Wydajny algorytm odwracania bitów (od MSB-> LSB do LSB-> MSB) w C

Jaki jest najbardziej wydajny algorytm do osiągnięcia następujących celów:

0010 0000 => 0000 0100

Konwersja odbywa się z MSB-> LSB do LSB-> MSB. Wszystkie bity muszą być odwrócone; to znaczy, nie jest to zamiana endianizmu.

UWAGA : Wszystkie poniższe algorytmy są w języku C, ale powinny być przenośne na wybrany język (po prostu nie patrz na mnie, gdy nie są tak szybkie :)

Opcje

Niska pamięć ( intmaszyna 32-bitowa , 32-bitowa) ( stąd ):

unsigned int
reverse(register unsigned int x)
{
    x = (((x & 0xaaaaaaaa) >> 1) | ((x & 0x55555555) << 1));
    x = (((x & 0xcccccccc) >> 2) | ((x & 0x33333333) << 2));
    x = (((x & 0xf0f0f0f0) >> 4) | ((x & 0x0f0f0f0f) << 4));
    x = (((x & 0xff00ff00) >> 8) | ((x & 0x00ff00ff) << 8));
    return((x >> 16) | (x << 16));

}

Ze słynnej strony Bit Twiddling Hacks :

Najszybszy (tabela odnośników) :

static const unsigned char BitReverseTable256[] = 
{
  0x00, 0x80, 0x40, 0xC0, 0x20, 0xA0, 0x60, 0xE0, 0x10, 0x90, 0x50, 0xD0, 0x30, 0xB0, 0x70, 0xF0, 
  0x08, 0x88, 0x48, 0xC8, 0x28, 0xA8, 0x68, 0xE8, 0x18, 0x98, 0x58, 0xD8, 0x38, 0xB8, 0x78, 0xF8, 
  0x04, 0x84, 0x44, 0xC4, 0x24, 0xA4, 0x64, 0xE4, 0x14, 0x94, 0x54, 0xD4, 0x34, 0xB4, 0x74, 0xF4, 
  0x0C, 0x8C, 0x4C, 0xCC, 0x2C, 0xAC, 0x6C, 0xEC, 0x1C, 0x9C, 0x5C, 0xDC, 0x3C, 0xBC, 0x7C, 0xFC, 
  0x02, 0x82, 0x42, 0xC2, 0x22, 0xA2, 0x62, 0xE2, 0x12, 0x92, 0x52, 0xD2, 0x32, 0xB2, 0x72, 0xF2, 
  0x0A, 0x8A, 0x4A, 0xCA, 0x2A, 0xAA, 0x6A, 0xEA, 0x1A, 0x9A, 0x5A, 0xDA, 0x3A, 0xBA, 0x7A, 0xFA,
  0x06, 0x86, 0x46, 0xC6, 0x26, 0xA6, 0x66, 0xE6, 0x16, 0x96, 0x56, 0xD6, 0x36, 0xB6, 0x76, 0xF6, 
  0x0E, 0x8E, 0x4E, 0xCE, 0x2E, 0xAE, 0x6E, 0xEE, 0x1E, 0x9E, 0x5E, 0xDE, 0x3E, 0xBE, 0x7E, 0xFE,
  0x01, 0x81, 0x41, 0xC1, 0x21, 0xA1, 0x61, 0xE1, 0x11, 0x91, 0x51, 0xD1, 0x31, 0xB1, 0x71, 0xF1,
  0x09, 0x89, 0x49, 0xC9, 0x29, 0xA9, 0x69, 0xE9, 0x19, 0x99, 0x59, 0xD9, 0x39, 0xB9, 0x79, 0xF9, 
  0x05, 0x85, 0x45, 0xC5, 0x25, 0xA5, 0x65, 0xE5, 0x15, 0x95, 0x55, 0xD5, 0x35, 0xB5, 0x75, 0xF5,
  0x0D, 0x8D, 0x4D, 0xCD, 0x2D, 0xAD, 0x6D, 0xED, 0x1D, 0x9D, 0x5D, 0xDD, 0x3D, 0xBD, 0x7D, 0xFD,
  0x03, 0x83, 0x43, 0xC3, 0x23, 0xA3, 0x63, 0xE3, 0x13, 0x93, 0x53, 0xD3, 0x33, 0xB3, 0x73, 0xF3, 
  0x0B, 0x8B, 0x4B, 0xCB, 0x2B, 0xAB, 0x6B, 0xEB, 0x1B, 0x9B, 0x5B, 0xDB, 0x3B, 0xBB, 0x7B, 0xFB,
  0x07, 0x87, 0x47, 0xC7, 0x27, 0xA7, 0x67, 0xE7, 0x17, 0x97, 0x57, 0xD7, 0x37, 0xB7, 0x77, 0xF7, 
  0x0F, 0x8F, 0x4F, 0xCF, 0x2F, 0xAF, 0x6F, 0xEF, 0x1F, 0x9F, 0x5F, 0xDF, 0x3F, 0xBF, 0x7F, 0xFF
};

unsigned int v; // reverse 32-bit value, 8 bits at time
unsigned int c; // c will get v reversed

// Option 1:
c = (BitReverseTable256[v & 0xff] << 24) | 
    (BitReverseTable256[(v >> 8) & 0xff] << 16) | 
    (BitReverseTable256[(v >> 16) & 0xff] << 8) |
    (BitReverseTable256[(v >> 24) & 0xff]);

// Option 2:
unsigned char * p = (unsigned char *) &v;
unsigned char * q = (unsigned char *) &c;
q[3] = BitReverseTable256[p[0]]; 
q[2] = BitReverseTable256[p[1]]; 
q[1] = BitReverseTable256[p[2]]; 
q[0] = BitReverseTable256[p[3]];

Możesz rozszerzyć ten pomysł do 64-bitów intlub wymienić pamięć na szybkość (zakładając, że pamięć podręczna danych L1 jest wystarczająco duża) i odwrócić 16 bitów na raz za pomocą tabeli wyszukiwania 64-wejściowej.

Inne

Prosty

unsigned int v;     // input bits to be reversed
unsigned int r = v & 1; // r will be reversed bits of v; first get LSB of v
int s = sizeof(v) * CHAR_BIT - 1; // extra shift needed at end

for (v >>= 1; v; v >>= 1)
{   
  r <<= 1;
  r |= v & 1;
  s--;
}
r <<= s; // shift when v's highest bits are zero

Szybszy (procesor 32-bitowy)

unsigned char b = x;
b = ((b * 0x0802LU & 0x22110LU) | (b * 0x8020LU & 0x88440LU)) * 0x10101LU >> 16; 

Szybszy (procesor 64-bitowy)

unsigned char b; // reverse this (8-bit) byte
b = (b * 0x0202020202ULL & 0x010884422010ULL) % 1023;

Jeśli chcesz to zrobić na 32-bitach int, po prostu odwróć bity w każdym bajcie i odwróć kolejność bajtów. To jest:

unsigned int toReverse;
unsigned int reversed;
unsigned char inByte0 = (toReverse & 0xFF);
unsigned char inByte1 = (toReverse & 0xFF00) >> 8;
unsigned char inByte2 = (toReverse & 0xFF0000) >> 16;
unsigned char inByte3 = (toReverse & 0xFF000000) >> 24;
reversed = (reverseBits(inByte0) << 24) | (reverseBits(inByte1) << 16) | (reverseBits(inByte2) << 8) | (reverseBits(inByte3);

Wyniki

Porównywałem dwa najbardziej obiecujące rozwiązania, tablicę odnośników i bitowe-AND (pierwsze). Maszyna testowa to laptop z 4 GB pamięci DDR2-800 i Core 2 Duo T7500 @ 2,4 GHz, 4 MB pamięci podręcznej L2; YMMV. Użyłem gcc 4.3.2 na 64-bitowym systemie Linux. OpenMP (i powiązania GCC) zastosowano do timerów o wysokiej rozdzielczości.

rewers. c

#include <stdlib.h>
#include <stdio.h>
#include <omp.h>

unsigned int
reverse(register unsigned int x)
{
    x = (((x & 0xaaaaaaaa) >> 1) | ((x & 0x55555555) << 1));
    x = (((x & 0xcccccccc) >> 2) | ((x & 0x33333333) << 2));
    x = (((x & 0xf0f0f0f0) >> 4) | ((x & 0x0f0f0f0f) << 4));
    x = (((x & 0xff00ff00) >> 8) | ((x & 0x00ff00ff) << 8));
    return((x >> 16) | (x << 16));

}

int main()
{
    unsigned int *ints = malloc(100000000*sizeof(unsigned int));
    unsigned int *ints2 = malloc(100000000*sizeof(unsigned int));
    for(unsigned int i = 0; i < 100000000; i++)
      ints[i] = rand();

    unsigned int *inptr = ints;
    unsigned int *outptr = ints2;
    unsigned int *endptr = ints + 100000000;
    // Starting the time measurement
    double start = omp_get_wtime();
    // Computations to be measured
    while(inptr != endptr)
    {
      (*outptr) = reverse(*inptr);
      inptr++;
      outptr++;
    }
    // Measuring the elapsed time
    double end = omp_get_wtime();
    // Time calculation (in seconds)
    printf("Time: %f seconds\n", end-start);

    free(ints);
    free(ints2);

    return 0;
}

reverse_lookup.c

#include <stdlib.h>
#include <stdio.h>
#include <omp.h>

static const unsigned char BitReverseTable256[] = 
{
  0x00, 0x80, 0x40, 0xC0, 0x20, 0xA0, 0x60, 0xE0, 0x10, 0x90, 0x50, 0xD0, 0x30, 0xB0, 0x70, 0xF0, 
  0x08, 0x88, 0x48, 0xC8, 0x28, 0xA8, 0x68, 0xE8, 0x18, 0x98, 0x58, 0xD8, 0x38, 0xB8, 0x78, 0xF8, 
  0x04, 0x84, 0x44, 0xC4, 0x24, 0xA4, 0x64, 0xE4, 0x14, 0x94, 0x54, 0xD4, 0x34, 0xB4, 0x74, 0xF4, 
  0x0C, 0x8C, 0x4C, 0xCC, 0x2C, 0xAC, 0x6C, 0xEC, 0x1C, 0x9C, 0x5C, 0xDC, 0x3C, 0xBC, 0x7C, 0xFC, 
  0x02, 0x82, 0x42, 0xC2, 0x22, 0xA2, 0x62, 0xE2, 0x12, 0x92, 0x52, 0xD2, 0x32, 0xB2, 0x72, 0xF2, 
  0x0A, 0x8A, 0x4A, 0xCA, 0x2A, 0xAA, 0x6A, 0xEA, 0x1A, 0x9A, 0x5A, 0xDA, 0x3A, 0xBA, 0x7A, 0xFA,
  0x06, 0x86, 0x46, 0xC6, 0x26, 0xA6, 0x66, 0xE6, 0x16, 0x96, 0x56, 0xD6, 0x36, 0xB6, 0x76, 0xF6, 
  0x0E, 0x8E, 0x4E, 0xCE, 0x2E, 0xAE, 0x6E, 0xEE, 0x1E, 0x9E, 0x5E, 0xDE, 0x3E, 0xBE, 0x7E, 0xFE,
  0x01, 0x81, 0x41, 0xC1, 0x21, 0xA1, 0x61, 0xE1, 0x11, 0x91, 0x51, 0xD1, 0x31, 0xB1, 0x71, 0xF1,
  0x09, 0x89, 0x49, 0xC9, 0x29, 0xA9, 0x69, 0xE9, 0x19, 0x99, 0x59, 0xD9, 0x39, 0xB9, 0x79, 0xF9, 
  0x05, 0x85, 0x45, 0xC5, 0x25, 0xA5, 0x65, 0xE5, 0x15, 0x95, 0x55, 0xD5, 0x35, 0xB5, 0x75, 0xF5,
  0x0D, 0x8D, 0x4D, 0xCD, 0x2D, 0xAD, 0x6D, 0xED, 0x1D, 0x9D, 0x5D, 0xDD, 0x3D, 0xBD, 0x7D, 0xFD,
  0x03, 0x83, 0x43, 0xC3, 0x23, 0xA3, 0x63, 0xE3, 0x13, 0x93, 0x53, 0xD3, 0x33, 0xB3, 0x73, 0xF3, 
  0x0B, 0x8B, 0x4B, 0xCB, 0x2B, 0xAB, 0x6B, 0xEB, 0x1B, 0x9B, 0x5B, 0xDB, 0x3B, 0xBB, 0x7B, 0xFB,
  0x07, 0x87, 0x47, 0xC7, 0x27, 0xA7, 0x67, 0xE7, 0x17, 0x97, 0x57, 0xD7, 0x37, 0xB7, 0x77, 0xF7, 
  0x0F, 0x8F, 0x4F, 0xCF, 0x2F, 0xAF, 0x6F, 0xEF, 0x1F, 0x9F, 0x5F, 0xDF, 0x3F, 0xBF, 0x7F, 0xFF
};

int main()
{
    unsigned int *ints = malloc(100000000*sizeof(unsigned int));
    unsigned int *ints2 = malloc(100000000*sizeof(unsigned int));
    for(unsigned int i = 0; i < 100000000; i++)
      ints[i] = rand();

    unsigned int *inptr = ints;
    unsigned int *outptr = ints2;
    unsigned int *endptr = ints + 100000000;
    // Starting the time measurement
    double start = omp_get_wtime();
    // Computations to be measured
    while(inptr != endptr)
    {
    unsigned int in = *inptr;  

    // Option 1:
    //*outptr = (BitReverseTable256[in & 0xff] << 24) | 
    //    (BitReverseTable256[(in >> 8) & 0xff] << 16) | 
    //    (BitReverseTable256[(in >> 16) & 0xff] << 8) |
    //    (BitReverseTable256[(in >> 24) & 0xff]);

    // Option 2:
    unsigned char * p = (unsigned char *) &(*inptr);
    unsigned char * q = (unsigned char *) &(*outptr);
    q[3] = BitReverseTable256[p[0]]; 
    q[2] = BitReverseTable256[p[1]]; 
    q[1] = BitReverseTable256[p[2]]; 
    q[0] = BitReverseTable256[p[3]];

      inptr++;
      outptr++;
    }
    // Measuring the elapsed time
    double end = omp_get_wtime();
    // Time calculation (in seconds)
    printf("Time: %f seconds\n", end-start);

    free(ints);
    free(ints2);

    return 0;
}

Wypróbowałem oba podejścia przy kilku różnych optymalizacjach, przeprowadziłem 3 próby na każdym poziomie, a każda próba odwróciła 100 milionów losowo unsigned ints. W przypadku opcji tabeli odnośników wypróbowałem oba schematy (opcje 1 i 2) podane na stronie hacków bitowych. Wyniki pokazano poniżej.

Bitowe AND

mrj10@mjlap:~/code$ gcc -fopenmp -std=c99 -o reverse reverse.c
mrj10@mjlap:~/code$ ./reverse
Time: 2.000593 seconds
mrj10@mjlap:~/code$ ./reverse
Time: 1.938893 seconds
mrj10@mjlap:~/code$ ./reverse
Time: 1.936365 seconds
mrj10@mjlap:~/code$ gcc -fopenmp -std=c99 -O2 -o reverse reverse.c
mrj10@mjlap:~/code$ ./reverse
Time: 0.942709 seconds
mrj10@mjlap:~/code$ ./reverse
Time: 0.991104 seconds
mrj10@mjlap:~/code$ ./reverse
Time: 0.947203 seconds
mrj10@mjlap:~/code$ gcc -fopenmp -std=c99 -O3 -o reverse reverse.c
mrj10@mjlap:~/code$ ./reverse
Time: 0.922639 seconds
mrj10@mjlap:~/code$ ./reverse
Time: 0.892372 seconds
mrj10@mjlap:~/code$ ./reverse
Time: 0.891688 seconds

Tabela przeglądowa (opcja 1)

mrj10@mjlap:~/code$ gcc -fopenmp -std=c99 -o reverse_lookup reverse_lookup.c
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 1.201127 seconds              
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 1.196129 seconds              
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 1.235972 seconds              
mrj10@mjlap:~/code$ gcc -fopenmp -std=c99 -O2 -o reverse_lookup reverse_lookup.c
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 0.633042 seconds              
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 0.655880 seconds              
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 0.633390 seconds              
mrj10@mjlap:~/code$ gcc -fopenmp -std=c99 -O3 -o reverse_lookup reverse_lookup.c
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 0.652322 seconds              
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 0.631739 seconds              
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 0.652431 seconds  

Tabela przeglądowa (opcja 2)

mrj10@mjlap:~/code$ gcc -fopenmp -std=c99 -o reverse_lookup reverse_lookup.c
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 1.671537 seconds
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 1.688173 seconds
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 1.664662 seconds
mrj10@mjlap:~/code$ gcc -fopenmp -std=c99 -O2 -o reverse_lookup reverse_lookup.c
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 1.049851 seconds
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 1.048403 seconds
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 1.085086 seconds
mrj10@mjlap:~/code$ gcc -fopenmp -std=c99 -O3 -o reverse_lookup reverse_lookup.c
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 1.082223 seconds
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 1.053431 seconds
mrj10@mjlap:~/code$ ./reverse_lookup
Time: 1.081224 seconds

Wniosek

Skorzystaj z tabeli odnośników z opcją 1 (adresowanie bajtów jest zaskakująco wolne), jeśli martwisz się wydajnością. Jeśli chcesz wycisnąć z systemu każdy ostatni bajt pamięci (a możesz, jeśli zależy Ci na wydajności odwracania bitów), zoptymalizowane wersje bitowego AND są też nieznośne.

Zastrzeżenie

Tak, wiem, że kod testu porównawczego to kompletny hack. Sugestie, jak to poprawić, są mile widziane. Co wiem o:

• Nie mam dostępu do ICC. Może to być szybsze (proszę odpowiedzieć w komentarzu, jeśli możesz to przetestować).
• Tabela przeglądowa 64K może się dobrze sprawdzać w niektórych nowoczesnych mikroarchitekturach z dużym L1D.
• -mtune = natywny nie działał dla -O2 / -O3 ( ldwysadził się z pewnym błędem redefinicji symboli), więc nie wierzę, że wygenerowany kod jest dostrojony dla mojej mikroarchitekty.
• Może być sposób, aby zrobić to nieco szybciej z SSE. Nie mam pojęcia jak, ale przy szybkiej replikacji, zapakowaniu bitowym ORAZ i szybkich instrukcjach, musi tam być coś.
• Wiem tylko tyle, że zestaw x86 jest niebezpieczny; oto kod wygenerowany przez GCC na -O3 dla opcji 1, więc ktoś bardziej kompetentny niż ja może to sprawdzić:

32-bitowy

.L3:
movl    (%r12,%rsi), %ecx
movzbl  %cl, %eax
movzbl  BitReverseTable256(%rax), %edx
movl    %ecx, %eax
shrl    $24, %eax
mov     %eax, %eax
movzbl  BitReverseTable256(%rax), %eax
sall    $24, %edx
orl     %eax, %edx
movzbl  %ch, %eax
shrl    $16, %ecx
movzbl  BitReverseTable256(%rax), %eax
movzbl  %cl, %ecx
sall    $16, %eax
orl     %eax, %edx
movzbl  BitReverseTable256(%rcx), %eax
sall    $8, %eax
orl     %eax, %edx
movl    %edx, (%r13,%rsi)
addq    $4, %rsi
cmpq    $400000000, %rsi
jne     .L3

EDYCJA: Próbowałem też używać uint64_ttypów na moim komputerze, aby sprawdzić, czy nastąpił wzrost wydajności. Wydajność była o około 10% szybsza niż 32-bitowa i była prawie identyczna, niezależnie od tego, czy używałeś typów 64-bitowych do odwrócenia bitów na dwóch inttypach 32-bitowych na raz, czy też faktycznie odwracałeś bity o połowę więcej niż 64- wartości bitowe. Kod asemblacji pokazano poniżej (w pierwszym przypadku odwrócenie bitów dla dwóch 32-bitowych inttypów jednocześnie):

.L3:
movq    (%r12,%rsi), %rdx
movq    %rdx, %rax
shrq    $24, %rax
andl    $255, %eax
movzbl  BitReverseTable256(%rax), %ecx
movzbq  %dl,%rax
movzbl  BitReverseTable256(%rax), %eax
salq    $24, %rax
orq     %rax, %rcx
movq    %rdx, %rax
shrq    $56, %rax
movzbl  BitReverseTable256(%rax), %eax
salq    $32, %rax
orq     %rax, %rcx
movzbl  %dh, %eax
shrq    $16, %rdx
movzbl  BitReverseTable256(%rax), %eax
salq    $16, %rax
orq     %rax, %rcx
movzbq  %dl,%rax
shrq    $16, %rdx
movzbl  BitReverseTable256(%rax), %eax
salq    $8, %rax
orq     %rax, %rcx
movzbq  %dl,%rax
shrq    $8, %rdx
movzbl  BitReverseTable256(%rax), %eax
salq    $56, %rax
orq     %rax, %rcx
movzbq  %dl,%rax
shrq    $8, %rdx
movzbl  BitReverseTable256(%rax), %eax
andl    $255, %edx
salq    $48, %rax
orq     %rax, %rcx
movzbl  BitReverseTable256(%rdx), %eax
salq    $40, %rax
orq     %rax, %rcx
movq    %rcx, (%r13,%rsi)
addq    $8, %rsi
cmpq    $400000000, %rsi
jne     .L3

Ten wątek przykuł moją uwagę, ponieważ dotyczy prostego problemu, który wymaga dużo pracy (cykli procesora), nawet w przypadku nowoczesnego procesora. I pewnego dnia stałem tam również z tym samym problemem ¤ #% "#". Musiałem przerzucić miliony bajtów. Wiem jednak, że wszystkie moje systemy docelowe są oparte na procesorach Intela, więc zacznijmy optymalizować do maksimum !!!

Więc użyłem kodu odnośnika Matta J jako podstawy. System, na którym przeprowadzam testy to i7 haswell 4700eq.

Wyszukiwanie bitów przez Matta J 400 000 000 bajtów: około 0,272 sekundy.

Potem poszedłem naprzód i spróbowałem sprawdzić, czy kompilator ISPC Intela może wektoryzować arytmetykę na odwrocie. C.

Nie będę cię tu nudził swoimi odkryciami, ponieważ dużo próbowałem, aby pomóc kompilatorowi znaleźć rzeczy, w każdym razie osiągnąłem wydajność około 0,15 sekundy do 400 000 000 bajtów bitflipa. To świetna redukcja, ale dla mojej aplikacji jest to wciąż zdecydowanie zbyt powolne ...

Więc ludzie pozwalają mi zaprezentować najszybszy bitflipper oparty na Intelu na świecie. O godzinie:

Czas do bitflipa 400000000 bajtów: 0,050082 sekund !!!!!

// Bitflip using AVX2 - The fastest Intel based bitflip in the world!!
// Made by Anders Cedronius 2014 (anders.cedronius (you know what) gmail.com)

#include <stdio.h>
#include <stdlib.h>
#include <math.h>
#include <omp.h>

using namespace std;

#define DISPLAY_HEIGHT  4
#define DISPLAY_WIDTH   32
#define NUM_DATA_BYTES  400000000

// Constants (first we got the mask, then the high order nibble look up table and last we got the low order nibble lookup table)
__attribute__ ((aligned(32))) static unsigned char k1[32*3]={
        0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,0x0f,
        0x00,0x08,0x04,0x0c,0x02,0x0a,0x06,0x0e,0x01,0x09,0x05,0x0d,0x03,0x0b,0x07,0x0f,0x00,0x08,0x04,0x0c,0x02,0x0a,0x06,0x0e,0x01,0x09,0x05,0x0d,0x03,0x0b,0x07,0x0f,
        0x00,0x80,0x40,0xc0,0x20,0xa0,0x60,0xe0,0x10,0x90,0x50,0xd0,0x30,0xb0,0x70,0xf0,0x00,0x80,0x40,0xc0,0x20,0xa0,0x60,0xe0,0x10,0x90,0x50,0xd0,0x30,0xb0,0x70,0xf0
};

// The data to be bitflipped (+32 to avoid the quantization out of memory problem)
__attribute__ ((aligned(32))) static unsigned char data[NUM_DATA_BYTES+32]={};

extern "C" {
void bitflipbyte(unsigned char[],unsigned int,unsigned char[]);
}

int main()
{

    for(unsigned int i = 0; i < NUM_DATA_BYTES; i++)
    {
        data[i] = rand();
    }

    printf ("\r\nData in(start):\r\n");
    for (unsigned int j = 0; j < 4; j++)
    {
        for (unsigned int i = 0; i < DISPLAY_WIDTH; i++)
        {
            printf ("0x%02x,",data[i+(j*DISPLAY_WIDTH)]);
        }
        printf ("\r\n");
    }

    printf ("\r\nNumber of 32-byte chunks to convert: %d\r\n",(unsigned int)ceil(NUM_DATA_BYTES/32.0));

    double start_time = omp_get_wtime();
    bitflipbyte(data,(unsigned int)ceil(NUM_DATA_BYTES/32.0),k1);
    double end_time = omp_get_wtime();

    printf ("\r\nData out:\r\n");
    for (unsigned int j = 0; j < 4; j++)
    {
        for (unsigned int i = 0; i < DISPLAY_WIDTH; i++)
        {
            printf ("0x%02x,",data[i+(j*DISPLAY_WIDTH)]);
        }
        printf ("\r\n");
    }
    printf("\r\n\r\nTime to bitflip %d bytes: %f seconds\r\n\r\n",NUM_DATA_BYTES, end_time-start_time);

    // return with no errors
    return 0;
}

Printf służą do debugowania ...

Oto koń roboczy:

bits 64
global bitflipbyte

bitflipbyte:    
        vmovdqa     ymm2, [rdx]
        add         rdx, 20h
        vmovdqa     ymm3, [rdx]
        add         rdx, 20h
        vmovdqa     ymm4, [rdx]
bitflipp_loop:
        vmovdqa     ymm0, [rdi] 
        vpand       ymm1, ymm2, ymm0 
        vpandn      ymm0, ymm2, ymm0 
        vpsrld      ymm0, ymm0, 4h 
        vpshufb     ymm1, ymm4, ymm1 
        vpshufb     ymm0, ymm3, ymm0         
        vpor        ymm0, ymm0, ymm1
        vmovdqa     [rdi], ymm0
        add     rdi, 20h
        dec     rsi
        jnz     bitflipp_loop
        ret

Kod zajmuje 32 bajty, a następnie maskuje skubki. Wysoki skrawek zostaje przesunięty w prawo o 4. Następnie używam vpshufb i ymm4 / ymm3 jako tabel odnośników. Mógłbym użyć pojedynczej tabeli wyszukiwania, ale musiałbym przesunąć w lewo, zanim OR ponownie skubię razem.

Są jeszcze szybsze sposoby odwracania bitów. Ale jestem związany z jednym wątkiem i procesorem, więc był to najszybszy jaki mogłem osiągnąć. Czy możesz zrobić szybszą wersję?

Proszę nie komentować używania komend Intraninsic Equivalent kompilatora Intel C / C ++ ...

To kolejne rozwiązanie dla osób kochających rekurencję.

Pomysł jest prosty. Podziel wejście na pół i zamień dwie połówki, kontynuuj, aż osiągnie pojedynczy bit.

Illustrated in the example below.

Ex : If Input is 00101010   ==> Expected output is 01010100

1. Divide the input into 2 halves 
    0010 --- 1010

2. Swap the 2 Halves
    1010     0010

3. Repeat the same for each half.
    10 -- 10 ---  00 -- 10
    10    10      10    00

    1-0 -- 1-0 --- 1-0 -- 0-0
    0 1    0 1     0 1    0 0

Done! Output is 01010100

Oto funkcja rekurencyjna, aby ją rozwiązać. (Uwaga: Użyłem niepodpisanych liczb całkowitych, więc może pracować dla danych wejściowych o rozmiarze do sizeof (niepodpisanych liczb wewnętrznych) * 8 bitów.

Funkcja rekurencyjna przyjmuje 2 parametry - wartość, której bity należy odwrócić, oraz liczbę bitów w wartości.

int reverse_bits_recursive(unsigned int num, unsigned int numBits)
{
    unsigned int reversedNum;;
    unsigned int mask = 0;

    mask = (0x1 << (numBits/2)) - 1;

    if (numBits == 1) return num;
    reversedNum = reverse_bits_recursive(num >> numBits/2, numBits/2) |
                   reverse_bits_recursive((num & mask), numBits/2) << numBits/2;
    return reversedNum;
}

int main()
{
    unsigned int reversedNum;
    unsigned int num;

    num = 0x55;
    reversedNum = reverse_bits_recursive(num, 8);
    printf ("Bit Reversal Input = 0x%x Output = 0x%x\n", num, reversedNum);

    num = 0xabcd;
    reversedNum = reverse_bits_recursive(num, 16);
    printf ("Bit Reversal Input = 0x%x Output = 0x%x\n", num, reversedNum);

    num = 0x123456;
    reversedNum = reverse_bits_recursive(num, 24);
    printf ("Bit Reversal Input = 0x%x Output = 0x%x\n", num, reversedNum);

    num = 0x11223344;
    reversedNum = reverse_bits_recursive(num,32);
    printf ("Bit Reversal Input = 0x%x Output = 0x%x\n", num, reversedNum);
}

To jest wynik:

Bit Reversal Input = 0x55 Output = 0xaa
Bit Reversal Input = 0xabcd Output = 0xb3d5
Bit Reversal Input = 0x123456 Output = 0x651690
Bit Reversal Input = 0x11223344 Output = 0x22cc4488

Cóż, z pewnością nie będzie to odpowiedź taka jak Matt J, ale mam nadzieję, że nadal będzie przydatna.

size_t reverse(size_t n, unsigned int bytes)
{
    __asm__("BSWAP %0" : "=r"(n) : "0"(n));
    n >>= ((sizeof(size_t) - bytes) * 8);
    n = ((n & 0xaaaaaaaaaaaaaaaa) >> 1) | ((n & 0x5555555555555555) << 1);
    n = ((n & 0xcccccccccccccccc) >> 2) | ((n & 0x3333333333333333) << 2);
    n = ((n & 0xf0f0f0f0f0f0f0f0) >> 4) | ((n & 0x0f0f0f0f0f0f0f0f) << 4);
    return n;
}

Jest to dokładnie ten sam pomysł, co najlepszy algorytm Matta, z tą różnicą, że istnieje ta niewielka instrukcja o nazwie BSWAP, która zamienia bajty (a nie bity) liczby 64-bitowej. Zatem b7, b6, b5, b4, b3, b2, b1, b0 stają się b0, b1, b2, b3, b4, b5, b6, b7. Ponieważ pracujemy z liczbą 32-bitową, musimy przesunąć liczbę zamienionych bajtów w dół o 32 bity. To po prostu pozostawia nam zadanie zamiany 8 bitów każdego bajtu, co jest zrobione i voila! skończyliśmy.

Czas: na moim komputerze algorytm Matta działał w ciągu ~ 0,52 sekundy na próbę. Mój przebiegał przez około 0,42 sekundy na próbę. Myślę, że 20% szybszy nie jest zły.

Jeśli martwisz się o dostępność instrukcji, BSWAP Wikipedia wymienia instrukcję BSWAP jako dodaną z 80846, która pojawiła się w 1989 roku. Należy zauważyć, że Wikipedia stwierdza również, że instrukcja ta działa tylko na rejestrach 32-bitowych, co oczywiście nie jest sprawa na moim komputerze, to bardzo działa tylko na rejestrach 64-bitowych.

Ta metoda będzie działać równie dobrze dla dowolnego integralnego typu danych, dzięki czemu można ją uogólnić, przekazując żądaną liczbę bajtów:

    size_t reverse(size_t n, unsigned int bytes)
    {
        __asm__("BSWAP %0" : "=r"(n) : "0"(n));
        n >>= ((sizeof(size_t) - bytes) * 8);
        n = ((n & 0xaaaaaaaaaaaaaaaa) >> 1) | ((n & 0x5555555555555555) << 1);
        n = ((n & 0xcccccccccccccccc) >> 2) | ((n & 0x3333333333333333) << 2);
        n = ((n & 0xf0f0f0f0f0f0f0f0) >> 4) | ((n & 0x0f0f0f0f0f0f0f0f) << 4);
        return n;
    }

które można następnie nazwać:

    n = reverse(n, sizeof(char));//only reverse 8 bits
    n = reverse(n, sizeof(short));//reverse 16 bits
    n = reverse(n, sizeof(int));//reverse 32 bits
    n = reverse(n, sizeof(size_t));//reverse 64 bits

Kompilator powinien być w stanie zoptymalizować dodatkowy parametr (zakładając, że kompilator wstawia funkcję), a w takim sizeof(size_t)przypadku przesunięcie w prawo zostanie całkowicie usunięte. Pamiętaj, że GCC przynajmniej nie jest w stanie usunąć BSWAP i przesunąć w prawo, jeśli zostanie przekazany sizeof(char).

Odpowiedź Andersa Cedroniusa stanowi świetne rozwiązanie dla osób, które mają procesor x86 z obsługą AVX2. W przypadku platform x86 bez obsługi AVX lub platform innych niż x86 każda z poniższych implementacji powinna działać dobrze.

Pierwszy kod jest wariantem klasycznej metody partycjonowania binarnego, zakodowanej w celu maksymalnego wykorzystania idiomu shift-plus-logicznego przydatnego w różnych procesorach ARM. Ponadto wykorzystuje generowanie maski w locie, co może być korzystne dla procesorów RISC, które w innym przypadku wymagają wielu instrukcji, aby załadować każdą wartość maski 32-bitowej. Kompilatory dla platform x86 powinny używać stałej propagacji do obliczania wszystkich masek w czasie kompilacji, a nie w czasie wykonywania.

/* Classic binary partitioning algorithm */
inline uint32_t brev_classic (uint32_t a)
{
    uint32_t m;
    a = (a >> 16) | (a << 16);                            // swap halfwords
    m = 0x00ff00ff; a = ((a >> 8) & m) | ((a << 8) & ~m); // swap bytes
    m = m^(m << 4); a = ((a >> 4) & m) | ((a << 4) & ~m); // swap nibbles
    m = m^(m << 2); a = ((a >> 2) & m) | ((a << 2) & ~m);
    m = m^(m << 1); a = ((a >> 1) & m) | ((a << 1) & ~m);
    return a;
}

W tomie 4A „The Art of Computer Programming” D. Knuth pokazuje sprytne sposoby odwracania bitów, które nieco zaskakująco wymagają mniej operacji niż klasyczne algorytmy partycjonowania binarnego. Jeden z takich algorytmów dla 32-bitowych operandów, których nie mogę znaleźć w TAOCP, pokazano w tym dokumencie na stronie internetowej Hacker's Delight.

/* Knuth's algorithm from http://www.hackersdelight.org/revisions.pdf. Retrieved 8/19/2015 */
inline uint32_t brev_knuth (uint32_t a)
{
    uint32_t t;
    a = (a << 15) | (a >> 17);
    t = (a ^ (a >> 10)) & 0x003f801f; 
    a = (t + (t << 10)) ^ a;
    t = (a ^ (a >>  4)) & 0x0e038421; 
    a = (t + (t <<  4)) ^ a;
    t = (a ^ (a >>  2)) & 0x22488842; 
    a = (t + (t <<  2)) ^ a;
    return a;
}

Korzystając z kompilatora C / C ++ kompilatora Intel 13.1.3.198, obie powyższe funkcje automatycznie wektoryzują ładnie ukierunkowane XMMrejestry. Można je również wektoryzować ręcznie bez większego wysiłku.

W moim IvyBridge Xeon E3 1270v2, przy użyciu kodu wektoryzowanego, 100 milionów uint32_tsłów zostało odwróconych bitów w 0,070 sekundy przy użyciu brev_classic()i 0,068 sekund przy użyciu brev_knuth(). Zadbałem o to, aby mój test nie był ograniczony przepustowością pamięci systemowej.

Zakładając, że masz tablicę bitów, co powiesz na to: 1. Zaczynając od MSB, wepchnij bity do stosu jeden po drugim. 2. Przebij bity z tego stosu do innej tablicy (lub tej samej tablicy, jeśli chcesz zaoszczędzić miejsce), umieszczając pierwszy wyskakujący bit w MSB i przechodząc od tego do mniej znaczących bitów.

Stack stack = new Stack();
Bit[] bits = new Bit[] { 0, 0, 1, 0, 0, 0, 0, 0 };

for (int i = 0; i < bits.Length; i++) 
{
    stack.push(bits[i]);
}

for (int i = 0; i < bits.Length; i++)
{
    bits[i] = stack.pop();
}

Natywna instrukcja ARM „rbit” może to zrobić z 1 cyklem procesora i 1 dodatkowym rejestrem procesora, niemożliwym do pobicia.

To nie jest praca dla człowieka! ... ale idealny do maszyny

Jest to rok 2015, 6 lat od pierwszego pytania. Od tego czasu kompilatorzy stali się naszymi mistrzami, a nasza praca jako ludzi polega wyłącznie na ich pomocy. Więc jaki jest najlepszy sposób, aby przekazać nasze zamiary maszynie?

Odwracanie bitów jest tak powszechne, że trzeba się zastanawiać, dlaczego wciąż rosnący ISA x86 nie zawiera instrukcji, aby to zrobić za jednym razem.

Powód: jeśli podasz kompilatorowi swoje prawdziwe zwięzłe zamiary, odwrócenie bitów powinno zająć tylko ~ 20 cykli procesora . Pozwól, że pokażę ci, jak wykonać reverse () i jak go używać:

#include <inttypes.h>
#include <stdio.h>

uint64_t reverse(const uint64_t n,
                 const uint64_t k)
{
        uint64_t r, i;
        for (r = 0, i = 0; i < k; ++i)
                r |= ((n >> i) & 1) << (k - i - 1);
        return r;
}

int main()
{
        const uint64_t size = 64;
        uint64_t sum = 0;
        uint64_t a;
        for (a = 0; a < (uint64_t)1 << 30; ++a)
                sum += reverse(a, size);
        printf("%" PRIu64 "\n", sum);
        return 0;
}

Kompilowanie tego przykładowego programu z wersją Clanga> = 3.6, -O3, -march = native (testowane z Haswell), daje kod jakości grafiki przy użyciu nowych instrukcji AVX2, z czasem działania wynoszącym 11 sekund przetwarzającym ~ 1 miliard wstecz. To ~ 10 ns na odwrót (), przy cyklu CPU .5 ns przy założeniu, że 2 GHz stawia nas na słodkich 20 cyklach procesora.

• Możesz zmieścić 10 zwrotów (s) w czasie potrzebnym na jednorazowy dostęp do pamięci RAM dla jednej dużej tablicy!
• Możesz zmieścić 1 bieg wsteczny () w czasie potrzebnym do dwukrotnego uzyskania dostępu do LUT pamięci podręcznej L2.

Uwaga: ten przykładowy kod powinien trwać przez kilka lat jako przyzwoity punkt odniesienia, ale w końcu zacznie pokazywać swój wiek, gdy kompilatory będą wystarczająco inteligentne, aby zoptymalizować main (), aby po prostu wydrukować końcowy wynik zamiast naprawdę obliczać cokolwiek. Ale na razie działa w pokazie reverse ().

Oczywiście oczywiste źródło hakerskich bitów jest tutaj: http://graphics.stanford.edu/~seander/bithacks.html#BitReverseObvious

Wiem, że to nie C, ale asm:

var1 dw 0f0f0
clc
     push ax
     push cx
     mov cx 16
loop1:
     shl var1
     shr ax
loop loop1
     pop ax
     pop cx

Działa to z bitem przenoszenia, więc możesz także zapisywać flagi

Implementacja z małą pamięcią i najszybsza.

private Byte  BitReverse(Byte bData)
    {
        Byte[] lookup = { 0, 8,  4, 12, 
                          2, 10, 6, 14 , 
                          1, 9,  5, 13,
                          3, 11, 7, 15 };
        Byte ret_val = (Byte)(((lookup[(bData & 0x0F)]) << 4) + lookup[((bData & 0xF0) >> 4)]);
        return ret_val;
    }

Cóż, jest to w zasadzie to samo co pierwsze „reverse ()”, ale jest 64-bitowe i wymaga tylko jednej natychmiastowej maski, aby załadować go ze strumienia instrukcji. GCC tworzy kod bez skoków, więc powinno to być dość szybkie.

#include <stdio.h>

static unsigned long long swap64(unsigned long long val)
{
#define ZZZZ(x,s,m) (((x) >>(s)) & (m)) | (((x) & (m))<<(s));
/* val = (((val) >>16) & 0xFFFF0000FFFF) | (((val) & 0xFFFF0000FFFF)<<16); */

val = ZZZZ(val,32,  0x00000000FFFFFFFFull );
val = ZZZZ(val,16,  0x0000FFFF0000FFFFull );
val = ZZZZ(val,8,   0x00FF00FF00FF00FFull );
val = ZZZZ(val,4,   0x0F0F0F0F0F0F0F0Full );
val = ZZZZ(val,2,   0x3333333333333333ull );
val = ZZZZ(val,1,   0x5555555555555555ull );

return val;
#undef ZZZZ
}

int main(void)
{
unsigned long long val, aaaa[16] =
 { 0xfedcba9876543210,0xedcba9876543210f,0xdcba9876543210fe,0xcba9876543210fed
 , 0xba9876543210fedc,0xa9876543210fedcb,0x9876543210fedcba,0x876543210fedcba9
 , 0x76543210fedcba98,0x6543210fedcba987,0x543210fedcba9876,0x43210fedcba98765
 , 0x3210fedcba987654,0x210fedcba9876543,0x10fedcba98765432,0x0fedcba987654321
 };
unsigned iii;

for (iii=0; iii < 16; iii++) {
    val = swap64 (aaaa[iii]);
    printf("A[]=%016llX Sw=%016llx\n", aaaa[iii], val);
    }
return 0;
}

Byłem ciekawy, jak szybki byłby oczywisty surowy obrót. Na moim komputerze (i7 @ 2600) średnia dla 1 500 150 000 iteracji wyniosła 27.28 ns(ponad losowy zestaw 131 071 64-bitowych liczb całkowitych).

Zalety: ilość potrzebnej pamięci jest niewielka, a kod prosty. Powiedziałbym też, że nie jest tak duży. Wymagany czas jest przewidywalny i stały dla każdego wejścia (128 arytmetycznych operacji SHIFT + 64 operacji logicznych AND + 64 operacji logicznych OR).

Porównałem najlepszy czas uzyskany przez @Matt J - który ma zaakceptowaną odpowiedź. Jeśli poprawnie odczytam jego odpowiedź, najlepsze, co ma, to 0.631739sekundy na 1,000,000iteracje, co prowadzi do średniej 631 nsna obrót.

Fragment kodu, którego użyłem, to ten poniżej:

unsigned long long reverse_long(unsigned long long x)
{
    return (((x >> 0) & 1) << 63) |
           (((x >> 1) & 1) << 62) |
           (((x >> 2) & 1) << 61) |
           (((x >> 3) & 1) << 60) |
           (((x >> 4) & 1) << 59) |
           (((x >> 5) & 1) << 58) |
           (((x >> 6) & 1) << 57) |
           (((x >> 7) & 1) << 56) |
           (((x >> 8) & 1) << 55) |
           (((x >> 9) & 1) << 54) |
           (((x >> 10) & 1) << 53) |
           (((x >> 11) & 1) << 52) |
           (((x >> 12) & 1) << 51) |
           (((x >> 13) & 1) << 50) |
           (((x >> 14) & 1) << 49) |
           (((x >> 15) & 1) << 48) |
           (((x >> 16) & 1) << 47) |
           (((x >> 17) & 1) << 46) |
           (((x >> 18) & 1) << 45) |
           (((x >> 19) & 1) << 44) |
           (((x >> 20) & 1) << 43) |
           (((x >> 21) & 1) << 42) |
           (((x >> 22) & 1) << 41) |
           (((x >> 23) & 1) << 40) |
           (((x >> 24) & 1) << 39) |
           (((x >> 25) & 1) << 38) |
           (((x >> 26) & 1) << 37) |
           (((x >> 27) & 1) << 36) |
           (((x >> 28) & 1) << 35) |
           (((x >> 29) & 1) << 34) |
           (((x >> 30) & 1) << 33) |
           (((x >> 31) & 1) << 32) |
           (((x >> 32) & 1) << 31) |
           (((x >> 33) & 1) << 30) |
           (((x >> 34) & 1) << 29) |
           (((x >> 35) & 1) << 28) |
           (((x >> 36) & 1) << 27) |
           (((x >> 37) & 1) << 26) |
           (((x >> 38) & 1) << 25) |
           (((x >> 39) & 1) << 24) |
           (((x >> 40) & 1) << 23) |
           (((x >> 41) & 1) << 22) |
           (((x >> 42) & 1) << 21) |
           (((x >> 43) & 1) << 20) |
           (((x >> 44) & 1) << 19) |
           (((x >> 45) & 1) << 18) |
           (((x >> 46) & 1) << 17) |
           (((x >> 47) & 1) << 16) |
           (((x >> 48) & 1) << 15) |
           (((x >> 49) & 1) << 14) |
           (((x >> 50) & 1) << 13) |
           (((x >> 51) & 1) << 12) |
           (((x >> 52) & 1) << 11) |
           (((x >> 53) & 1) << 10) |
           (((x >> 54) & 1) << 9) |
           (((x >> 55) & 1) << 8) |
           (((x >> 56) & 1) << 7) |
           (((x >> 57) & 1) << 6) |
           (((x >> 58) & 1) << 5) |
           (((x >> 59) & 1) << 4) |
           (((x >> 60) & 1) << 3) |
           (((x >> 61) & 1) << 2) |
           (((x >> 62) & 1) << 1) |
           (((x >> 63) & 1) << 0);
}