本文主要是介绍并行笔记——SIMD编程，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
SIMD概念
Single Instruction Multiple Data
也就是单指令流和多数据流，对于多数据流进行相同的操作。
一个简单的例子就是向量的加减。
和MIMD的区别
SIMD拥有单个全局控制单元，而后者拥有多个控制单元+处理元素。
SIMD的应用
图像处理
音频
科学计算
基于数据的数据并行计算。
什么情况下适合应用SIMD
- 规律的数据访问模式：数据在内存中连续存储。
- 短数据类型
- 流式数据处理
- ……
Mark：原因不明，之后补上解释。
使用SIMD的优缺点
优点
- 具有更大的并发度。
- 设计比较简单（应该是与MIMD对比，只需要重复功能单元即可）。
- 芯片尺寸更小。
缺点
- 程序员开发时必须显式接触硬件。
SIMD并行的问题
SIMD并行开发，可以把多次相同的算术运算简化为一个SIMD操作；多个取数/存结果的操作，可以变成一个对于更宽的内存的一次操作（前提是内存需要连续）。
SIMD编程的复杂性
低层编程要求：
- 数据必须对齐。
- 数据放在连续区域存储。
- 控制流问题可能会引入更高的复杂性。
额外开销
- 打包、解包开销
所谓的打包，指的是把运算对象拷贝到连续内存区域。
解包，指的是把运算结果拷贝回内存。 - 对齐开销
对齐的定义是地址的开始总是向量长度的整数；对于起始地址的偏移是向量长度的整数倍。
Mark:关于PPT中的调整没有看明白，待补充。 - 控制流开销
控制流开销来自当控制流存在时，所有的路径都执行。这说明一般情况下，当存在控制流问题时，SIMD不是一个好的编程模型。
以下述为例：
对于所有元素都执行了两个路径的计算，只是最后根据判断条件进行合并。
SSE/AVX编程
指令介绍
- Blend(A, B, 0xA)
这里的0xA即1010，作用是掩码；如果为1则取第一个参数向量的数字，如果为0则取第二个参数向量的数字。 - Shuffle(D, D, 0xB1)
这里的0xB1是八位二进制，分成四组；前两组是对应第二个参数的第几位，后两组是对应第二个参数的第几位。
这篇关于并行笔记——SIMD编程的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
