SIMD/向量执行建模

更新时间：2026-10-01。现代 CPU 的大量性能来自一条指令处理多个元素，性能模型必须正确表达向量宽度，否则会高估循环执行拍数。

本文要回答的问题

• 固定宽 SIMD 和可变长向量在模型里怎么区分？
• 什么样的循环能真正吃到向量收益？
• 向量单元有没有“隐性代价”？

一、固定宽 vs 可变长

• 固定宽 SIMD（SSE/AVX/NEON）：寄存器宽度固定（128/256/512-bit），编译器按宽度打包元素。
• 可变长向量（RISC-V RVV、ARM SVE）：硬件向量长度由 VL/VLEN 决定，程序写“向量循环”，同一二进制跑在不同宽度核上；strip-mining 处理尾部。

模型中向量指令吞吐 = 每周期处理元素数 = 向量宽度/元素宽 × lane 数。

二、向量化收益与前提

收益来自指令数和循环开销锐减、访存成批；前提是数据连续或跨步规则、无依赖环。不规则访问要 gather/scatter（性能差），条件元素用掩码 predication 而非分支。

三、隐性代价

向量寄存器更宽、占用更多物理/架构寄存器与功耗；某些微架构跑重向量指令会降频（AVX-512 license）；向量-标量传输、混排 shuffle 有额外延迟。这些都要进模型，不能只算理论 lane 吞吐。

四、gem5 与度量

gem5 支持 RVV 等向量 ISA 配置 VLEN；度量向量指令占比、元素/周期、向量化前后 IPC 与（roofline 下）带宽利用率，校准向量化收益。

五、常见坑

• 假设所有循环都能满宽向量化。
• 忽略 gather/scatter 和掩码的性能折损。
• 不计降频与向量寄存器压力。
• 可变长向量按固定宽硬编码，模型不可移植。
• 只看指令数减少，忽略实际访存带宽是否跟得上。

小结

向量吞吐由宽度×lane 决定，收益以连续/无依赖为前提，gather/scatter、降频、寄存器压力是必须计入的代价。下一篇 SMT 多线程资源共享建模。

总结

SIMD/向量建模的核心是按“宽度 × lane 数”折算每周期元素吞吐，且只有连续、跨步规则、无依赖环的循环能吃满收益；gather/scatter、掩码、重向量降频和向量寄存器压力等隐性代价必须一并计入，可变长向量还要按 VL 建模才能跨核移植。