Arm SVE向量存储指令ST3H与ST4D详解

微尘-黄含驰

1. Arm SVE向量存储指令概述

在Arm架构的可扩展向量扩展(SVE)指令集中，ST3H和ST4D属于结构化存储指令家族。这些指令设计用于高效处理科学计算、信号处理和机器学习等场景中的向量化数据存储需求。与传统的NEON指令集相比，SVE的最大特点是支持可变长度向量寄存器(Z0-Z31)，其长度由具体实现决定，范围从128位到2048位。

ST3H指令专用于存储三组连续的半字(16位)数据，而ST4D则处理四组双字(64位)数据。这两种指令都支持谓词化执行——通过谓词寄存器(Pg)控制每个元素是否实际写入内存。这种细粒度的控制能力使得程序员可以避免不必要的内存访问，特别是在处理不规则数据结构时。

2. ST3H指令深度解析

2.1 指令格式与编码

ST3H指令有两种主要变体：

立即数偏移模式：ST3H { <Zt1>.H, <Zt2>.H, <Zt3>.H }, <Pg>, [<Xn|SP>{, #<imm>, MUL VL}]
标量寄存器偏移模式：ST3H { <Zt1>.H, <Zt2>.H, <Zt3>.H }, <Pg>, [<Xn|SP>, <Xm>, LSL #1]

指令编码中几个关键字段：

opc字段(位23-22)：区分存储数据类型，10表示半字(H)
msz字段(位21-20)：与opc共同确定元素大小
Pg字段(位15-13)：指定谓词寄存器(P0-P7)
Zt字段(位4-0)：起始向量寄存器编号
Rn字段(位9-5)：基址寄存器编号

2.2 操作语义详解

当执行ST3H指令时，处理器会执行以下操作序列：

检查SVE功能是否启用(CheckSVEEnabled)
获取当前向量长度VL和谓词长度PL
计算实际存储的元素数量：elements = VL / esize (esize=16)
根据谓词寄存器Pg生成掩码mask
构造内存访问描述符accdesc，包含以下属性：
- 内存操作类型：MemOp_STORE
- 非临时性：nontemporal=FALSE
- 连续访问：contiguous=TRUE
- 谓词化：predicated=TRUE
- 标签检查：tagchecked=(n!=31)

关键内存访问逻辑采用嵌套循环结构：

pseudocode复制for e = 0 to elements-1 do
    for r = 0 to 2 do  // 三个向量寄存器
        if ActivePredicateElement(mask, e, esize) then
            Mem[addr] = Zt+r[e*esize : (e+1)*esize-1]
        end
        addr += mbytes  // mbytes=2 (半字大小)
    end
end

2.3 寻址模式对比

立即数模式特点：

偏移量为3的倍数，范围-24到+21
实际偏移计算：offset × elements × 3 × 2 bytes
适合已知固定偏移的场景，如处理数组中的结构化数据

标量寄存器模式特点：

使用Xm寄存器指定初始偏移
自动按元素大小缩放(LSL #1)
每次结构访问后地址递增3×2 bytes
适合处理链表等动态数据结构

3. ST4D指令技术细节

3.1 指令格式变体

ST4D同样提供两种寻址方式：

立即数模式：ST4D { <Zt1>.D, <Zt2>.D, <Zt3>.D, <Zt4>.D }, <Pg>, [<Xn|SP>{, #<imm>, MUL VL}]
标量寄存器模式：ST4D { <Zt1>.D, <Zt2>.D, <Zt3>.D, <Zt4>.D }, <Pg>, [<Xn|SP>, <Xm>, LSL #3]

编码差异：

opc字段为11，msz字段为11，共同表示双字(D)操作
标量模式使用LSL #3(因双字为8字节，2^3=8)

3.2 关键操作差异

相比ST3H，ST4D的主要区别在于：

元素大小esize=64位(8字节)
每次处理四个向量寄存器(nreg=4)
地址增量步长为4×8=32字节
立即数偏移需为4的倍数
标量模式偏移自动左移3位(乘以8)

内存访问模式示例：

plaintext复制内存布局示例(Zt1=Z0, Zt2=Z1, Zt3=Z2, Zt4=Z3):
地址+0x00: Z0.D[0] | Z1.D[0] | Z2.D[0] | Z3.D[0]
地址+0x20: Z0.D[1] | Z1.D[1] | Z2.D[1] | Z3.D[1]
...

4. 谓词执行与安全特性

4.1 谓词控制机制

SVE的谓词寄存器提供元素级的执行控制：

PL = VL/8 (谓词寄存器每个bit对应一个字节)
对于半字操作，相邻两个谓词位控制一个元素
计算实际活动的元素：AnyActiveElement(mask, esize)

谓词实现的伪代码：

pseudocode复制function ActivePredicateElement(mask, e, esize)
    byte_pos = e * esize / 8
    bit_pos = (e * esize) % 8
    return (mask[byte_pos] & (1 << bit_pos)) != 0
end

4.2 数据独立时间(DIT)特性

ST3H/ST4D指令被标记为"data-independent-time"：

执行时间不依赖于存储的数据值
通过均匀化内存访问延迟实现
可有效防御时序侧信道攻击
由PSTATE.DIT控制全局启用/禁用

5. 性能优化实践

5.1 最佳使用场景

ST3H指令最适合：

处理RGB565等16位像素数据
复数数据处理(实部+虚部+辅助数据)
三维坐标存储(x,y,z分量)

ST4D指令典型应用：

4×4矩阵转置存储
SIMD结构体数组处理
四元数数据批量存储

5.2 微架构优化建议

地址对齐策略：
- ST3H确保基地址2字节对齐
- ST4D确保基地址8字节对齐
- 使用ADRP代替ADD获取大范围地址
寄存器分配技巧：
- 将连续使用的向量寄存器分配在相同bank
- 避免谓词寄存器与数据寄存器bank冲突

循环展开策略：

assembly复制// 示例：展开两次ST4D操作
st4d {z0.d, z1.d, z2.d, z3.d}, p0, [x0]
st4d {z4.d, z5.d, z6.d, z7.d}, p0, [x0, #1, mul vl]

6. 常见问题排查

6.1 典型错误场景

非法内存访问：
- 症状：触发SIGSEGV
- 检查：谓词寄存器是否意外全零
- 检查：Xn/SP寄存器是否有效
对齐异常：
- 症状：SIGBUS on SP非对齐访问
- 修复：添加CheckSPAlignment检查
功能缺失：
- 症状：非法指令异常
- 验证：IsFeatureImplemented(FEAT_SVE)

6.2 调试技巧

使用ETM跟踪：

bash复制perf record -e cs_etm/@ptm0/ --user-callchains -- ./program

谓词可视化：

c复制uint64_t get_predicate(int pnum) {
    uint64_t val;
    asm("rdvl %0, #1" : "=r"(val));
    asm("mov x0, %0" :: "r"(pnum));
    asm("whilelo p0.b, xzr, x0");
    asm("mov %0, p0.b" : "=r"(val));
    return val;
}

向量寄存器dump：
```
gdb复制(gdb) p /x $z0.v.u64
```

7. 实际应用案例

7.1 图像处理优化

使用ST3H加速RGB565图像处理：

assembly复制// 假设：Z0-R分量, Z1-G分量, Z2-B分量
mov x0, image_ptr
mov x1, width
whilelo p0.h, xzr, x1  // 设置谓词
st3h {z0.h, z1.h, z2.h}, p0, [x0]

7.2 矩阵运算加速

ST4D用于矩阵转置存储：

c复制void transpose4x4(double *out, const double *in) {
    asm volatile(
        "ld4d {z0.d, z1.d, z2.d, z3.d}, p0/z, [%1]\n"
        "st4d {z0.d, z1.d, z2.d, z3.d}, p0, [%0]\n"
        : : "r"(out), "r"(in) : "memory", "z0", "z1", "z2", "z3"
    );
}