41982.,??81.5091,?3.14,?42.666?};
__m128*?ptr?=?(__m128*)a;
__m128?t?=?_mm_sqrt_ps(*ptr);如果用GCC編譯器，在編譯選項中加入-S選項，產(chǎn)生的匯編代碼中相應的匯編語句是SQRTPS，
而且這個指令使用的寄存器就是SSE的寄存器：
sqrtps??%xmm0,?%xmm0
不要忘了加上那個頭文件：
#include
第一個評測
在前面的代碼中，我們同時計算了4個float的平方根，但是我們沒有記錄結(jié)果。為了記錄結(jié)果，我們使用_mm_store_ps
在下面的代碼中，我們計算一個非常大的float數(shù)組的平方根。（作者使用的是他之前寫的計時函數(shù)，這里我直接貼出來了）
來對程序的標準版本和SSE版計時。
class?Timer
{
public:
??Timer(const?std::string&?name)
????:?name_?(name),
??????start_?(std::clock())
????{
????}
??~Timer()
????{
??????double?elapsed?=?(double(std::clock()?-?start_)?/?double(CLOCKS_PER_SEC));
??????std::cout?<<?name_?<<?":?"?<<?int(elapsed?*?1000)?<<?"ms"?<<?std::endl;
????}
private:
??std::string?name_;
??std::clock_t?start_;
};
#define?TIMER(name)?Timer?timer__(name);
void?normal(float*?a,?int?N)
{
??for?(int?i?=?0;?i?<?N;?++i)a[i]?=?sqrt(a[i]);
}?
void?sse(float*?a,?int?N)
{//?We?assume?N?%?4?==?0.
??int?nb_iters?=?N?/?4;
??__m128*?ptr?=?(__m128*)a;
??for?(int?i?=?0;?i?<?nb_iters;?++i,?++ptr,?a?+=?4)
????_mm_store_ps(a,?_mm_sqrt_ps(*ptr));
}
int?main(int?argc,?char**?argv)
{
??if?(argc?!=?2)
????return?1;
??int?N?=?atoi(argv[1]);
??float*?a;
??posix_memalign((void**)&a,?16,??N?*?sizeof(float));
??for?(int?i?=?0;?i?<?N;?++i)a[i]?=?3141592.65358;
??{
????TIMER("normal");
????normal(a,?N);
??}
??for?(int?i?=?0;?i?<?N;?++i)a[i]?=?3141592.65358;
??{
????TIMER("SSE");
sse(a,?N);
??}
}
在上面的SSE的函數(shù)代碼中，我們用了兩個指針指向的是同一個地址，但是使用的類型不同，這當然不是必須的，只是用來避免強制類型轉(zhuǎn)換。
有趣的是，我們必須對__m128每次遞增1（128bits），對應的，我們也必須按四遞增float指針（就是相當于一次算四個float）。
另一個有趣的函數(shù)式 posix_memalign，而不是用align attribute，這個函數(shù)是在堆上申請對齊內(nèi)存，而gcc attribute是在棧上申請內(nèi)存。
評測環(huán)境：?llvm-g++ 4.2 (flags: -O3 -msse2) ?在Intel Core2 Duo P7350(2GHz)上測試。
$?./sqrt?64000000 normal:?392ms SSE:?145ms
真的相當快哈！
第二個評測
怎么將兩個char數(shù)據(jù)加在一起呢：
void?sse(char*?a,?const?char*?b,?int?N)??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????
{?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????
??int?nb_iters?=?N?/?16;
??__m128i*?l?=?(__m128i*)a;
??__m128i*?r?=?(__m128i*)b;
?
??for?(int?i?=?0;?i?<?nb_iters;?++i,?++l,?++r)
????_mm_store_si128(l,?_mm_add_epi8(*l,?*r));
}
評測結(jié)果：
$?./add?64000000 normal:?98ms SSE:?42ms
性能分析
你可能會問，為什么我們沒有得到四倍的加速呢？我們可是一次計算4個float數(shù)據(jù)啊，怎么我們只有2倍的加速呢？？
答案是，你的編譯器很聰明，它已經(jīng)做了很多優(yōu)化了，特別是在加入O3選項后。
實際上，如果你看下normal產(chǎn)生的匯編代碼，里面的sqrt和add函數(shù)都已經(jīng)被你的編譯器給用SSE指令優(yōu)化了。
編譯器檢測到循環(huán)模式適合SSE，就把這個代碼使用SSE指令實現(xiàn)了。
不管怎樣，直接使用SSE函數(shù)還是可以獲得一些性能的。
取決于你的編譯器版本，對于這種簡單的循環(huán)，你發(fā)現(xiàn)執(zhí)行時間上沒有差異也是可能的。
但是，這里必須要再提一次的是，我們是介紹怎么用SSE，不是只為了性能~
下載文檔
