NEON指令加速

NEON是一种基于SIMD思想的技术，能够基于单条指令对多个数据同时进行操作，其使用的 NEON指令类似于Intel CPU下的MMX/SSE/AVX指令，通过向量化的计算方式优化应用程序性能，通常应用于图像处理、音视频处理、数据并行处理等需要大量计算场景。

NEON技术依赖于128位NEON寄存器的硬件支持，NEON寄存器是一种向量寄存器，一个寄存器中可存储多个数据元素，但要求其具有相同的数据类型。

以下是ARMv8-A中AArch64架构下的寄存器：

64位寄存器：（通用寄存器）
ARMv8有31个64位通用寄存器，1个特殊寄存器。因此可以看成31个64位的X寄存器或者31个32位的W寄存器（X寄存器的低32位）。

128位寄存器：（向量寄存器）
ARMv8有32个128位的V寄存器，同样也可以看成是32个32位的S寄存器或者32个64位的D寄存器。

使用编译器能力自动向量化加速

原理：

编译器支持自动向量化功能，其会自动利用NEON属性，编译时将代码向量化。启用自动向量化功能前需要打开相应的编译选项，且并非所有代码均可向量化，其需要符合一定的编码方式和规律，以提供更多的提示信息给编译器，进一步触发编译器进行代码的向量化。

支持该特性的编译器有：GCC、LLVM、适用于嵌入式和Linux项目的ARM编译器。

修改方式：

自动向量化编译选项使能

GCC编译器使用-O3会自动使能-ftree-vectorize选项，在-O1和-O2下需要添加-ftree-vectorize选项才能进行向量化。在-O0模式下，即使添加-ftree-vectorize也无法进行向量化。
armcc编译器使用-vectorize选项来使能向量化编译，一般选择更高的优化等级如-O2或者-O3就能使能-vectorize选项。在-O1模式下需要使用-vectorize选项使能向量化编译，在-O0模式下，即使添加-vectorize选项编译器同样无法进行向量化。

在Armv8-a的AArch64架构下才支持双浮点计算的向量化，其他架构下非必需时避免使用双浮点的数据类型，该类型会阻止编译器做向量化。各架构下支持的数据类型如下：

-	Armv7-A/R	Armv8-A/R	Armv8-A
-	-	aarch32	aarch64
Floating-point	32-bit	16-bit/32-bit	16-bit/32-bit/64-bit
Integer	8-bit/16-bit/32-bit	8-bit/16-bit/32-bit/64-bit	8-bit/16-bit/32-bit/64-bit

arch命令下可查看CPU硬件架构是AArch64还是AArch32。

编码方式上触发代码向量化
1. 循环次数在已知时要直接传递常数，而不使用变量，让编译器预先明确循环迭代次数。循环次数是2的指数倍时，需告知编译器，以便尽可能的向量化。在循环次数非2的指数倍时，也可将循环分解进行构造。
```
void vecAdd(int *vecA, int *vecB, int *vecC, int len) 
{
    int i;
    // 告诉编译器len是4的整数倍
    for (i = 0; i < len * 4; i++) {  
        vecC[i] = vecA[i] + vecB[i];
    }
 }
```
2. 在控制循环结束的条件中，尽量使用 "<"来进行条件判断，而不使用"<="或"！="，使用 "<"能使编译器识别到在该变量值之前循环结束，这有助于编译器进行向量化。
3. 使用restrict关键字
   为指针添加__restrict或__restrict__关键字，提示编译器，对象已经被指针所引用，不能通过除该指针外所有其他直接或间接的方式修改该对象的内容，编译器以此获知当前对象无其他依赖，可并行操作和向量化。但使用前必须确保确实没有指针访问区域重叠的现象，否则计算结果可能会出错。
```
void vecAdd(int *__restrict__ vecA, int *__restrict__ vecB, int *__restrict__ vecC, int len)
{
    int i;
    for (i = 0; i < len *4; i++) {
        vecC[i] = vecA[i] + vecB[i];
    }
}
```
4. 避免循环依赖（即某次循环的结果会被前一次循环的结果影响）。
5. 在满足需求情况下，使用尽可能小的数据类型，以便向量化后，NEON寄存器一次能处理更多数据，提升向量化后代码性能。
6. 避免在循环中出现条件判断，尽量少用break跳出循环。
7. 编写简单的代码，编译器更容易理解与自动向量优化。（向量化程度取决于编译器所理解编码人员代码意图的程度。）
8. 用数组下标来替代指针访问元素。
9. 构造结构体时，可尽量保持结构体内变量的数据类型一致，便于数据加载时向量化。
  如下为像素点数据结构体做4字节对齐，采用以下方式可进行向量化：
```
struct aligned_pixel {
    char r;
    char g;
    char b;
    char not_used;  /* Padding used to keep r aligned to a 32-bit word */
}screen[10];
```
  若只改变结构体内单个元素变量类型进行数据对齐，导致结构体内变量数据类型不同，则无法进行自动向量化：
```
struct pixel {
    char r;
    short g; /* Green channel contains more information */
    char b;
}screen[10];
```

使用NEON intrinsic加速提升性能

原理：

NEON intrinsic函数是一系列C函数调用，编译器可将其替换为适当的NEON指令或NEON指令序列。NEON intrinsic函数几乎提供与编写NEON汇编指令相同的功能，但是将寄存器分配等工作留给编译器，以便开发人员可以专注于算法开发。与使用NEON汇编指令编码相比，NEON intrinsic方式的代码有更好的可维护性。ARM编译器、GCC和LLVM编译器都支持NEON intrinsic。

修改方式：

在使用NEON intrinsic函数时需要增加头文件#include <arm_neon.h>，详细的NEON intrinsic函数列表和使用方法，可参考NEON Intrinsic Reference：https://developer.arm.com/architectures/instruction-sets/simd-isas/neon/intrinsics

父主题： 热点函数优化