5.1 向量扩展 V：可变长的算术引擎

5.1 向量扩展 V：可变长的算术引擎

本节摘要：向量扩展给 RISC-V 装上一台可变长算术引擎：三十二个宽度可伸缩的向量寄存器、运行时决定元素宽度与分组方式的配置指令、以及把"残余元素"处理内置进硬件的长度寄存器。本节沿一条信号滤波的代码主线，把手写向量序列的每一步状态变化拆到位。

从一个性能死结说起

标量指令处理成批数据时的窘境可以量化：对一万个采样点做乘加，标量循环要取指一万次、每次搬运一个数据，取指与译码的功耗花在"指挥"而非"干活"上。固定宽度 SIMD（比如主流架构上的一百二十八位或二百五十六位指令）前进了一步，却埋下兼容性的雷：宽度焊在指令编码里，代码为宽度定制，换硬件宽度就得维护另一套二进制。RISC-V 向量扩展的破局思路是把决策权后移——指令只说"对一组元素做乘加"，一组多少个、每个几位，由运行时读硬件报告后现场决定。同一份二进制，在一百二十八位的低功耗核上跑一百二十八位宽，在五百一十二位的服务器核上自动吃满宽度，这正延续着第五章支柱页说的那个哲学：规范不替硬件定型。

家底：寄存器与两个旋钮

向量扩展的地基是三十二个向量寄存器 v0 到 v31，每个的位宽由实现决定，规范支持从一百二十八位起、以二的幂次伸到六十五位以上任何长度（常见实现选二百五十六位或五百一十二位）。所有向量寄存器的总位宽（乘上三十二）构成实现的"向量架构状态"，规范允许实现按此伸缩，软件通过读取向量长度参数自适应——这个参数没有写死，是"可变长"三个字的物理载体。

两个旋钮决定了每条向量指令实际驱动多少数据。第一个旋钮是单元素宽度（SEW，选元素宽度）：八、十六、三十二、六十四位可选，按数据类型切换——处理字节流选八位，处理浮点选三十二位。第二个旋钮是寄存器分组（LMUL）：把相邻几个向量寄存器捆成一个逻辑组，一个逻辑寄存器装下更多元素，适合数据量大而寄存器少的场合；代价是分组后可用的独立逻辑寄存器变少，编译器调度空间被压缩。两个旋钮组合出单个逻辑寄存器容纳的元素个数上限，再由第三个关键角色——向量长度寄存器 vl——现场裁定本轮实际处理几个。

三十二个寄存器里 v0 身兼二职：既可作普通数据寄存器，又可在带掩码的指令里充当掩码位图，逐个元素地决定"这个元素参与运算还是保持原值"。掩码让向量代码能用无分支的方式表达条件逻辑，是消除循环内 if 的核心武器。

手解实验：一段滤波序列的完整状态跟踪

纸上跟踪一遍向量代码的状态变化，比任何描述都直观。任务：两个数组逐元素相加，长度不定。核心序列如下。

    li   t0, 1024          # 总元素数
    la   a0, src_a
    la   a1, src_b
    la   a2, dst
loop:
    vsetvli t1, t0, e32, m1, ta, ma   # 按剩余量定长度
    vle32.v  v1, (a0)      # 加载一组
    vle32.v  v2, (a1)
    vadd.vv  v3, v1, v2    # 逐元素相加
    vse32.v  v3, (a2)      # 存回一组
    sub  t0, t0, t1        # 减去本轮处理的个数
    add  a0, a0, t1        # 指针按实际长度推进
    add  a1, a1, t1
    add  a2, a2, t1
    bnez t0, loop
​

vsetvli 那一行是全段的灵魂，五个参数各管一事：e32 声明元素三十二位；m1 不分组；ta 与 ma 是尾元素与掩码的策略位（稍后细讲）；第二个操作数 t0 是请求长度。指令返回时，t1 写入本轮实际处理的元素个数——硬件在"请求值"与"本轮容量"之间取小。于是循环最后一轮天然只剩残余：请求八个硬件只肯给三个，vl 就等于三，加载、运算、存储全部按三个元素动作，指针按三推进，循环体零特判。传统 SIMD 需要单独写"标量尾巴循环"的残余问题，在这里被长度寄存器一个机制吞掉。

策略位与性能的暗礁

ta 与 ma 两个策略位解决一个隐蔽问题：当 vl 小于逻辑寄存器容量时，尾部那几个"没参与本轮运算"的元素（尾元素）该保持原值还是清零？保持原值（tu）省一次清零，但寄存器里残留旧数据；清零（ta）牺牲一点带宽换确定性。掩码未选中的元素同理。选错策略不会出错——语义上尾元素不该被读——但会在寄存器复用时埋下性能暗礁，密集调优时值得回头检查。

向量代码的真正性能杀手另有两位。一是跨步访存：数据在内存里不连续时，带步长的加载要发起多个分散访存事务，带宽利用率骤降，这时该考虑先用聚集与散射指令整理布局，或者改数据结构（结构数组换数组结构）。二是寄存器压力：LMUL 开大后逻辑寄存器翻倍缩水，活变量一多就互相踩踏，循环展开系数要随之回调。这两条暗礁与底层缓存行为联动，调优时往往要在向量长度、分组、展开度之间做三角权衡——没有一键最优，只有实测说话。

图 5-2 一个向量寄存器的元素视图

工程现场：滤波负载上向量化的完整收益核算

背景：边缘音频设备的三百二十抽头有限冲激响应滤波，标量实现每帧处理延迟超标，目标是延迟减半。

操作：先用性能分析器定位热点，确认九成时间在乘加内循环；随后按本节方法改写内层：外层循环遍历输出样本，内层用向量乘加遍历抽头系数数组，vsetvli 放循环外一次性配置（长度固定时无需每轮重算），LMUL 选二增加每轮吞吐；数据布局上把系数数组按四字节对齐整理，消除跨步访存。

结果：在一颗五百一十二位向量宽度的实现上，内层每轮处理十六个抽头，滤波延迟降到标量版本的三成；同一份二进制换到同事的一百二十八位开发板上重跑，延迟也降到了四成半——代码一行未改，只是宽度旋钮自动收窄。

解读：这个案例验证了可变长设计的核心承诺（二进制跨宽度通用），也暴露了代价核算的必要性：向量寄存器堆的面积与功耗不小，低功耗产品若负载里向量化机会稀少，拼 V 就要重新掂量——扩展选型永远回到"你的负载里有多少成批规整数据"这个原问题上。

变式：把内层循环改成带掩码的条件累加（只累计幅度超过阈值的样本），观察掩码如何消灭分支；再试着把 LMUL 从二调回一并加大循环展开，对比寄存器压力与吞吐的变化——两个变式分别通向分支消除与调度调优两条进阶路。

本节要点回顾

• 可变长是设计灵魂：指令表达意图、硬件报告能力，一份二进制跨宽度通用；
• 两个旋钮：元素宽度选精度，寄存器分组选容量，组合决定每轮吞吐；
• 长度寄存器吞掉残余：请求与容量取小，传统 SIMD 的标量尾巴循环被一个机制消解；
• 掩码消灭分支：v0 当位图，逐元素决定参与与否，条件逻辑向量化的正路；
• 暗礁在布局与压力：跨步访存伤带宽，LMUL 过大伤调度，三角权衡靠实测裁决。

向量解决的是算力密度。但当一台物理机器要同时伺候多个互不信任的租户，光快还不够——下一节的两阶段翻译与安全原语，处理的是隔离与信任的课题。