fib6: improve AVX512 lookup performance
authorVladimir Medvedkin <vladimir.medvedkin@intel.com>
Tue, 15 Dec 2020 18:25:19 +0000 (18:25 +0000)
committerThomas Monjalon <thomas@monjalon.net>
Wed, 13 Jan 2021 21:13:37 +0000 (22:13 +0100)
Improved performance for AVX512 FIB6 lookup by doubling the number
of flows being processed

Signed-off-by: Vladimir Medvedkin <vladimir.medvedkin@intel.com>
Acked-by: Konstantin Ananyev <konstantin.ananyev@intel.com>
Acked-by: Ray Kinsella <mdr@ashroe.eu>
lib/librte_fib/trie_avx512.c

index b1c9e4e..d4d70d8 100644 (file)
@@ -67,16 +67,22 @@ transpose_x8(uint8_t ips[8][RTE_FIB6_IPV6_ADDR_SIZE],
 }
 
 static __rte_always_inline void
-trie_vec_lookup_x16(void *p, uint8_t ips[16][RTE_FIB6_IPV6_ADDR_SIZE],
+trie_vec_lookup_x16x2(void *p, uint8_t ips[32][RTE_FIB6_IPV6_ADDR_SIZE],
        uint64_t *next_hops, int size)
 {
        struct rte_trie_tbl *dp = (struct rte_trie_tbl *)p;
        const __m512i zero = _mm512_set1_epi32(0);
        const __m512i lsb = _mm512_set1_epi32(1);
        const __m512i two_lsb = _mm512_set1_epi32(3);
-       __m512i first, second, third, fourth; /*< IPv6 four byte chunks */
-       __m512i idxes, res, shuf_idxes;
-       __m512i tmp, tmp2, bytes, byte_chunk, base_idxes;
+       /* IPv6 four byte chunks */
+       __m512i first_1, second_1, third_1, fourth_1;
+       __m512i first_2, second_2, third_2, fourth_2;
+       __m512i idxes_1, res_1;
+       __m512i idxes_2, res_2;
+       __m512i shuf_idxes;
+       __m512i tmp_1, tmp2_1, bytes_1, byte_chunk_1;
+       __m512i tmp_2, tmp2_2, bytes_2, byte_chunk_2;
+       __m512i base_idxes;
        /* used to mask gather values if size is 2 (16 bit next hops) */
        const __m512i res_msk = _mm512_set1_epi32(UINT16_MAX);
        const __rte_x86_zmm_t bswap = {
@@ -92,29 +98,41 @@ trie_vec_lookup_x16(void *p, uint8_t ips[16][RTE_FIB6_IPV6_ADDR_SIZE],
        };
        const __mmask64 k = 0x1111111111111111;
        int i = 3;
-       __mmask16 msk_ext, new_msk;
+       __mmask16 msk_ext_1, new_msk_1;
+       __mmask16 msk_ext_2, new_msk_2;
        __mmask16 exp_msk = 0x5555;
 
-       transpose_x16(ips, &first, &second, &third, &fourth);
+       transpose_x16(ips, &first_1, &second_1, &third_1, &fourth_1);
+       transpose_x16(ips + 16, &first_2, &second_2, &third_2, &fourth_2);
 
        /* get_tbl24_idx() for every 4 byte chunk */
-       idxes = _mm512_shuffle_epi8(first, bswap.z);
+       idxes_1 = _mm512_shuffle_epi8(first_1, bswap.z);
+       idxes_2 = _mm512_shuffle_epi8(first_2, bswap.z);
 
        /**
         * lookup in tbl24
         * Put it inside branch to make compiller happy with -O0
         */
        if (size == sizeof(uint16_t)) {
-               res = _mm512_i32gather_epi32(idxes, (const int *)dp->tbl24, 2);
-               res = _mm512_and_epi32(res, res_msk);
-       } else
-               res = _mm512_i32gather_epi32(idxes, (const int *)dp->tbl24, 4);
-
+               res_1 = _mm512_i32gather_epi32(idxes_1,
+                               (const int *)dp->tbl24, 2);
+               res_2 = _mm512_i32gather_epi32(idxes_2,
+                               (const int *)dp->tbl24, 2);
+               res_1 = _mm512_and_epi32(res_1, res_msk);
+               res_2 = _mm512_and_epi32(res_2, res_msk);
+       } else {
+               res_1 = _mm512_i32gather_epi32(idxes_1,
+                               (const int *)dp->tbl24, 4);
+               res_2 = _mm512_i32gather_epi32(idxes_2,
+                               (const int *)dp->tbl24, 4);
+       }
 
        /* get extended entries indexes */
-       msk_ext = _mm512_test_epi32_mask(res, lsb);
+       msk_ext_1 = _mm512_test_epi32_mask(res_1, lsb);
+       msk_ext_2 = _mm512_test_epi32_mask(res_2, lsb);
 
-       tmp = _mm512_srli_epi32(res, 1);
+       tmp_1 = _mm512_srli_epi32(res_1, 1);
+       tmp_2 = _mm512_srli_epi32(res_2, 1);
 
        /* idxes to retrieve bytes */
        shuf_idxes = _mm512_setr_epi32(3, 7, 11, 15,
@@ -128,24 +146,44 @@ trie_vec_lookup_x16(void *p, uint8_t ips[16][RTE_FIB6_IPV6_ADDR_SIZE],
                                48, 52, 56, 60);
 
        /* traverse down the trie */
-       while (msk_ext) {
-               idxes = _mm512_maskz_slli_epi32(msk_ext, tmp, 8);
-               byte_chunk = (i < 8) ?
-                       ((i >= 4) ? second : first) :
-                       ((i >= 12) ? fourth : third);
-               bytes = _mm512_maskz_shuffle_epi8(k, byte_chunk, shuf_idxes);
-               idxes = _mm512_maskz_add_epi32(msk_ext, idxes, bytes);
+       while (msk_ext_1 || msk_ext_2) {
+               idxes_1 = _mm512_maskz_slli_epi32(msk_ext_1, tmp_1, 8);
+               idxes_2 = _mm512_maskz_slli_epi32(msk_ext_2, tmp_2, 8);
+               byte_chunk_1 = (i < 8) ?
+                       ((i >= 4) ? second_1 : first_1) :
+                       ((i >= 12) ? fourth_1 : third_1);
+               byte_chunk_2 = (i < 8) ?
+                       ((i >= 4) ? second_2 : first_2) :
+                       ((i >= 12) ? fourth_2 : third_2);
+               bytes_1 = _mm512_maskz_shuffle_epi8(k, byte_chunk_1,
+                               shuf_idxes);
+               bytes_2 = _mm512_maskz_shuffle_epi8(k, byte_chunk_2,
+                               shuf_idxes);
+               idxes_1 = _mm512_maskz_add_epi32(msk_ext_1, idxes_1, bytes_1);
+               idxes_2 = _mm512_maskz_add_epi32(msk_ext_2, idxes_2, bytes_2);
                if (size == sizeof(uint16_t)) {
-                       tmp = _mm512_mask_i32gather_epi32(zero, msk_ext,
-                               idxes, (const int *)dp->tbl8, 2);
-                       tmp = _mm512_and_epi32(tmp, res_msk);
-               } else
-                       tmp = _mm512_mask_i32gather_epi32(zero, msk_ext,
-                               idxes, (const int *)dp->tbl8, 4);
-               new_msk = _mm512_test_epi32_mask(tmp, lsb);
-               res = _mm512_mask_blend_epi32(msk_ext ^ new_msk, res, tmp);
-               tmp = _mm512_srli_epi32(tmp, 1);
-               msk_ext = new_msk;
+                       tmp_1 = _mm512_mask_i32gather_epi32(zero, msk_ext_1,
+                               idxes_1, (const int *)dp->tbl8, 2);
+                       tmp_2 = _mm512_mask_i32gather_epi32(zero, msk_ext_2,
+                               idxes_2, (const int *)dp->tbl8, 2);
+                       tmp_1 = _mm512_and_epi32(tmp_1, res_msk);
+                       tmp_2 = _mm512_and_epi32(tmp_2, res_msk);
+               } else {
+                       tmp_1 = _mm512_mask_i32gather_epi32(zero, msk_ext_1,
+                               idxes_1, (const int *)dp->tbl8, 4);
+                       tmp_2 = _mm512_mask_i32gather_epi32(zero, msk_ext_2,
+                               idxes_2, (const int *)dp->tbl8, 4);
+               }
+               new_msk_1 = _mm512_test_epi32_mask(tmp_1, lsb);
+               new_msk_2 = _mm512_test_epi32_mask(tmp_2, lsb);
+               res_1 = _mm512_mask_blend_epi32(msk_ext_1 ^ new_msk_1, res_1,
+                               tmp_1);
+               res_2 = _mm512_mask_blend_epi32(msk_ext_2 ^ new_msk_2, res_2,
+                               tmp_2);
+               tmp_1 = _mm512_srli_epi32(tmp_1, 1);
+               tmp_2 = _mm512_srli_epi32(tmp_2, 1);
+               msk_ext_1 = new_msk_1;
+               msk_ext_2 = new_msk_2;
 
                shuf_idxes = _mm512_maskz_add_epi8(k, shuf_idxes, lsb);
                shuf_idxes = _mm512_and_epi32(shuf_idxes, two_lsb);
@@ -153,27 +191,43 @@ trie_vec_lookup_x16(void *p, uint8_t ips[16][RTE_FIB6_IPV6_ADDR_SIZE],
                i++;
        }
 
-       res = _mm512_srli_epi32(res, 1);
-       tmp = _mm512_maskz_expand_epi32(exp_msk, res);
-       __m256i tmp256;
-       tmp256 = _mm512_extracti32x8_epi32(res, 1);
-       tmp2 = _mm512_maskz_expand_epi32(exp_msk,
-               _mm512_castsi256_si512(tmp256));
-       _mm512_storeu_si512(next_hops, tmp);
-       _mm512_storeu_si512(next_hops + 8, tmp2);
+       /* get rid of 1 LSB, now we have HN in every epi32 */
+       res_1 = _mm512_srli_epi32(res_1, 1);
+       res_2 = _mm512_srli_epi32(res_2, 1);
+       /* extract first half of NH's each in epi64 chunk */
+       tmp_1 = _mm512_maskz_expand_epi32(exp_msk, res_1);
+       tmp_2 = _mm512_maskz_expand_epi32(exp_msk, res_2);
+       /* extract second half of NH's */
+       __m256i tmp256_1, tmp256_2;
+       tmp256_1 = _mm512_extracti32x8_epi32(res_1, 1);
+       tmp256_2 = _mm512_extracti32x8_epi32(res_2, 1);
+       tmp2_1 = _mm512_maskz_expand_epi32(exp_msk,
+               _mm512_castsi256_si512(tmp256_1));
+       tmp2_2 = _mm512_maskz_expand_epi32(exp_msk,
+               _mm512_castsi256_si512(tmp256_2));
+       /* return NH's from two sets of registers */
+       _mm512_storeu_si512(next_hops, tmp_1);
+       _mm512_storeu_si512(next_hops + 8, tmp2_1);
+       _mm512_storeu_si512(next_hops + 16, tmp_2);
+       _mm512_storeu_si512(next_hops + 24, tmp2_2);
 }
 
 static void
-trie_vec_lookup_x8_8b(void *p, uint8_t ips[8][RTE_FIB6_IPV6_ADDR_SIZE],
+trie_vec_lookup_x8x2_8b(void *p, uint8_t ips[16][RTE_FIB6_IPV6_ADDR_SIZE],
        uint64_t *next_hops)
 {
        struct rte_trie_tbl *dp = (struct rte_trie_tbl *)p;
        const __m512i zero = _mm512_set1_epi32(0);
        const __m512i lsb = _mm512_set1_epi32(1);
        const __m512i three_lsb = _mm512_set1_epi32(7);
-       __m512i first, second; /*< IPv6 eight byte chunks */
-       __m512i idxes, res, shuf_idxes;
-       __m512i tmp, bytes, byte_chunk, base_idxes;
+       /* IPv6 eight byte chunks */
+       __m512i first_1, second_1;
+       __m512i first_2, second_2;
+       __m512i idxes_1, res_1;
+       __m512i idxes_2, res_2;
+       __m512i shuf_idxes, base_idxes;
+       __m512i tmp_1, bytes_1, byte_chunk_1;
+       __m512i tmp_2, bytes_2, byte_chunk_2;
        const __rte_x86_zmm_t bswap = {
                .u8 = { 2, 1, 0, 255, 255, 255, 255, 255,
                        10, 9, 8, 255, 255, 255, 255, 255,
@@ -187,19 +241,25 @@ trie_vec_lookup_x8_8b(void *p, uint8_t ips[8][RTE_FIB6_IPV6_ADDR_SIZE],
        };
        const __mmask64 k = 0x101010101010101;
        int i = 3;
-       __mmask8 msk_ext, new_msk;
+       __mmask8 msk_ext_1, new_msk_1;
+       __mmask8 msk_ext_2, new_msk_2;
 
-       transpose_x8(ips, &first, &second);
+       transpose_x8(ips, &first_1, &second_1);
+       transpose_x8(ips + 8, &first_2, &second_2);
 
        /* get_tbl24_idx() for every 4 byte chunk */
-       idxes = _mm512_shuffle_epi8(first, bswap.z);
+       idxes_1 = _mm512_shuffle_epi8(first_1, bswap.z);
+       idxes_2 = _mm512_shuffle_epi8(first_2, bswap.z);
 
        /* lookup in tbl24 */
-       res = _mm512_i64gather_epi64(idxes, (const void *)dp->tbl24, 8);
+       res_1 = _mm512_i64gather_epi64(idxes_1, (const void *)dp->tbl24, 8);
+       res_2 = _mm512_i64gather_epi64(idxes_2, (const void *)dp->tbl24, 8);
        /* get extended entries indexes */
-       msk_ext = _mm512_test_epi64_mask(res, lsb);
+       msk_ext_1 = _mm512_test_epi64_mask(res_1, lsb);
+       msk_ext_2 = _mm512_test_epi64_mask(res_2, lsb);
 
-       tmp = _mm512_srli_epi64(res, 1);
+       tmp_1 = _mm512_srli_epi64(res_1, 1);
+       tmp_2 = _mm512_srli_epi64(res_2, 1);
 
        /* idxes to retrieve bytes */
        shuf_idxes = _mm512_setr_epi64(3, 11, 19, 27, 35, 43, 51, 59);
@@ -207,17 +267,31 @@ trie_vec_lookup_x8_8b(void *p, uint8_t ips[8][RTE_FIB6_IPV6_ADDR_SIZE],
        base_idxes = _mm512_setr_epi64(0, 8, 16, 24, 32, 40, 48, 56);
 
        /* traverse down the trie */
-       while (msk_ext) {
-               idxes = _mm512_maskz_slli_epi64(msk_ext, tmp, 8);
-               byte_chunk = (i < 8) ? first : second;
-               bytes = _mm512_maskz_shuffle_epi8(k, byte_chunk, shuf_idxes);
-               idxes = _mm512_maskz_add_epi64(msk_ext, idxes, bytes);
-               tmp = _mm512_mask_i64gather_epi64(zero, msk_ext,
-                               idxes, (const void *)dp->tbl8, 8);
-               new_msk = _mm512_test_epi64_mask(tmp, lsb);
-               res = _mm512_mask_blend_epi64(msk_ext ^ new_msk, res, tmp);
-               tmp = _mm512_srli_epi64(tmp, 1);
-               msk_ext = new_msk;
+       while (msk_ext_1 || msk_ext_2) {
+               idxes_1 = _mm512_maskz_slli_epi64(msk_ext_1, tmp_1, 8);
+               idxes_2 = _mm512_maskz_slli_epi64(msk_ext_2, tmp_2, 8);
+               byte_chunk_1 = (i < 8) ? first_1 : second_1;
+               byte_chunk_2 = (i < 8) ? first_2 : second_2;
+               bytes_1 = _mm512_maskz_shuffle_epi8(k, byte_chunk_1,
+                               shuf_idxes);
+               bytes_2 = _mm512_maskz_shuffle_epi8(k, byte_chunk_2,
+                               shuf_idxes);
+               idxes_1 = _mm512_maskz_add_epi64(msk_ext_1, idxes_1, bytes_1);
+               idxes_2 = _mm512_maskz_add_epi64(msk_ext_2, idxes_2, bytes_2);
+               tmp_1 = _mm512_mask_i64gather_epi64(zero, msk_ext_1,
+                               idxes_1, (const void *)dp->tbl8, 8);
+               tmp_2 = _mm512_mask_i64gather_epi64(zero, msk_ext_2,
+                               idxes_2, (const void *)dp->tbl8, 8);
+               new_msk_1 = _mm512_test_epi64_mask(tmp_1, lsb);
+               new_msk_2 = _mm512_test_epi64_mask(tmp_2, lsb);
+               res_1 = _mm512_mask_blend_epi64(msk_ext_1 ^ new_msk_1, res_1,
+                               tmp_1);
+               res_2 = _mm512_mask_blend_epi64(msk_ext_2 ^ new_msk_2, res_2,
+                               tmp_2);
+               tmp_1 = _mm512_srli_epi64(tmp_1, 1);
+               tmp_2 = _mm512_srli_epi64(tmp_2, 1);
+               msk_ext_1 = new_msk_1;
+               msk_ext_2 = new_msk_2;
 
                shuf_idxes = _mm512_maskz_add_epi8(k, shuf_idxes, lsb);
                shuf_idxes = _mm512_and_epi64(shuf_idxes, three_lsb);
@@ -225,8 +299,10 @@ trie_vec_lookup_x8_8b(void *p, uint8_t ips[8][RTE_FIB6_IPV6_ADDR_SIZE],
                i++;
        }
 
-       res = _mm512_srli_epi64(res, 1);
-       _mm512_storeu_si512(next_hops, res);
+       res_1 = _mm512_srli_epi64(res_1, 1);
+       res_2 = _mm512_srli_epi64(res_2, 1);
+       _mm512_storeu_si512(next_hops, res_1);
+       _mm512_storeu_si512(next_hops + 8, res_2);
 }
 
 void
@@ -234,12 +310,12 @@ rte_trie_vec_lookup_bulk_2b(void *p, uint8_t ips[][RTE_FIB6_IPV6_ADDR_SIZE],
        uint64_t *next_hops, const unsigned int n)
 {
        uint32_t i;
-       for (i = 0; i < (n / 16); i++) {
-               trie_vec_lookup_x16(p, (uint8_t (*)[16])&ips[i * 16][0],
-                               next_hops + i * 16, sizeof(uint16_t));
+       for (i = 0; i < (n / 32); i++) {
+               trie_vec_lookup_x16x2(p, (uint8_t (*)[16])&ips[i * 32][0],
+                               next_hops + i * 32, sizeof(uint16_t));
        }
-       rte_trie_lookup_bulk_2b(p, (uint8_t (*)[16])&ips[i * 16][0],
-                       next_hops + i * 16, n - i * 16);
+       rte_trie_lookup_bulk_2b(p, (uint8_t (*)[16])&ips[i * 32][0],
+                       next_hops + i * 32, n - i * 32);
 }
 
 void
@@ -247,12 +323,12 @@ rte_trie_vec_lookup_bulk_4b(void *p, uint8_t ips[][RTE_FIB6_IPV6_ADDR_SIZE],
        uint64_t *next_hops, const unsigned int n)
 {
        uint32_t i;
-       for (i = 0; i < (n / 16); i++) {
-               trie_vec_lookup_x16(p, (uint8_t (*)[16])&ips[i * 16][0],
-                               next_hops + i * 16, sizeof(uint32_t));
+       for (i = 0; i < (n / 32); i++) {
+               trie_vec_lookup_x16x2(p, (uint8_t (*)[16])&ips[i * 32][0],
+                               next_hops + i * 32, sizeof(uint32_t));
        }
-       rte_trie_lookup_bulk_4b(p, (uint8_t (*)[16])&ips[i * 16][0],
-                       next_hops + i * 16, n - i * 16);
+       rte_trie_lookup_bulk_4b(p, (uint8_t (*)[16])&ips[i * 32][0],
+                       next_hops + i * 32, n - i * 32);
 }
 
 void
@@ -260,10 +336,10 @@ rte_trie_vec_lookup_bulk_8b(void *p, uint8_t ips[][RTE_FIB6_IPV6_ADDR_SIZE],
        uint64_t *next_hops, const unsigned int n)
 {
        uint32_t i;
-       for (i = 0; i < (n / 8); i++) {
-               trie_vec_lookup_x8_8b(p, (uint8_t (*)[16])&ips[i * 8][0],
-                               next_hops + i * 8);
+       for (i = 0; i < (n / 16); i++) {
+               trie_vec_lookup_x8x2_8b(p, (uint8_t (*)[16])&ips[i * 16][0],
+                               next_hops + i * 16);
        }
-       rte_trie_lookup_bulk_8b(p, (uint8_t (*)[16])&ips[i * 8][0],
-                       next_hops + i * 8, n - i * 8);
+       rte_trie_lookup_bulk_8b(p, (uint8_t (*)[16])&ips[i * 16][0],
+                       next_hops + i * 16, n - i * 16);
 }