SIMD 与运行时派发

English · 返回 README

双耳通路里最重的那几段循环（QMF 分析/合成、混合分析的低频拼接、混合域路径渲染、 ROOM 的 FFT、球谐对齐）都有一份运行时分派的向量实现：同一份二进制里装多套 ISA 代码，启动时问一次 CPU，然后选最宽的那套跑。输出逐字节不变——这是硬约束，不是目标。

JOC_SIMD=auto|scalar|sse2|avx2|avx512|neon      强制某一层（验收用）
JOC_SIMD_LOG=1                                  打印每个 kernel 实际生效的 ISA

为什么必须"按编译单元分 ISA"

MSVC 没有 __attribute__((target("avx2"))) 这类函数级多版本能力，一个 .cpp 只能有一个 /arch。所以每个 ISA 一个编译单元，各自带自己的 /arch:AVX2 / /arch:AVX512 （GCC/Clang 是 -mavx2 / -mavx512f），由 dispatch.cpp 在运行时填函数表。基线单元（含派发器本身、CPU 探测、标量参考实现）不带任何 /arch，它们只使用 x86-64 架构保证的 SSE2。

历史坑：早先的 JOC_ENABLE_AVX2 是全局的，一旦打开，连"给老 CPU 用"的基线路径都带 AVX2 指令。现在这个选项只决定是否把 AVX2 单元编进二进制。

目录布局

一个扁平目录，ISA 写在文件名里，不写进子目录——这是 FLAC 的做法（src/libFLAC/lpc.c 旁边就是 lpc_intrin_sse2.c / lpc_intrin_avx2.c / lpc_intrin_neon.c，CPU 探测单独放在 cpu.c）。

src/simd/
    simd.h                     唯一契约头：Isa / Kernel / Kernels / 维度常量
    cpu_probe.{h,cpp}          "这台机器能不能跑 ISA X"：CPUID+XGETBV / __builtin_cpu_supports / getauxval
    dispatch.cpp               策略：JOC_SIMD 解析、回退阶梯、填函数表、日志
    kernels_scalar.cpp         参考实现（Isa::scalar，永远编译、永远可选中）
    kernels_intrin_avx2.cpp    /arch:AVX2     -mavx2
    kernels_intrin_avx512.cpp  /arch:AVX512   -mavx512f
    kernels_intrin_neon.cpp    AArch64 默认  -march=armv8-a+simd

simd.h 的头注释里有一份同样的模块地图，改布局时两处一起改。

模块放在 src/simd/ 而不是 src/dsp/simd/：这些 kernel 被 foundation/、hrtf/、 binaural/ 三个模块共用，是横切的一层，不是 DSP 的子模块（更何况 src/dsp/ 里除了 simd/ 空无一物）。

三条规则

只有 kernels_intrin_*.cpp 拿更宽的编译开关。 CMakeLists.txt 用 set_source_files_properties 逐个点名，其余目标一律留在架构保证的 ISA 上。任何不属于这个命名却带了宽指令的单元都会被 devtools/vec/isa_audit.ps1 判失败。
ISA 单元里不许有动态初始化。 它们和基线代码链进同一个镜像，全局构造函数会在派发器看 CPU 之前就跑宽指令。常量表没问题（落在 .rdata）。
逐位一致靠的是 lane 的划分，不是 ISA。 lane 里只能放互相独立的输出；单个输出的舍入序列、乘加分离（绝不用 FMA）、求和顺序都保持 kernels_scalar.cpp 原样。只改变 double 存放顺序的布局改造（基函数表转秩小序、抽头表按项序、蝶形因子表按级连续化、ROOM 谱平面改频带主序）是允许的。

运行时怎么选

dispatch.cpp 先解析 JOC_SIMD（强制一个本机不支持的层会打印诊断并回退，而不是假装选中然后崩），再走阶梯 avx512 → avx2 → sse2 → neon，每个 kernel 单独挑"已编进本二进制且本机可跑"的最宽实现，挑不到就落到标量参考实现。所以 AVX-512 单元在不支持它的 CPU 上只是不被选中，不影响启动。

x86 的探测要 CPUID 与 XGETBV 同时成立：CPUID 说明硅片有这个能力，XCR0 说明操作系统会保存对应寄存器状态，缺一个就不能用（否则上下文切换会踩坏别的线程）。AArch64 不需要探测，ASIMD 是架构基线。

sse2 是一个有意保留的档位但没有单独的单元：128 位 SSE2 寄存器就是标量 double 已经在用的寄存器，SSE2 加宽不了双精度运算，手写只会多出搬运指令，所以它选中的是基线单元。

效果

30 s 参考用例，同一二进制只切 JOC_SIMD（DSP 阶段 t_render_dsp）：

用例	`scalar`	`auto`	DSP 加速	端到端墙钟
双耳 Rosella	1.256 s	0.640 s	1.96×	1.690 → 0.941 s
双耳 SOFA	1.560 s	0.654 s	2.39×	1.859 → 0.849 s
扬声器 5.1 / 9.1.6 / ADM	—	—	1.00×	0 回归（不走这些 kernel）

单看被向量化的循环，红利更大：合成基函数 5.89×、13 抽头低频拼接 4.50×、 SOFA QMF 合成 4.27×、128 点 FFT 2.24×。整条流水线到不了 8×，是因为相当一部分时间在参数设置、直通拷贝、写盘这些没有独立工作项的代码上，以及 SOFA 每次采样的 33 M 次 sin/cos 按逐位契约不能向量化。

验证

$env:JOC_SIMD_LOG='1'                                # 本机每个 kernel 实际选中的 ISA
$env:JOC_SIMD='scalar'                               # 强制参考路径：哈希必须一动不动
pwsh -NoProfile -File devtools\vec\isa_audit.ps1     # 反汇编全部 .obj：0 个无守卫的宽指令
pwsh -NoProfile -File devtools\vec\sha_matrix.ps1    # 5 档 × 2 渲染，逐字节比对参考摘要
cmd /c devtools\vec\build_kernel_probe.bat           # kernel 级逐字节摘要（8 个 kernel）

加一个新的 ISA

写 kernels_intrin_<isa>.cpp，实现能实现的槽位，其余留 nullptr——派发器会逐 kernel 回退（AVX-512 单元里的 qmf_synthesis_basis 就是这么处理的）。
在 CMakeLists.txt 里加进 JOC_SIMD_SOURCES、JOC_SIMD_HAVE_<ISA>=1 和它的编译开关，并在 simd.h / dispatch.cpp 里补上 Isa、isa_rank、isa_compiled、 isa_supported 与 JOC_SIMD 名字表。
验证：kernel 摘要必须与标量逐字节相同，参考渲染在每个档位上的 SHA-256 都不能变。

6.1 KiB Raw Permalink Blame History Unescape Escape