📚 课程目录第3章向量加载存储指令

3. 向量加载存储指令：vle.v、vse.v、单元/策略加载、分段加载、整型与浮点加载

向量加载存储指令，说白了就是向量处理器和内存之间的数据搬运工。我刚开始接触 RISC-V 向量扩展时，觉得这玩意儿不就是把标量 load/store 改成向量版嘛，能有多复杂？结果第一次写向量化 memcpy 就踩了坑——数据对齐没处理好，性能直接腰斩。嗯，咱们今天就把这块彻底捋清楚。

3.1 基础加载存储：vle.v 与 vse.v

先看最常用的两条指令：vle.v（向量加载）和 vse.v（向量存储）。它们的格式非常规整：

# 向量加载：vle.v vd, (rs1), vm
vle.v v8, (a0)        # 从 a0 指向的内存加载数据到 v8

# 向量存储：vse.v vs3, (rs1), vm  
vse.v v8, (a1)        # 将 v8 的数据存储到 a1 指向的内存

这里有个关键点——向量长度由 vsetvli 指令预先配置的 vl（向量长度）和 vtype（向量类型）决定。我习惯在每次向量操作前都显式设置 vsetvli，虽然会多一条指令，但能避免很多隐晦的 bug。

参数	含义	我的建议
`vd`	目标向量寄存器	尽量用偶数编号，方便调试
`rs1`	基地址寄存器	确保对齐到元素大小
`vm`	向量掩码控制	默认 unmasked，需要时才用掩码

小技巧：如果你处理的数据量不是 VLEN 的整数倍，vle.v 会自动处理尾部元素——它只加载 vl 指定的元素数，不会越界。我曾经在图像处理流水线里利用这个特性，省掉了手动边界检查的代码。

3.2 单元加载与策略加载

RISC-V 向量扩展提供了两种加载模式：单元加载（Unit-Stride）和策略加载（Strided）。

单元加载就是连续内存访问，每次加载相邻的元素。这是最高效的模式，硬件可以一次 burst 读取整 cache line。

# 单元加载：连续读取 8 个 32 位整数
vsetvli t0, a2, e32, m1   # 设置 VLEN/32 个元素
vle.v v8, (a0)            # 连续加载

策略加载用于访问固定间隔的数据，比如矩阵的某一列。指令格式多了个偏移量参数：

# 策略加载：每隔 16 字节读一个元素
vsetvli t0, a2, e32, m1
vlse.v v8, (a0), a1       # a1 = 16，步长

我个人经验：策略加载的性能通常只有单元加载的 1/3 到 1/2。为什么？因为每次访问都要重新计算地址，硬件没法做预取。如果你在做矩阵转置，我建议先做单元加载，再用洗牌指令重排数据，比直接用策略加载快得多。

注意：策略加载的步长可以是负数！这在某些算法（如反向遍历）中很有用，但一定要确保地址不越界。我曾经在 DSP 算法里用负步长做反向 FFT，结果地址算错了，debug 了一整天。

3.3 分段加载：处理非连续数据

分段加载（Segment Load）是 RISC-V 向量扩展的一大亮点。它允许你一次加载多个独立的内存段到不同的向量寄存器。指令格式是 vlseg<n>e.v，其中 <n> 是段数。

# 加载 2 个段：vlseg2e.v vd, (rs1)
vsetvli t0, a2, e32, m1
vlseg2e.v v8, (a0)   # v8 = 段0, v9 = 段1

# 加载 4 个段：vlseg4e.v
vlseg4e.v v8, (a0)   # v8, v9, v10, v11 分别对应 4 个段

分段加载最典型的应用场景是处理结构体数组。比如一个包含 x, y, z 坐标的 3D 点云：

struct point { float x, y, z; };
struct point points[1024];

// 用分段加载一次性分离 x, y, z
vsetvli t0, a2, e32, m1
vlseg3e.v v8, (a0)   // v8=x坐标, v9=y坐标, v10=z坐标

这样做的好处是什么？你可以对每个坐标分量做向量化运算，比如同时缩放所有 x 坐标，然后分段存储回去。我在做点云配准算法时，用这个技巧把性能提升了 4 倍。

段数	指令	典型用途
2	`vlseg2e.v`	复数 (实部/虚部)、2D 坐标
3	`vlseg3e.v`	RGB 像素、3D 坐标
4	`vlseg4e.v`	RGBA 像素、四元数
8	`vlseg8e.v`	矩阵行、8 通道数据

  核心要点：分段加载的段数不能超过 8，这是 RISC-V 规范的限制。如果你需要处理更多段，可以考虑分两次加载或手动重排数据。

3.4 整型与浮点加载的区别

RISC-V 向量扩展对整型和浮点数据的加载指令做了区分。整型用 vle.v，浮点用 vle.v 加上浮点寄存器前缀 v——等等，这里容易混淆。实际上，加载指令本身不区分数据类型，区分的是目标寄存器：

整型加载：目标寄存器是 v0-v31，数据按位复制到寄存器
浮点加载：目标寄存器同样是 v0-v31，但后续运算指令会按浮点格式解释

说白了，加载指令只是搬运比特，类型语义由后续的运算指令决定。但有一个例外——浮点掩码加载：

# 浮点掩码加载：只加载满足条件的元素
vsetvli t0, a2, e32, m1
vle.v v8, (a0), v0.t   # v0 是掩码寄存器，只有 v0[i]=1 时才加载

我建议你在代码里显式注释数据类型，方便维护：

// 整型加载
vle.v v8, (a0)          # 加载 int32 数据到 v8

// 浮点加载（注释说明）
vle.v v16, (a1)         # 加载 float32 数据到 v16

3.5 知识体系总览

下面这张图总结了向量加载存储指令的核心分类和关系：

3.6 实战避坑指南

最后分享几个我踩过的坑：

地址对齐问题：向量加载要求地址对齐到元素大小。如果你用 vle.v 加载 32 位整数，地址必须是 4 字节对齐。不对齐会触发异常。我建议在分配缓冲区时用 aligned_alloc 或 posix_memalign。
VLEN 变化：不同微架构的 VLEN 可能不同（128/256/512 位）。写可移植代码时，永远不要硬编码向量长度，用 vsetvli 动态查询。
分段加载的寄存器压力：vlseg4e.v 一次占用 4 个向量寄存器，加上后续运算可能很快用完 32 个寄存器。我通常把分段加载和运算交错进行，而不是一次性加载所有数据。
浮点 vs 整型的性能差异：在大多数实现中，浮点加载和整型加载的延迟相同。但如果你用浮点加载指令加载整型数据（反之亦然），虽然能工作，但可能会让后续的运算指令多一次类型转换，得不偿失。

曾经踩过的坑：我在一个音频处理项目里，用 vlseg2e.v 加载立体声数据（左右声道），结果忘了检查 vl 的值。当音频帧长度不是 VLEN 的整数倍时，最后一个分段加载只加载了部分数据，导致右声道出现噪声。从那以后，我每次都用 vsetvli 的返回值来调整循环边界。

嗯，向量加载存储指令就讲到这里。记住一个原则：数据搬运的效率决定了向量化加速的上限。选对加载模式、处理好边界条件，你的向量化代码就能跑出接近理论峰值的性能。