Intel大坑之一：丢失的SSE2 128bit/64bit 位移指令，马航MH370？？
缘由
最近在写一些字符串函数的优化，兴趣使然，可是写的过程中，想要实现 128bit 的按 bit 逻辑位移，遇到了一个大坑，且听我娓娓道来。
如果要追究标题，更确切的是丢失的SSE2 128 bit / 64 bit 位移指令，已修改。
我并不想用什么马航370来博眼球，我也没意识到这个能博眼球，当我写下这个标题的时候，的确没有马航370这个字眼，可是当我写到一半的时候，突然就冒出了马航370这几个字，如果你认真阅读了我的文章，也许你也应该思考一下，这 128 bit / 64 bit 的位移指令到底是去哪了？石沉大海了？那不就跟马航370一样吗，是一个谜，一个非常非常大的谜……
如果你对 MMX, SSE 位移指令不太懂，可以先看看：
http://tommesani.com/index.php/simd/44-mmx-shift.html ,
这个比较容易理解，我当初学习 MMX, SSE 指令都是从这里开始的，
但是这个只写到 MMX 指令集，更新的版本看后面的。
逻辑位移
对于 MMX, SSE 的位移指令，我们很自然的想到：
逻辑左移：PSLLW/PSLLD/PSLLQ，Shift Packed Data Left Logical (压缩逻辑左移)
逻辑右移：PSRLW/PSRLD/PSRLQ，Shift Packed Data Right Logical (压缩逻辑右移)
顾名思义，W 指的是Word(字)，D 指的 DWORD (双字)，Q 指的是 QWORD (四字)，PSLLW 实现的是按 Word 的分组逻辑左移，
PSLLD 是按 DWORD 的分组逻辑左移，PSLLQ 是按 QWORD 实现的分组逻辑左移，这一切看起来都很 OK 。
这里以逻辑左移为例：
关于具体的逻辑左移指令的说明，可参考：
http://moeto.comoj.com/project/intel/instruct32_hh/vc256.htm
或者 http://x86.renejeschke.de/html/file_module_x86_id_259.html，
右移也是类似的，在此不再螯述。
问题来了
我们要实现的是 128bit 的逻辑位移，SSE2 里面有 PSLLDQ / PSRLDQ 指令，这里 DQ 即是 Double QWORD 的意思，
这不正好是我们需要的 128bit 按 bit 位移吗？Ｎｏ！！别高兴得太早，我们来看看 Intel 的文档：
PSLLDQ--Packed Shift Left Logical Double Quadword
或
http://moeto.comoj.com/project/intel/instruct32_hh/vc255.htm
截图如下：
我们看到，很遗憾，SSE2 并没有实现 128bit 的按 bit 位移，PSLLDQ 只能实现 128bit 的按 byte 位移，即最小位移量必须是一个 byte (即8个bit)，这非常不科学，更不科学的是位移量只能是立即数！考虑到 Intel 并未真正实现 128bit 数据处理(SSE 大多数指令都只实现了最多 64bit 粒度的数据处理，例如一个双精度浮点数是 64bit 的)，好吧，我们认了，但是！！但是！！Intel 你没搞错吧，PSLLDQ 的操作数只支持 imm8，imm8 意味着什么？imm8 是 8 位立即数的意思，那就是说我们只能在汇编里写死(常数)，不能使用任何寄存器来做位移量。What the fu*K？？
好吧，这我们也认了。。。CPU 是你设计的，我们拿你没办法。说句题外话，如果 PSLLDQ 支持 reg32, reg64 寄存器位移的话， 会方便很多，因为我们可以先用 PSLLDQ 位移足够位数的按 Byte 位移，然后再用 PSLLQ 位移剩下的剩余量（这是后话，为什么要这么用，到后面你就知道），可是，现在这种方法都不行！！这个 imm8 彻底让我蛋碎了。。。PSLLQ 对于128 bit 寄存器一次只能移 16 位（先破埂了），那么意味这我们如果要用这种方法，要 if / jump 好几次。。。
大坑开始
好吧，我们退而求其次，既然你不能实现 128 bit 的按 bit 位移，那我们分成两个 64 bit 的位移来实现好了，无非是多一次判断，多一次合并，虽然效率没有直接128 bit 位移的高，但是苦于你没实现嘛，只能这么干了。。。
好吧，我们开始吧。。。。GO！！！好了，我们换成 PSLLQ 了，执行PSLLQ xmm0, 32 或 PSLLQ xmm0, ecx (这里ecx的值为32)，咦？xmm0怎么全为0了？？啊，怎么回事？？
我们回过头来重新看看 intel 的文档：
重点看两个我用红线框起来的，当 PSLLQ 作用于 64 bit 的寄存器时，我们看到是最大支持 COUNT = 64 位的位移（严格意义上讲是 max = 63，这个不纠结了，习惯问题，下同）；
但是当 PSLLQ 作用于 128 bit 寄存器时，奇怪的事情发生了，最大只支持 COUNT = 16 位的位移（严格意义上是15位），如上图所示。
如果不是重新看 Intel 的文档，如果不是调试中发现问题，谁能想到最多只能移15位？？？Intel 的脑袋是被门夹了吗？？Why？？MMX 寄存器上都可以实现最多 63 位的位移， SSE 寄存器为什么就不可以？虽然我们知道 MMX 寄存器和 SSE 寄存器是不一样的，分开的，MMX 寄存器是借用 x87 浮点寄存器来实现 MMX 指令的，可是你在 MMX 寄存器上实现了 64 bit 的位移，为什么在 128 bit 的 SSE 寄存器上却只能移最多 15 位？？你说难以实现，我认了，我不太懂为什么那么难，我们只能认了，可是你却实现了 128 bit 的按 byte 位移的 PSLLDQ 指令，这又作何解释？？本来顾名思义，PSLLDQ 就来就应该是实现 128 bit 的按 bit 位移，限于历史原因，这个没实现我可以理解，可是你没有理由在 PSLLQ 作用于 128 bit 的 SSE 寄存器时却最多只能位移 15 位吧？？这真的有那么难吗？？真的难吗？？？？真的那么难，你又是怎么实现 PSLLDQ 的 128 bit 按 Byte 位移的？？
寻求答案
带着这些疑问，我们问了一下 Google 老先生，搜索“128 bit shift”，发现 N 多小伙伴都遇到过这个问题，例如：
Looking for sse 128 bit shift operation for non-immediate shift value
What is SSE !@#$% good for? #2: Bit vector operations
最后，Google老先生告诉了我们一个最好的解答，来自 Intel 的论坛，在这里：
Missing instruction in SSE: PSLLDQ with _bit_ shift amount?
是这样的，截图如下：
首先，Intel 是承认这个 missing instruction（丢失的指令）的，我们也意识到 missing instruction 无处不在，只是这个有点过分。
上面的回复，大意是：(E文不是太好，用 Google 辅助翻译的，见谅)
Hi Geoff,
我们的一个工程师提供了以下回应，并做一些澄清。
你这个问题是正确的，对于 SIMD(单指令多数据流) 来说，在当前的指令集里，bit 位移是比按 byte 位移难于实现的（指的是 SSE 寄存器
的 128 bit 按 bit 位移）。不幸的是，这不是一个小改变，实现一个这样的按 bit 位移指令。这里有更多的改变比简单的在立即字节里适应位移
距离－－硬件实际完成按 bit 位移是一个被限制的问题。
如果你有一个使用案例关于为什么这个操作是有用的，随着应用程序将受益于这个操作，这是我们有兴趣听到的。一般情况下，我们试图
设计新的指令来满足特定的需求，而不是只是提供 "missing instuctions“ (丢失指令)的支持。从实际情况来看，有很多这样的 "missing instuctions“
——更有趣的问题是，如果在实际的应用中应对这些 "missing instuctions“ 所带来的问题。
博主观点：
对于 128 bit 的按 bit 位移比较难以实现，这我能理解，可是 PSLLQ 对于 SSE 的 128bit 寄存器只能最多位移15位我就不能理解了……
SSE2 的 128bit/64bit 位移你在哪里，为什么是15而不是31，63？亲爱的马航MH370，你到底在哪里？为什么要选择飞中国的航班？为什么？？
解决之道
解决的办法有很多种，前面也讲过一个，就是：如果你要左移 count 位，先用 PSLLDQ 位移 x * 8 位， 这个是纯 128 bit 的位移，然后再用 PSLLQ 位移剩下的 y = (count - x * 8) 位，这里 y 要小于 16。但是由于 PSLLDQ 只能执行imm8立即数，所以你要先 if / jump 判断一下 count 的值，分别执行 PSLLDQ xmm0, 32; 或 PSLLDQ xmm0, 16; 或 PSLLDQ xmm0, 8; PSLLDQ xmm0, 4; PSLLDQ xmm0, 2; 以后，再执行 PSLLQ 位移剩下的 Y 位。这里PSLLDQ xmm0, 32也许可以用别的 SSE Shuffle 指令代替，但是是一样的，最大的问题是你要先 if 先判断一下再执行相应的指令，这种方法并不见得高效。
我们再来找一些好一点的办法：
既然，SSE 里我们没办法实现 64 bit 的位移，但是 MMX 寄存器里是可以的，但是我们又要在 SSE 寄存器里实现，那么我们可以先把数据从 SSE 寄存器里转移到 MMX 寄存器，位移好了，再合并到 SSE 寄存器里。虽然这个过程有点繁琐，但是相比上面第一种方法，还是高效了不少，而且有一关键的地方，很多时候，我们要做这个位移，都是接近最终输出结果的时候，这个时候就不必把数据合并回 SSE 寄存器了，可以直接用 MMX 寄存器的值作为输出即可，这样又快了一点儿，还不赖。
还有没有解决的办法，应该还有，容我再想一想，或者读者你也想想？有网友贴了 AVX 版的 VPSLLDQ 指令说明，可是同样只支持 imm8 立即数，而且并不是所有人的 CPU 都支持 AVX 的，博主本人的 CPU 就不支持。
（由于博主是睡到一半起来关电脑写下的这篇文章，所以我先去休息一会，有空再来补全这一块）
后记
我们现在遇到的问题做一个比喻，就是：我们前面有三条路，一条是大路，一条是小路，一条是其他未知的路，我们以为大路(PSLLDQ)最快，于是选择先走了大路，结果发现直接走是过不去的；转而选择小路(PSLLQ)，走小路，结果发现有个陷阱，这个陷阱让我们到不了目的地，只能达到1/4；然后再回过头来看看大路，大路其实可以过去的，但是踩下去以后全是泥潭(只支持立即数的128位 byte 位移)，要走过去，很艰难。那么我们只能选择第三条未知的路了(各种其他指令的组合模拟实现）。
Intel 的 MMX, SSE 各种缺失的指令由来已久，指令的设计也是混乱不勘，还有一个比较著名的就是只实现了POR, PAND, PANDN(and not)，没有实现 PNOT (即对MMX, SSE寄存器取反)，虽然 PNOT 的确可以用 PANDN 实现（你至少需要2个寄存器），或者用 PCMPEQB xmm0, xmm0 来实现 全置 1 的操作，但是有可能增加了寄存器的占用，可能会增加指令周期，反正是各种不好，虽然影响不算大，但是有时候寄存器捉襟见肘的时候，还是非常蛋疼的。
还有一点更可笑的是，我跟你说了，你一定会相信 Intel 是荒唐的，我们的确需要的是无符号的逻辑左/右移，但是如果你要实现的是有符号的右移(算术右移)，
可以使用 PSRAW/PSRAD 指令 - 压缩算术右移，另外说一下，不存在算术左移，因为算术左移和逻辑左移是一回事，可参考：
http://moeto.comoj.com/project/intel/instruct32_hh/vc257.htm
非常可笑的是，在这里，Intel 却实现了对于 128 bit 寄存器最多 31 位的位移，更可笑的，对于 64 bit 寄存器最多的位移数也是 31（见上面的链接），这你能懂？？？
到底是我们的智商有问题，还是 Intel 的智商有问题？！！
看下图：
PS：纠正一下，上面这个举例是错误的（是我看错了），Intel 并没有实现 PSRAQ，上面这个是 PSRAD 的，是针对 DWORD 的，而不是 QWORD，所以他这么实现是正确的，这里并没有问题。
这个问题，在另外一个著名的帖子里也有提到：
到目前为止，都未实现 PSRAQ 指令。
. <END> .
