SVE2指令集介绍与测试

星睿O6.jpeg

一、什么是SVE2

在Neon架构扩展（其指令集向量长度固定为128位）的基础上，Arm设计了可伸缩向量扩展（Scalable vector extension， SVE）。SVE是一种新的单指令多数据（SIMD）指令集，用于AArch64的扩展，支持灵活的向量长度实现。SVE提高了体系结构对需要大量数据处理的高性能计算（High Performance Computing， HPC）应用的适用性。

SVE2是SVE和Neon的超集。SVE2在数据级并行中允许更多的函数域。SVE2继承了SVE的概念、向量寄存器和工作原理。SVE和SVE2定义了32个可扩展向量寄存器。制作芯片时可以为硬件选择一个合适的矢量长度设计实现，在128位到2048位之间，以128位为增量。

SVE2和SVE的主要区别在于指令集的功能覆盖率。SVE是为高性能计算和机器学习应用而设计的。SVE2扩展了SVE指令集，除了HPC和ML还扩展了数据处理领域。SVE2指令集还可以加速以下应用程序中使用的常见算法：

计算机视觉；
多媒体；
LTE基带处理；
基因组学；
内存数据库；
Web服务；
通用软件；

为了帮助编译器更有效地对这些域进行矢量化，SVE2在大多数整数数字信号处理（DSP）和媒体处理功能中添加了矢量宽度无关的Neon指令版本。

SVE和SVE2都实现了大量数据的采集和处理函数。SVE和SVE2不是Neon指令集的扩展。相反，SVE和SVE2被重新设计，以获得比Neon更好的数据并行性。然而，SVE和SVE2的硬件逻辑覆盖在Neon硬件实现之上。当一个微架构支持SVE或SVE2时，它也支持Neon。

二、SVE2架构基础

与SVE一样，SVE2也是基于可扩展向量的。除了现有的Neon提供的寄存器组，SVE和SVE2添加了以下寄存器：

32个可扩展的向量寄存器，Z0~Z31；
16个可扩展的谓词寄存器，P0~P15；
- 一个故障谓词寄存器（FFR）；
可扩展的向量系统控制寄存器 ZCR_Elx；

2.1 可扩展的向量寄存器 Z0~Z31

每个可伸缩向量寄存器Z0~Z31可以是==128 ~ 2048位==，==增量为128位==。底部的128位与固定128位长的NONE向量寄存器V0 ~ V31共享，如下图所示。

可扩展的向量可以：

保存64位、32位、16位和8位元素；
支持整数、双精度、单精度和半精度浮点元素；
在每个异常级别（EL）中配置向量长度；

2.2 可扩展的谓词寄存器 P0~P15

谓词寄存器通常用作数据操作的位掩码，其中：

每个谓词寄存器是 Zx 长度的1/8；
P0-P7是用于加载、存储和算术的控制谓词；
P8-P15是用于循环管理的额外谓词；
FFR用于投机内存访问；

2.3 ZCR_Elx

可扩展的矢量系统控制寄存器指示SVE实现的特性：

ZCR_Elx.LEN 字段用于当前和较低异常级别的向量长度；
目前大多数比特被保留以备将来使用。

三、查看“星睿“O6 CPU信息

输入下面的指令，查看“星睿“O6 CPU支持的指令集：

cat /proc/cpuinfo

我们可以看到其支持SVE2和SVE等指令集。

截图 2025-04-10 23-02-31.png

四、在“星睿“O6上测试SVE2指令

要构建SVE或SVE2应用程序，必须选择支持SVE和SVE2特性的编译器。GNU tools 8.0+版本支持SVE。Arm Linux编译器18.0+版本支持SVE， 20.0+版本同时支持SVE和SVE2。GNU工具和Linux上的Arm编译器都支持优化C、C++ 、Fortran代码。LLVM（开源Clang）版本5及以上包括了对SVE的支持，版本9及以上包括了对SVE2的支持。

4.1 如何使用SVE2

有几种方法可以编写或生成SVE和SVE2代码：

编写汇编代码：可以使用SVE指令编写汇编文件，或者使用GNU风格的内联汇编；
使用指令函数：可以直接调用高级语言中的指令函数，如C、C++或Fortran，它们与相应的SVE指令相匹配。这些指令函数有时被称为内联函数，在SVE的ACLE （Arm C语言扩展）中有详细介绍。内联函数是与相应指令匹配的函数，因此程序员可以直接在C、C++或Fortran等高级语言中调用它们。指令函数在编译后插入特定的指令。
自动向量化：C、C++ 、Fortran编译器，例如Linux上的Arm编译器和Arm平台上的GNU编译器，可以从C、C++ 、Fortran循环生成SVE和SVE2代码。要生成SVE或SVE2代码，请为SVE或SVE2特性选择适当的编译器选项。例如，对于armclang，启用SVE2优化的一个选项是 -march=armv8-a+sve2 。如果你想使用sve版本的库，可以将 -march=armv8-a+sve2 和 -armpl=sve 结合使用；
使用针对SVE和SVE2优化的库：已经有针对SVE进行了高度优化的库，例如Arm性能库和Arm计算库。Arm性能库包含BLAS、LAPACK、FFT、稀疏线性代数和libamath优化数学函数的高度优化实现。你必须安装Arm Allinea Studio并在代码中包含 armpl.h，才能链接ArmPL的任何函数。要使用Linux上的Arm编译器使用ArmPL构建应用程序，必须在命令行中指定 -armpl=\<arg>。如果使用GNU工具，必须在命令行中包含ArmPL安装路径，并指定与Linux上的Arm编译器等价的GNU -armpl=\<arg> 选项。

4.2 使用指令函数测试“星睿“O6 SVE2指令


#include <arm_sve.h>
#include <stdio.h>
#include <stdlib.h>

#ifndef __ARM_FEATURE_SVE
#warning "Make sure to compile for SVE!"
#endif

#define N 100

int main() {
    // 获取SVE向量位长
    uint64_t sve_bitwidth = svcntb() * 8;
    printf("SVE Vector Length: %lu bits\n", sve_bitwidth);

    // 初始化测试数据
    uint32_t a[N], b[N], c[N];
    for (int i = 0; i < N; i++) {
        a[i] = 1;
        b[i] = 2;
        c[i] = 0;
    }

    // SVE向量加法计算
    uint64_t index = 0;
    // 当 index < N 时生成对应位宽的谓词掩码，用于向量循环的分批处理‌
    svbool_t pg = svwhilelt_b32(index, (uint64_t)N);
   
    // 判断当前谓词掩码是否包含有效元素
    while (svptest_any(svptrue_b32(), pg)) {
        // 加载数据
        svuint32_t va = svld1(pg, &a[index]);
        svuint32_t vb = svld1(pg, &b[index]);

        // 计算加法
        svuint32_t vc = svadd_z(pg, va, vb);
        
        // 存储结果
        svst1(pg, &c[index], vc);
        
        // 更新index和pg
        index += svcntp_b32(svptrue_b32(), pg);
        pg = svwhilelt_b32(index, (uint64_t)N);
    }

    // 验证结果
    int errors = 0;
    for (int i = 0; i < N; i++) {
        if (c[i] != 3) {
            printf("Error at index %d: got %d\n", i, c[i]);
            errors++;
        }
    }
    if (!errors) {
        printf("All calculations are correct!\n");
    }

    return 0;
}

编译命令（需要支持SVE2的编译器）：

gcc -march=armv9-a+sve2 -o sve_test sve_test.c

功能说明：

使用svcntb()获取向量寄存器字节长度，乘以8转换为位长度；
创建两个输入数组并初始化（全1和全2）；
使用SVE2指令进行向量加法：
- svwhilelt_b32生成循环谓词；
- svld1加载向量数据；
- svadd_z执行向量加；
- svst1存储结果；
验证所有结果是否为3；

测试结果如下所示：

图片.png

4.3 SVE与常规C代码的性能对比

#include <stdio.h>
#include <stdlib.h>
#include <time.h>
#include <stdint.h>

#define N 100

int main() {
    // 常规版本无向量长度概念
    printf("Running scalar version\n");

    // 初始化测试数据（与SVE版本一致）
    uint32_t a[N], b[N], c[N];
    for (int i = 0; i < N; i++) {
        a[i] = 1;
        b[i] = 2;
        c[i] = 0;
    }

    // 标量加法计算
    clock_t start = clock();
    for (int i = 0; i < N; i++) {
        c[i] = a[i] + b[i];
    }
    clock_t end = clock();
    
    // 输出执行时间
    double time_spent = (double)(end - start) / CLOCKS_PER_SEC * 1e6;
    printf("Scalar execution time: %.2f microseconds\n", time_spent);

    // 验证结果（与SVE版本一致）
    int errors = 0;
    for (int i = 0; i < N; i++) {
        if (c[i] != 3) {
            printf("Error at index %d: got %d\n", i, c[i]);
            errors++;
        }
    }
    if (!errors) {
        printf("All calculations are correct!\n");
    }

    return 0;
}

编译命令（需要支持SVE2的编译器）：