我正在尝试使用 AArch64 SVE（或SVE2）实现 SIMD 算法，该算法采用元素列表并仅选择满足特定条件的元素。它通常被称为 Left Packing ( SSE/AVX/AVX-512 ) 或 Stream Compaction ( CUDA )？
是否可以使用 SVE 对该操作进行矢量化？
等效的 SQL 和标量代码可能如下所示：
SELECT * FROM Book
WHERE Price < 42
int LeftPack_Scalar(int* input, int* output, int N, int limit)
{
int outPos = 0;
for (int i = 0; i < N; ++i) {
if (input[i] < limit)
out[outPos++] = input[i];
}
return outPos;
}
可以使用 AVX-512 在 SIMD 中对其进行矢量化
int LeftPack_AVX512(int* input, int* output, int N, int limit)
{
int outPos = 0;
__m512i vlimit = mm512_load(limit);
for (int i=0; i < N; i+=16) {
__m512i vinput = mm512_load(input+i);
__mmask16 mask = mm512_cmp(vinput, vlimit);
mm512_mask_compressstore(output+outPos, mask, vinput);
int count = mm512_popcnt(mask);
outPos += count;
}
return outPos;
}
如何使用 AArch64 SVE 实现它？有没有类似 AVX-512 compress_store的函数来压缩稀疏数据？
int LeftPack_SVE(int* input, int* output, int N, int limit)
{
// ...
}
注意：SVE 既有 collect 也有scatter，详情请参阅SVE 的简短介绍。但我找不到等效的 SVE / 2 指令来保持元素的相对顺序。