SSE 指令集介紹與 C/C++ 內建函式實戰應用

SSE 簡介

SSE (Streaming SIMD Extensions) 為 Intel PIII 引入、現主流 x86 CPU (P4、Core、Athlon 等) 均支援的 128-bit SIMD 指令集。SIMD (Single Instruction Multiple Data) 讓單一指令並行處理 4 個 32-bit 浮點數 (float[4])，理論峰值效能提升 4 倍。SSE2 (P4+) 再增 64-bit 浮點/整數支援，本文聚焦 SSE。

資料類型與對齊要求

// 核心類型定義於 
typedef struct __declspec(align(16)) __m128 {
    float m128_f32[4];
} __m128;

關鍵限制：__m128 變數與記憶體操作數**必須 16-byte 對齊**，否則觸發 General Protection Fault。靜態陣列用 __declspec(align(16))，動態分配用 _aligned_malloc。

常用內建函式速查 (編譯器內建，非函式呼叫開銷)

實戰範例：陣列標量乘法加速

#include 
#include 
#include 

class CTimer {
    LARGE_INTEGER freq, start;
public:
    CTimer() { QueryPerformanceFrequency(&freq); Reset(); }
    void Reset() { QueryPerformanceCounter(&start); }
    double Elapsed() {
        LARGE_INTEGER now; QueryPerformanceCounter(&now);
        return double(now.QuadPart - start.QuadPart) / freq.QuadPart;
    }
};

void Scale_SSE(float* pArray, DWORD count, float scale)
{
    DWORD groups = count / 4;
    __m128 vScale = _mm_set_ps1(scale);
    for (DWORD i = 0; i < groups; ++i)
    {
        __m128* p = (__m128*)(pArray + i * 4);
        *p = _mm_mul_ps(*p, vScale); // 載入、乘、存回
    }
    // 處理餘數 (略)
}

void Scale_Scalar(float* pArray, DWORD count, float scale)
{
    for (DWORD i = 0; i < count; ++i) pArray[i] *= scale;
}

#define N 10000
#define LOOPS 100000

int main()
{
    __declspec(align(16)) float arr[N] = {0};
    CTimer t;

    t.Reset();
    for (int i=0; i