SystemEvents 是一個開發 win32 視窗項目很常用的類，其中封裝了一些常用的系統廣播消息。在 WinUI3 項目中，SystemEvents 事件經常無法觸發，簡單排查了一下原因。 SystemEvent 內封裝了一個線程和一個視窗，通過視窗消息在內部線程上調用事件，內部使用了 Sys ...
作者： zyl910
發現.NET8增加了Arm架構的多寄存器的查表函數（VectorTableLookup/VectorTableLookupExtension），這給編寫SIMD向量化演算法帶來了方便。
一、指令說明
在學習Arm的AdvSimd（Neon）指令集時，發現它的Lookup（查表）功能，類似X86的Sse系列指令集中的位元組Shuffle（換位。如 _mm_shuffle_epi8 ）功能。
而且Arm的Lookup不僅支持單個向量的查表，且支持多個向量的查表。具體來說，是2~4個向量。
單個向量查表（如 vqvtbl1q_u8）時，只能在 16位元組（128位）的範圍內進行查表。而使用4個向量查表（如 vqtbl4q_u8 ）時，能在 16*4=64位元組（512位）的範圍內進行查表。
.NET 5.0開始支持Arm的內在函數，但當時僅支持單個向量查表。
現在 .NET 8.0 補上了這個空缺。
二、API文檔的變化
對於AdvSimd.Arm64.VectorTableLookup 方法，.NET 5.0 的文檔是只有2個重載。
VectorTableLookup(Vector128<SByte>, Vector128<SByte>) // int8x16_t vqvtbl1q_s8(int8x16_t t, uint8x16_t idx)
VectorTableLookup(Vector128<Byte>, Vector128<Byte>) // uint8x16_t vqvtbl1q_u8(uint8x16_t t, uint8x16_t idx)
到了.NET 8.0 ，文檔多了6個重載。
VectorTableLookup(ValueTuple<Vector128<Byte>,Vector128<Byte>,Vector128<Byte>,Vector128<Byte>>, Vector128<Byte>) // uint8x16_t vqtbl4q_u8 (uint8x16x4_t t、uint8x16_t idx)
VectorTableLookup(ValueTuple<Vector128<Byte>,Vector128<Byte>,Vector128<Byte>>, Vector128<Byte>) // uint8x16_t vqtbl3q_u8 (uint8x16x3_t t、uint8x16_t idx)
VectorTableLookup(ValueTuple<Vector128<Byte>,Vector128<Byte>>, Vector128<Byte>) // uint8x16_t vqtbl2q_u8 (uint8x16x2_t t、uint8x16_t idx)
VectorTableLookup(ValueTuple<Vector128<SByte>,Vector128<SByte>,Vector128<SByte>,Vector128<SByte>>, Vector128<SByte>) // int8x16_t vqtbl4q_s8 (int8x16x4_t t、uint8x16_t idx)
VectorTableLookup(ValueTuple<Vector128<SByte>,Vector128<SByte>,Vector128<SByte>>, Vector128<SByte>) // int8x16_t vqtbl3q_s8 (int8x16x3_t t、uint8x16_t idx)
VectorTableLookup(ValueTuple<Vector128<SByte>,Vector128<SByte>>, Vector128<SByte>) // int8x16_t vqtbl2q_s8 (int8x16x2_t t、uint8x16_t idx)
可見，2、3、4個向量的查表功能都加上了了。隨後再區分一下 Byte/SByte 這2種類型，於是共增加了 3*2=6 個重載。
三、官方說明
查了一下，發現在官方博文《Arm64 Performance Improvements in .NET 8》（.NET 8 中的 Arm64 性能改進）里有說明。
這一段內容的機器翻譯如下。
VectorTableLookup 和 VectorTableLookupExtension
在 .NET 8 中，我們在System.Runtime.Intrinsics.Arm命名空間下添加了兩組新的 API：VectorTableLookup和 VectorTableLookupExtension。
public static Vector64<byte> VectorTableLookup((Vector128<byte>, Vector128<byte>) table, Vector64<byte> byteIndexes);
public static Vector64<byte> VectorTableLookup(Vector64<byte> defaultValues, (Vector128<byte>, Vector128<byte>) table, Vector64<byte> byteIndexes);
讓我們看一下每個 API 的示例。
// Vector128<byte> a = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16
// Vector128<byte> b = 10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150, 160
// Vector64<byte> index = 3, 31, 4, 40, 18, 19, 30, 1
Vector64<byte> ans = VectorTableLookup((a, b), index);
// ans = 4, 160, 5, 0, 30, 40, 150, 2
在上面的示例中，向量 a 和 b 被視為一個表，共有 32 個條目（16 個來自 a，16 個來自 b），索引從 0 開始。如果索引超出範圍，例如在我們的示例中試圖訪問索引 40，API 將返回該超出範圍索引的值 0。
// Vector64<byte> d = 100, 200, 300, 400, 500, 600, 700, 800
// Vector128<byte> a = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16
// Vector128<byte> b = 10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150, 160
// Vector64<byte> index = 3, 31, 4, 40, 18, 19, 30, 1
Vector64<byte> ans = VectorTableLookupExtension(d, (a, b), index);
// ans = 4, 160, 5, 400, 30, 40, 150, 2
與 VectorTableLookup相反，當使用VectorTableLookupExtension方法時，如果索引超出有效範圍，則結果中的相應元素將由參數中提供的defaultValues值確定。值得註意的是，這些 API 還有其他變體，它們也在 3 實體和 4 實體元組上運行，為各種用例提供了靈活性。
在 dotnet/runtime#85189 中，@MihaZupan 利用此 API 優化了 IndexOfAny，顯著提高了 30% 的性能。同樣，在 dotnet/runtime#87126 中，@SwapnilGaikwad 顯著增強了 Guid 格式化器的性能，實現了高達 40% 的性能提升。這些優化表明，利用這一強大的 API 可以大幅提高性能。
四、X86平臺的對應
X86的Sse、Avx系列指令集，僅支持單個向量查表。
直到Avx512系列指令集的出現，它增加了2個向量查表的指令 VPERMI2B。
.NET8.0也增加了對Avx512系列指令集的支持，便支持了該指令。
對於512位向量，可以使用 Avx512Vbmi 類中的方法。
PermuteVar64x8x2(Vector512<Byte>, Vector512<Byte>, Vector512<Byte>) // __m512i _mm512_permutex2var_epi8 (__m512i a， __m512i idx， __m512i b)
PermuteVar64x8x2(Vector512<SByte>, Vector512<SByte>, Vector512<SByte>) // __m512i _mm512_permutex2var_epi8 (__m512i a， __m512i idx， __m512i b)
對於128、256位向量，可以使用 Avx512Vbmi.VL 類中的方法。
PermuteVar16x8x2(Vector128<Byte>, Vector128<Byte>, Vector128<Byte>) // __m128i _mm_permutex2var_epi8 (__m128i a，__m128i idx，__m128i b)
PermuteVar16x8x2(Vector128<SByte>, Vector128<SByte>, Vector128<SByte>) // __m128i _mm_permutex2var_epi8 (__m128i a，__m128i idx，__m128i b)
PermuteVar32x8x2(Vector256<Byte>, Vector256<Byte>, Vector256<Byte>) // __m256i _mm256_permutex2var_epi8 (__m256i a， __m256i idx， __m256i b)
PermuteVar32x8x2(Vector256<SByte>, Vector256<SByte>, Vector256<SByte>) // __m256i _mm256_permutex2var_epi8 (__m256i a， __m256i idx， __m256i b)
參考文獻
- 《AdvSimd.Arm64.VectorTableLookup 方法》. https://learn.microsoft.com/zh-cn/dotnet/api/system.runtime.intrinsics.arm.advsimd.arm64.vectortablelookup?view=net-8.0
- 《Avx512Vbmi.PermuteVar64x8x2 方法》. https://learn.microsoft.com/zh-cn/dotnet/api/system.runtime.intrinsics.x86.avx512vbmi.permutevar64x8x2?view=net-8.0
- 《Avx512Vbmi.VL 類》. https://learn.microsoft.com/zh-cn/dotnet/api/system.runtime.intrinsics.x86.avx512vbmi.vl?view=net-8.0
- Kunal Pathak《Arm64 Performance Improvements in .NET 8》. https://devblogs.microsoft.com/dotnet/this-arm64-performance-in-dotnet-8/
