Directive-based automatic function-level vectorization for simplified SIMD exploitation

Liu, Lili

doi:10.1007/s42514-026-00274-1

Directive-based automatic function-level vectorization for simplified SIMD exploitation

2026-03-01

0

PRE

AI

DOI：10.1007/s42514-026-00274-1

原文链接

摘要

En 中文

单指令多数据（SIMD）扩展的集成已成为提升计算性能的关键。尽管循环级和超字级向量化技术已趋于成熟，函数级向量化仍具挑战性。现有的OpenMP declare simd机制要求在函数声明和调用点处重复添加注解——尤其在独立编译单元之间尤为繁琐——从而限制了其应用实践性。本文提出自动函数级向量化（AFV），一种基于指令的框架，旨在简化OpenMP中的函数级向量化。我们建议在循环级而非函数级管理函数向量化指令，从而通过AFV指令扩展OpenMP API。此外，我们在中间表示阶段引入一个优化框架，自动将向量化指令插入被调用函数中，生成向量化版本并增强包含函数调用的循环向量化。重要的是，该方法对跨编译单元的函数调用同样有效。采用Intel SPMD程序编译器和SIMD库中的基准测试进行的实验评估证实了该框架在四个维度的优势：在性能方面，AFV比OpenMP高出1.65倍；在指令优化方面，相较于内联向量化减少了12.38%的指令数量；在开发效率方面，AFV比OpenMP减少57.86%的指令；在编译效率方面，相较于内联优化方法减少了39.84%的编译开销。这些结果表明AFV在平衡性能优化与编程生产率方面的优势。

Keyword:

Function-level vectorization

SIMD

Directive

OpenMP

Directive-based automatic function-level vectorization for simplified SIMD exploitation

摘要

期刊

机构

引用论文