AVX 指令集系列深度介绍：领域、意义、以及 AVX / AVX2 的基本用法与样例
前言
PS下，笔者不是专门做这一块的，是聊天的时候聊到这里，发现这个领域对我而言相当的陌生，打算好好的记录个笔记唠下，所以我没办法完全保证我搜集得到的内容百分百准确。看官自行评判。
为什么要关心 AVX？—— 向量化计算的领域与意义
我关心这个，有的时候是高清视频渲染（嗯，笔者参与的项目有涉及到这块，所以才知晓还有这个领域的），毕竟在现代计算任务中，无论是高清视频渲染、人工智能模型训练，还是复杂的科学仿真，数据量都在呈指数级增长。传统的SISD（单指令单数据）处理模式——即每次操作只处理一个数据项——已逐渐成为计算效率的瓶颈。
为了突破这一瓶颈，SIMD（单指令多数据）概念应运而生。它允许 CPU 用一条指令同时处理一组数据，这种“成批处理”的技术被称为向量化。AVX（Advanced Vector Extensions，高级向量扩展）正是 x86 架构中最重要的向量化指令集之一。
我们很自然的就要问了，那怎么优化的？在 CPU 内部，寄存器是数据参加运算前必须停留的“临时月台”。在早期的 SSE 技术时代，这个月台的宽度是 128 位。如果我们处理的是“单精度浮点数”（每个数据占 32 位），那么一个周期内只能并排排下 4 个数据进行计算。
而 AVX 技术将这个月台的宽度翻倍到了256 位。这意味着 CPU 的硬件通道发生了质变：现在它可以在同一个瞬间，同时吞吐并处理8 个单精度浮点数，或者4 个更大、更精确的双精度浮点数。这种位宽的翻倍，本质上是为数据流动修建了更宽的高速公路，让计算的“胃口”增大了一倍。
在传统的计算指令中，CPU 的操作逻辑通常比较“粗糙”。比如要执行 A + B 的操作，计算结果必须强制覆盖掉原来的数据 A。这种设计被称为“两操作数”模式，它具有一定的破坏性——如果你后续还需要用到原始数据 A，就必须在计算前额外花时间把它备份到另一个地方。
AVX 引入了更先进的VEX 编码，实现了“三操作数”模式。它允许程序下达更精细的指令：“取数据 A，取数据 B，计算结果存入 C”。这样一来，原始数据 A 和 B 都被完好地保留了下来。这种进化精简了大量的重复劳动，减少了数据在内存中反复搬运、备份的开销，使得整个程序的逻辑变得更加轻盈和高效。
AVX 带来的不仅仅是速度的微调，而是处理逻辑的底层进化。它将原本需要一个接一个排队执行的“串行”任务，转化为成批进行的“向量化”任务。在理想的计算密集型场景下（如科学模型计算或高画质渲染），这种转化能让 CPU 的工作效率产生数倍的飞跃。
这种进步意味着，在面对海量数字运算时，CPU 能够极大程度地释放其算术吞吐量。以前需要反复旋转的时钟周期，现在通过一次强有力的“向量化打击”即可完成，从而在不单纯依赖提高主频的情况下，实现了性能的跨越式提升。
AVX2：整型运算与灵活性的飞跃
2013 年发布的AVX2进一步完善了这一体系。如果说 AVX 解决了“算得快”的问题，那么 AVX2 则解决了“算得广”的问题：
- 全面整型化：AVX2 将原有的 256 位并行计算能力从浮点数扩展到了整数领域。这对于数据压缩、图像处理以及数据库检索等依赖整数运算的场景至关重要。
- 非连续数据处理（Gather/Permute）：在实际应用中，数据往往零散地分布在内存中。AVX2 引入了“收集”（Gather）指令，允许 CPU 从不连续的内存地址批量抓取数据，显著增强了处理复杂数据结构的能力。
在代码中使用 AVX / AVX2
编译器开关
- GCC/Clang:
- AVX:
-mavx - AVX2:
-mavx2 - FMA（若需要）:
-mfma - 若希望对目标 CPU 最佳化：
-march=native（但会生成依赖当前 CPU 的代码）
- AVX:
- MSVC:
/arch:AVX或/arch:AVX2（视 VS 版本）
- 推荐做法：编译时可以生成带 AVX/AVX2 的专门文件，或编译多版本并在运行时选择（runtime dispatch）。
Intrinsics（示例 API）
- 浮点（AVX）：
__m256（float32 ×8）和__m256d（double ×4）- load/store:
_mm256_loadu_ps,_mm256_storeu_ps（unaligned） - add/mul:
_mm256_add_ps,_mm256_mul_ps - fused:
_mm256_fmadd_ps（需要 FMA）
- load/store:
- 整数（AVX2）：
__m256i- add:
_mm256_add_epi32 - gather:
_mm256_i32gather_epi32（从 int 索引收集） - shift/and/or:
_mm256_slli_epi32,_mm256_and_si256等
- add:
基本样例（C/C++ intrinsics）
下面这些小样例可以比较直观的体验下AVX。
浮点数组相加（AVX）
#include<immintrin.h>#include<stddef.h>voidadd_float_arrays_avx(constfloat*a,constfloat*b,float*out,size_t n){size_t i=0;constsize_t stride=8;// 8 floats per __m256for(;i+stride<=n;i+=stride){__m256 va=_mm256_loadu_ps(a+i);// unaligned load__m256 vb=_mm256_loadu_ps(b+i);__m256 vr=_mm256_add_ps(va,vb);_mm256_storeu_ps(out+i,vr);}// tailfor(;i<n;++i)out[i]=a[i]+b[i];}编译：
g++ -O3 -mavx -std=c++17 avx_samples.cpp -o avx_samples浮点点积（AVX + reduction）
#include<immintrin.h>#include<stddef.h>floatdot_product_avx(constfloat*a,constfloat*b,size_t n){size_t i=0;constsize_t stride=8;__m256 acc=_mm256_setzero_ps();for(;i+stride<=n;i+=stride){__m256 va=_mm256_loadu_ps(a+i);__m256 vb=_mm256_loadu_ps(b+i);__m256 prod=_mm256_mul_ps(va,vb);acc=_mm256_add_ps(acc,prod);}// horizontal sum of acc__attribute__((aligned(32)))floattmp[8];_mm256_store_ps(tmp,acc);floatsum=tmp[0]+tmp[1]+tmp[2]+tmp[3]+tmp[4]+tmp[5]+tmp[6]+tmp[7];for(;i<n;++i)sum+=a[i]*b[i];returnsum;}试一下：AVX2：整型并行加法与 gather 示例
#include<immintrin.h>#include<stddef.h>// add 8 32-bit ints in parallelvoidadd_int32_avx2(constint32_t*a,constint32_t*b,int32_t*out,size_t n){size_t i=0;constsize_t stride=8;// 8 x int32 in 256 bitsfor(;i+stride<=n;i+=stride){__m256i va=_mm256_loadu_si256((const__m256i*)(a+i));__m256i vb=_mm256_loadu_si256((const__m256i*)(b+i));__m256i vr=_mm256_add_epi32(va,vb);_mm256_storeu_si256((__m256i*)(out+i),vr);}for(;i<n;++i)out[i]=a[i]+b[i];}// gather example: gather int32_t at indices array idx from base pointer basevoidgather_example(constint32_t*base,constint32_t*idx,int32_t*out){__m256i vindex=_mm256_loadu_si256((const__m256i*)idx);// indices__m256i gathered=_mm256_i32gather_epi32(base,vindex,4);_mm256_storeu_si256((__m256i*)out,gathered);}编译：
g++ -O3 -mavx2 -std=c++17 avx_samples.cpp -o avx2_samples
