archsimd调用架构向量指令

Go 的 archsimd 通过向量类型及其方法访问架构相关 SIMD 运算。以 Go 1.27 的实验接口为例，构建时启用 GOEXPERIMENT=simd，导入 simd/archsimd，再用 Load、Add、Store 表达一组数据的逐元素相加。实际接入还需要检查处理器能力、隔离架构文件，并处理不足一个向量的尾部。

官方地址：https://pkg.go.dev/simd/archsimd

下面限定为 Go 1.27 的 amd64 示例。该包仍是实验接口，不受 Go 1 兼容性承诺保护；不要把 Go 1.26 的旧实验签名与本文切片形式混用。本文以两组 float32 数据相加为原创场景，不宣称已经获得任何实测加速。

先确定值得向量化的那段工作

假设程序要将两组等长采样数据逐元素相加。原来的循环很直接，输入长度错误时也容易发现。改成向量实现之前，应保留这份标量定义：每个输出位置只等于对应的两项之和，输入不被修改。

第一次尝试先选四个 float32 一组，方便把完整块与尾部分开。这里的“四”是向量形状，不是协程数量。SIMD 处理多个数据元素，并不意味着要创建四个后台任务。

让完整块使用向量，尾部继续用标量

将下面实现保存为 add_simd_amd64.go。它返回新切片，避免目标切片与输入发生部分重叠时，引入额外的覆盖顺序问题。

//go:build amd64 && goexperiment.simd

package vecadd

import "simd/archsimd"

// AddF32 返回新切片，避免输入与输出发生部分重叠。
func AddF32(a, b []float32) []float32 {
    if len(a) != len(b) {
        panic("输入长度必须相同")
    }
    out := make([]float32, len(a))
    i := 0
    // 先检测能力，再调用向量操作；这里保守地要求 AVX2。
    if archsimd.X86.AVX2() {
        for ; i+4 

LoadFloat32x4 需要至少四项，Store 的目标也必须容纳四项，因此循环条件必须保证剩余长度足够。i 是已处理元素数；向量循环结束后，剩余项由普通循环接管。长度为零、一、三、四、五时都应遵守同一接口约定。

本例用 AVX2 检测作为保守门槛。它不是断言四项浮点加法本身只能在 AVX2 上实现；官方文档将 Add 对应的指令能力列为 AVX。保守门槛可能让部分机器走标量路径，换来更简单的示例能力边界。继续优化时，应按实际调用的每个操作核对能力要求。

用文件边界保留普通构建

运行时能力判断解决的是同一目标架构上的处理器差异；构建约束解决的是源码能否进入当前目标构建。这两层不能互相替代。为非 amd64 或未开启实验的构建，准备 add_generic.go：

//go:build !amd64 || !goexperiment.simd

package vecadd

// AddF32 为非目标架构或未启用实验的构建提供同名实现。
func AddF32(a, b []float32) []float32 {
    if len(a) != len(b) {
        panic("输入长度必须相同")
    }
    out := make([]float32, len(a))
    for i := range a {
        out[i] = a[i] + b[i]
    }
    return out
}

两个文件同属 vecadd 包，提供相同签名，构建约束互补。对外只暴露普通切片，避免调用方依赖实验向量类型。与其把 SIMD 类型一路传到业务层，不如将优化限制在一个小函数内。

# 在采用上述文件结构的模块内，以普通配置构建通用版本。
go build ./...
# 使用支持该接口的 Go 1.27 工具链，启用 SIMD 实验构建。
GOEXPERIMENT=simd go build ./...

这两条命令是给读者的构建入口，本文未运行它们。交叉构建得到某架构二进制，也不代表当前机器能直接执行那个文件。

决定采用前，先考虑数据与成本

上面的函数为结果分配新切片，这使示例清楚，但分配成本可能掩盖运算差异。评估时应让标量与向量版本使用相同的数据准备、结果分配和调用方式；否则测到的可能是内存管理差异。

短切片往往没有多少完整向量块，分支、加载和调用成本也需要计入。长切片又可能受内存带宽影响。不要仅凭“向量宽度为四”就声称速度提升四倍，也不要拿一个数据长度的结果代表所有业务请求。

如果项目已有测试，读者可补充长度边界、长度不一致、输入保持不变等用例，并用相同输入比较两种实现。浮点特殊值的需求应按业务定义处理；换成归约、融合乘加或重排运算时，尤其不能直接沿用逐元素加法的等价性判断。

常见误区与速查

只设置实验开关就会自动优化所有循环吗？本文展示的是显式向量 API 调用，不能据此推断普通循环都会自动变成 SIMD。

arm64 可以直接照搬这个文件吗？不能。本文刻意限定 amd64，其他目标由通用实现承接。开发其他架构版本，应按对应接口和指令语义另行编写。

能把最后不足四项直接交给完整 Load 吗？不能。本文使用标量尾部，避免完整加载越界。部分加载接口是另一种选择，但应先读清填充值与存储规则。

什么时候先保留标量实现？当数据很短、没有可靠热点证据，或维护实验接口的成本高于收益时，清楚的普通循环更容易维护。对外签名保持不变，后续替换实现也更从容。

参考：Go 官方架构 SIMD 说明、archsimd 类型与操作文档。