自動矢量化編譯優化技術（Automatic Vectorization）

自動矢量化技術，是編譯器代碼優化技術的一種，即在不改變C/C++源代碼的情況下，自動編譯産生使用單指令多資料（Single Instruction Multiple Data，SIMD）指令集的二進制碼，包括MMX，SSE，SSE2，SSE3，SSSE3，SSE4，AVX，而不是程式員手動編寫彙編層次的優化代碼。

舉例如下：

float a[N], b[N], c[N];
for(int i=0; i<N; ++i)    
    c[i] = a[i] + b[i];
           

上述代碼中，逐項相加，并且a，b，c三個資料間是互相獨立的，因而編譯器可以對其進行矢量化優化，比如對于SSE指令集，XMM 128位寄存器，一次可以執行4個浮點運算，即

float a[N], b[N], c[N];
int i;
for(i=0; i<N-4; i+=4)
{
    __asm    
   {  
         movups xmm0, a[i];
         addps  xmm0, b[i];
         movups c[i], xmm0;
    }
}
for(; i<N; ++i)  
    c[i] = a[i] + b[i];
           

當N較大時，如大于100，矢量優化後的執行速度提升是明顯的。

同樣，對于其它類型的數值運算，如整形和雙精度浮點數，可用類似的指令如mulps，mulpd，addpd，subps，subpd等進行優化。

當循環内部有依賴關系導緻無法優化時，編譯器将産生通用彙編代碼。

目前矢量優化技術在目前流行的編譯器上已經得到支援，如Intel C++ Compiler，GCC，預計Microsoft Visual Studio 2010也支援，并且從Microsoft Visual Studio 2008的編譯結果中發現，對于浮點操作，已經使用SSE指令movss，cvttps2dq等代替x87指令集。

當然，當循環體嵌套層次更深，循環體内實作代碼較多時，編譯器判斷循環體内是否能進行矢量優化将會比較耗時。同時，雖然支援SSE2指令集的處理器已經非常普遍，但不保證會有使用較老機器的使用者，因而在進行矢量化編譯優化時，也可選擇産生多份代碼，如同時編譯出通用彙編代碼和SIMD優化彙編代碼，運作時使用CPUID指令檢測目前CPU支援的指令集進行跳轉選擇執行。

自動矢量編譯優化技術是一個巨大的進步，并且具有更好的可移植性。這是由于編寫可移植的C/C++代碼更容易，而對于彙編底層的開發者而言，由于Intel彙編和AT&T的彙編格式大不相同，因而移植非常困難。

期待自動矢量優化的進一步發展，關注中。。。

參考文獻：

（１）I've Fallen In Love With the Vectoriser

（2）Auto-vectorization in GCC

（3）Auto-Vectorization and C++