我以前从来没有遇到过这个问题，至少我没有意识到...但是我正在我的一些代码中进行一些SIMD向量优化，我遇到了一些对齐问题。
下面是我在MSVC（Visual Studio 2022）上重现问题的一些最小代码：
#include <stdio.h>
#include <stdint.h>
#include <stdbool.h>
#include <stdlib.h>
#include <string.h>
#include <xmmintrin.h>
_declspec(align(16)) typedef union
{
struct { float x, y, z; };
#if 0
// This works:
float v[4];
#else
// This does not:
__m128 v;
#endif
} vec;
typedef struct
{
vec pos;
vec vel;
float radius;
} particle;
int main(int argc, char **argv)
{
particle *particles=malloc(sizeof(particle)*10);
if(particles==NULL)
return -1;
// intentionally misalign the pointer
((uint8_t *)particles)+=3;
printf("misalignment: %lld\n", (uintptr_t)particles%16);
particles[0].pos=(vec){ 1.0f, 2.0f, 3.0f };
particles[0].vel=(vec){ 4.0f, 5.0f, 6.0f };
printf("pos: %f %f %f\nvel: %f %f %f\n",
particles[0].pos.x, particles[0].pos.y, particles[0].pos.z,
particles[0].vel.x, particles[0].vel.y, particles[0].vel.z);
return 0;
}我不明白为什么float x/y/z和float[4]的联合可以处理未对齐的内存地址，但是float x/y/z和__m128的联合会产生访问冲突。我知道__m128类型有一些额外的对齐规范，但总体联合大小没有改变，而且它也是16字节对齐的，所以这有什么关系呢？
我确实理解内存对齐的重要性，但额外奇怪的部分是，我在代码中添加了一个aligned_malloc，它正在分配令人不快的未对齐内存（我在代码中使用了slab/zone内存分配器），但它仍然会因访问冲突而崩溃，这进一步增加了我的脱发。
1条答案
按热度按时间3qpi33ja1#
当
alignof(your_union)包含__m128成员时，alignof(your_union)是16，因此编译器将使用movaps或movdqa，因为您已经向它们承诺数据是对齐的。否则alignof(your_union)只有4（从float继承而来，所以它们将使用没有对齐要求的movups或movdqu。这仍然是未定义对齐的行为，正如
gcc -fsanitize=undefined会告诉你的，因为你使用的地址甚至没有按4对齐。https://godbolt.org/z/6GxebxT7r显示MSVC正在为您的代码使用
movdqa存储，如movdqa [rbx+19], xmm2，其中RBX保存malloc返回值。这肯定是错误的，因为malloc返回值由alignof(max_align_t)对齐，alignof(max_align_t)肯定是偶数，在x86-64中通常是16。MSVC通常只使用未对齐的
movdqu/movups加载/存储，即使您使用_mm_store_ps。（但是需要对齐的intrinsic将允许它将加载折叠到非AVX指令（如addps xmm0, [rcx]）的内存源操作数中）。但显然MSVC对待聚合的方式与
__m128*的deref不同。所以你的类型有
alignof(T) == 16，因此你的代码有对齐UB，所以它可以编译成错误的asm。顺便说一句，我不建议使用这个联盟;特别是对于函数args / return值，因为作为聚合的一部分可能会使调用约定处理它的效率降低。（在MSVC上，如果它没有内联，你必须使用
vectorcall来让它在寄存器中传递，但是x86-64 System V通常在vector regs中传递vector args，如果它们不是union的一部分。使用
__m128vectors并编写helper函数来将数据作为标量输入/输出。理想情况下，不要使用1个SIMD向量来保存1个几何向量，这是一种反模式，因为它会导致大量的 Shuffle 。最好有x数组、y数组和z数组，这样你就可以加载3个数据向量，并行处理4个向量，而不会出现混乱。（Struct-of-Arrays而不是Array-of-Structs）。参见https://stackoverflow.com/tags/sse/info，尤其是https://deplinenoise.wordpress.com/2015/03/06/slides-simd-at-insomniac-games-gdc-2015/
如果你真的想这样做，你仍然可以改进它。您的
struct particle是您定义的36字节，有两个浪费的32位浮点插槽。它可以是32字节：xyz, radius, xyz, zeroed padding，因此您可以使用alignof(particle) == 16，而无需将大小增加到48字节，以便能够有效地加载它（永远不会跨越缓存行边界）。半径将沿着_mm_load_ps(&particle->pos_x)加载为高垃圾，它将获得x，y，z位置以及接下来的任何内容。有时候可能需要使用额外的指令来将高位元素置零，但大多数情况下，您可能会以不关心高位元素的方式进行 Shuffle 。实际上，当你有一个
__m128成员时，你的struct particle是48字节，因为它从它的vec pos和vec vel成员继承了alignof(T)，而sizeof(T)必须是alignof(T)的倍数（所以数组可以工作）。