SIMD和多核心编程时的一些总结。

1  在计算过程中不涉及输出内存的数据时，应使用_mm*_stream_*（直接写入内存）代替_mm*_store_*,例如：

for( i=0; i<256; i+=4 )

{

    ymm0=_mm256_load_pd(a+i);

    ymm1=_mm256_load_pd(b+i);

    ymm2=_mm256_add_pd(ymm0,ymm1);

    _mm256_stream_pd(c+i,ymm2);

}

若计算过程中还要使用输出内存中的数据，则应使用_mm*_store_*,例如：

for( i=0; i<256; i+=4 )

{

    ymm0=_mm256_load_pd(a+i);

    ymm1=_mm256_load_pd(b+i);

    ymm2=_mm256_load_pd(c+i);

    ymm3=_mm256_add_pd(ymm2,_mm256_mul_pd(ymm0,ymm1));

    _mm256_store_pd(c+i,ymm3);

}   

2  多个核心之间共享数据的使用时间应尽可能的靠近，这样可以比较充分的利用L3共享缓存提高带宽。

3  如果同时使用SIMD和MC,则应该先进入BIOS关掉超线程，默认情况下每个核心有两个线程，但却只有一组物理SIMD寄存器。这样多个线程之间就会存在额外的上下文切换开销，往往得不偿失。

4  有时候会重复使用某些小的数据块，而该数据块中的字节数不足以映射到整数个缓存行，为了避免缓存行被使用前就被污染使用固定大小的数组+PADD扩展至整倍数的缓存行大小。

5  有些情况下，同时使用SIMD和MC的性能甚至不如只使用SIMD或者MC，这时应优先考虑SIMD，应为其更轻量级，且不存在多个核心之间的同步开销。