H1：“SIMD in zlib-rs 系列之比较 256 函数优化”

• 部分 1 内容：通过一些调整，自动向量化可为某些问题生成最优代码，但并非总是有效，此次将探讨编译器目前无法有效利用现代 CPU SIMD 能力的问题。
• 问题阐述：compare256函数用于比较两个[u8; 256]值，从左开始计算元素匹配的位置，直到出现不匹配，此函数是 zlib-rs 压缩算法的核心。该函数生成的汇编代码未进行自动向量化，编译器展开循环 4 次，每次处理 4 字节，但可通过显式 SIMD 实现更好效果。
• 实现思路：以假设的 32 位 SIMD 向量为例，将输入按 4 个 8 位元素分组加载到向量寄存器，进行按位相等操作，生成掩码向量，再将其转换为整数，最后使用.trailing_ones方法计算匹配元素的数量。
• 实际实现：在现代 CPU 的 128 位 SIMD 寄存器上实现compare256函数，使用特定的导入和指令，如__m128i、_mm_loadu_si128、_mm_cmpeq_epi8、_mm_movemask_epi8等，循环展开 16 次处理整个 256 字节输入，汇编代码较长。观察到一些指令的优化处理，如_mm_loadu_si128被优化为movdqu等。
• 基准测试：手动 SIMD 实现效果显著，在某些简单输入下比旧代码快约一个数量级，给出了具体的基准测试设置和结果。
• 结论：展示了自定义 SIMD 实现优于编译器的基本但有效的例子，其他指令集的示例可在[compare256.rs]中找到，下一次将探讨如何为实际运行的 CPU 高效选择合适的 SIMD 解决方案。