每个人都应该了解 SIMD
Hacker News 摘要这篇由 Mitchell Hashimoto 撰写的文章主张，SIMD（单指令多数据）不应被视为只有高性能软件工程师才需要掌握的冷门技术。作者认为，只要掌握了基本模式，编写 SIMD 代码就像编写传统的 for 循环一样简单，且能显著提升代码性能。
什么是 SIMD
SIMD 允许处理器同时对多个数值进行并行操作。例如，处理器可以一次性比较 4 个、8 个甚至更多字节，而不是逐个比较。如果代码中存在遍历数组、字符串或字节流的循环，通常就有使用 SIMD 优化的空间。当处理数据量达到数百或数百万字节时，这种并行处理带来的加速效果非常显著。
SIMD 代码的通用模式
大多数将逐个处理转换为批量处理的 SIMD 代码都遵循以下五个步骤：
1. 广播常量：准备好需要的常量并初始化向量累加器。
2. 向量宽度循环：按照向量的宽度（一次处理的数值个数）进行输入数据循环。
3. 执行并行操作：在所有通道上并行执行比较或算术运算。
4. 归约或存储结果：根据需要处理向量运算后的结果。
5. 处理标量尾部：使用普通的标量循环处理剩余不足一个完整向量的数据。
实例分析：Ghostty 终端的优化
作者展示了他在终端模拟器项目 Ghostty 中的一个实际案例。该任务是扫描一组编码点，直到遇到小于或等于 0xF 的控制字符为止。
标量版本：
使用 while 循环逐个检查字符，直到发现目标字符或到达末尾。
SIMD 版本的实现细节：
• 第一步：准备向量与广播
首先确定处理器一次能处理多少个 u32 类型的值（称为通道）。在 ARM 架构上通常是 4 个，AVX2 是 8 个，AVX-512 是 16 个。使用 @splat(0xF) 函数将阈值 0xF 复制到向量的所有通道中，形成一个像 {0xF, 0xF, ...} 这样的对比向量。
• 第二步：按向量步长循环
如果每个向量有 8 个通道，循环就会一次读取 8 个值进入向量变量。循环计数器每次增加 8 而不是 1。如果剩余数据不足 8 个，则跳出此循环。
• 第三步：执行并行比较
使用一个大于号 > 即可同时比较向量中的所有通道。这仅用一条 CPU 指令就完成了 8 次标量比较。结果是一个布尔值向量。
• 第四步：归约结果
程序首先检查是否所有通道都满足条件。如果是，则直接继续下一次循环。如果有任何一个通道不满足（即发现了控制字符），则通过位转换 @bitCast 将布尔向量转为整数掩码，并利用 @ctz（计算末尾零个数）指令快速定位到第一个失效的具体位置。
• 第五步：标量尾部处理
在向量循环结束后，剩下的零星数据使用最初的标量循环处理。这保证了逻辑的完整性，同时也作为不支持 SIMD 处理器的降级方案。
性能提升与编译器限制
在实际测试中，这种优化在支持 AVX2 的英特尔桌面上带来了约 5 倍的端到端性能提升。虽然现代编译器拥有自动向量化功能，但它们通常只能处理非常简单的算术循环，且极易因为代码微调或编译器更新而失效。作者认为，对于关键的性能路径，应当显式地编写 SIMD 代码，以确保性能的可预测性。
结论
开发者不应畏惧 SIMD。只要能够识别出扫描、比较、计数或转换大块连续数据的场景，就可以尝试应用这种通用模式。通过现代编程语言（如 Zig）提供的泛型向量支持，开发者无需编写汇编代码或了解复杂的 CPU 特性，就能获得显著的性能增益。