📚 课程目录第1章向量加法内核

1. 向量加法内核

任务目标

在RISC-V向量扩展（RVV）环境下实现向量加法内核，将两个长度为N的浮点数组逐元素相加，并与等价的标量实现进行性能对比。通过本案例掌握RVV intrinsics的基本使用方法，并建立可复现的性能测量流程。

环境与依赖

支持RVV的编译器：GCC 12+（-march=rv64gcv）或Clang 15+
模拟器/开发板：QEMU 7.0+（qemu-riscv64）或含RVV的实机（如SiFive U74）
头文件：<riscv_vector.h>（编译器自带）

核心实现

// vec_add.c
#include <riscv_vector.h>
#include <stdio.h>
#include <stdlib.h>
#include <time.h>

#define N 4096
#define ITER 1000

// 标量版本
void add_scalar(const float *a, const float *b, float *c, int n) {
    for (int i = 0; i < n; i++)
        c[i] = a[i] + b[i];
}

// RVV向量版本（使用intrinsic）
void add_vector(const float *a, const float *b, float *c, int n) {
    size_t vl;
    for (size_t i = 0; i < n; i += vl) {
        vl = vsetvl_e32m8(n - i);  // 每次处理尽可能多的元素
        vfloat32m8_t va = vle32_v_f32m8(a + i, vl);
        vfloat32m8_t vb = vle32_v_f32m8(b + i, vl);
        vfloat32m8_t vc = vfadd_vv_f32m8(va, vb, vl);
        vse32_v_f32m8(c + i, vc, vl);
    }
}

// 性能测试辅助
double time_ms(void (*func)(const float*, const float*, float*, int),
               const float *a, const float *b, float *c) {
    struct timespec t0, t1;
    clock_gettime(CLOCK_MONOTONIC, &t0);
    for (int i = 0; i < ITER; i++)
        func(a, b, c, N);
    clock_gettime(CLOCK_MONOTONIC, &t1);
    return (t1.tv_sec - t0.tv_sec) * 1000.0 +
           (t1.tv_nsec - t0.tv_nsec) / 1e6;
}

int main() {
    float *a = aligned_alloc(64, N * sizeof(float));
    float *b = aligned_alloc(64, N * sizeof(float));
    float *c = aligned_alloc(64, N * sizeof(float));
    float *c_ref = aligned_alloc(64, N * sizeof(float));

    for (int i = 0; i < N; i++) {
        a[i] = i * 0.5f;
        b[i] = i * 0.25f;
    }

    // 正确性验证
    add_vector(a, b, c, N);
    add_scalar(a, b, c_ref, N);
    int ok = 1;
    for (int i = 0; i < N; i++) {
        if (c[i] != c_ref[i]) { ok = 0; break; }
    }
    printf("Correctness: %s\n", ok ? "PASS" : "FAIL");

    // 性能对比
    double t_scalar = time_ms(add_scalar, a, b, c);
    double t_vector = time_ms(add_vector, a, b, c);
    printf("Scalar: %.3f ms\n", t_scalar);
    printf("Vector: %.3f ms\n", t_vector);
    printf("Speedup: %.2fx\n", t_scalar / t_vector);

    free(a); free(b); free(c); free(c_ref);
    return 0;
}

编译与运行

# 使用QEMU模拟（需先安装qemu-riscv64）
riscv64-linux-gnu-gcc -O3 -march=rv64gcv -mabi=lp64d -static \
    vec_add.c -o vec_add -lm
qemu-riscv64 ./vec_add

# 若在RVV实机上运行，直接编译执行：
# gcc -O3 -march=rv64gcv -mabi=lp64d vec_add.c -o vec_add -lm
# ./vec_add

验证方法与判定标准

正确性：程序输出 Correctness: PASS，表示向量与标量结果完全一致（浮点加法满足结合律，此处N较小且数值简单，可精确比对）。
性能对比：观察 Speedup 值。在QEMU中由于模拟开销，加速比可能接近1或小于1，这属于正常现象；在真实RVV硬件上，预期加速比大于1（通常2~8倍，取决于硬件VLEN和编译器优化质量）。
判定通过：正确性PASS且程序能完整跑完即为功能通过；性能数据仅作记录，不设硬性阈值。

关键说明

vsetvl_e32m8 请求使用m8（8个向量寄存器组）配置，每次循环处理尽可能多的元素；vl 为实际处理的元素数，自动处理尾部不足一个寄存器的元素。
使用 aligned_alloc(64, ...) 确保数据对齐，避免跨页边界导致的性能损失。
若编译器不支持 -march=rv64gcv，可尝试 -march=rv64gcv_zvl128b 指定最小向量长度。
本案例仅演示向量加法内核本身，不涉及内存带宽优化（如数据预取）或多核并行，这些属于后续案例内容。