徐金龙，赵荣彩，刘 鹏，李晓亮

（1．数学工程与先进计算国家重点实验室，郑州450001；2．解放军93010部队，沈阳110000）

1 概述

目前多数通用处理器上已经集成了SIMD（Single Instruction Multiple Data）扩展［1－4］。为了方便有效地使用这种向量并行部件，大部分编译器也都集成了自动向量化模块［5－7］。为了实现更多程序的向量化，出现了很多面向向量化的分析方法，这些方法基本原理是依据数据依赖关系寻找可并行的语句，然后将可并行的语句用向量方式并行执行［8］。

向量化是一种细粒度的并行化，不仅需要依赖关系满足并行需求，对访存模式也有较苛刻的要求。目前，多数编译器自动向量化模块仅支持连续访存模式。大量访存模式较复杂的循环，编译器直接放弃对其进行向量化。GCC（GUN Compiler）和ICC（Intel C＋＋Compiler）的向量化模块都尝试支持某些不太复杂的访存模式。GCC最初向量化模块只支持loop－based向量化方法，某些伪跨幅访存不能被正确识别，伪跨幅访存是指：语句被孤立分析时，访存不连续，但考虑迭代内并行其访存是连续的，因此，GCC引入了SLP算法发掘迭代内并行，解决了伪跨幅访存的问题［9］。ICC提供了一种高效的向量化方法来专门处理访存跨幅为2的幂的情况［10］，并改进了数据重组方式，可以充分利用Intel处理器提供的跨幅访存指令。需要指出的是，GCC实际上并未支持跨幅访存的向量化，它仅仅是在迭代内发现了连续的访存，ICC真正支持了跨幅访存，但它支持的模式过于单一，难以支持较复杂的跨幅访存，不具有通用性，也不能支持程序中普遍存在的非规则访存。……