【一天一点.NET小知识】运用向量VectorT加速求和计算

随着 .NET 版本的演进，从 .NET Standard 2.0 版本开始，支持 Vector<T> 类型。
Vector<T> 类型：表示指定数值类型（适用于并行算法的低级别优化）的单个向量。

假如我们有一个求和函数接受一个int数组入参，当它的长度大于等于8及其倍数以上时，那么我们就可以考虑使用向量Vector<T>加速求和计算。

以下是使用了向量的求和函数代码：

internal class Program
{static void Main(string[] args){int[] array = Enumerable.Range(1, 32).ToArray();int result = Sum(array);Console.WriteLine(result);Console.ReadKey();}public static int Sum(int[] numbers){ReadOnlySpan<int> span = new ReadOnlySpan<int>(numbers);ref int ptr = ref MemoryMarshal.GetReference(span);int result = 0;int vectorSize = Vector<int>.Count;int index;int remainder = span.Length % vectorSize;int vectorLength = span.Length - remainder;Vector<int> vector = Vector<int>.Zero;for (index = 0; index < vectorLength; index += vectorSize){//Vector<int> vector2 = new Vector<int>(span.Slice(index, vectorSize));ref byte address = ref Unsafe.As<int, byte>(ref Unsafe.Add(ref Unsafe.AsRef(in ptr), index));Vector<int> vector2 = Unsafe.ReadUnaligned<Vector<int>>(ref address);vector += vector2;}result += Vector.Dot<int>(vector, Vector<int>.One);for (; index < span.Length; index++){result += Unsafe.Add(ref ptr, index);}return result;}
}

以下是相减函数代码：

static int Sub(int[] numbers)
{ReadOnlySpan<int> span = new ReadOnlySpan<int>(numbers);ref int ptr = ref MemoryMarshal.GetReference(span);int result = 0;int vectorSize = Vector<int>.Count;int index;int remainder = span.Length % vectorSize;int vectorLength = span.Length - remainder;for (index = 0; index < vectorLength; index += vectorSize){ref byte address = ref Unsafe.As<int, byte>(ref Unsafe.Add(ref Unsafe.AsRef(in ptr), index));Vector<int> vector = Unsafe.ReadUnaligned<Vector<int>>(ref address);result -= Vector.Dot<int>(vector, Vector<int>.One);}for (; index < span.Length; index++){result -= Unsafe.Add(ref ptr, index);}return result + 2;
}

其它运算，例如相减，也是同理。
当我们向量 Vector<T> 之后，特别是在一些频繁调用计算的场景，将获得指数量级的性能提升。
需要注意的是，向量 Vector<T> 依赖 CPU 硬件的 SIMD 指令集支持，在一些相对较旧的 古董CPU，可能不支持。

PS:

• uint类型数组，长度大于等于8及其倍数以上
• long类型数组，长度大于等于4及其倍数以上
• ulong类型数组，长度大于等于4及其倍数以上
• SIMD（Single Instruction, Multiple Data，单指令多数据流）