使用AVX2指令集加速Chrome浏览器的图像操作
指令集是CPU中用来计算和控制计算机系统的一套指令集合，也是软件与CPU硬件这两个层级之间的规范和接口：任何软件最终总要翻译成一条条指令才能让CPU硬件识别并执行，而CPU硬件则依靠指令来计算和控制系统。所以指令集功能的强弱和执行的效率是衡量CPU性能的重要指标，指令集的设计和使用自然就是提高CPU效率的重要环节。
正因为其无可替代的重要作用，每一款新型的CPU在设计时自然会精心挑选一系列与其硬件电路相配合的指令集。比如，英特尔1996年在其Pentium CPU架构设计中率先引入SIMD（Single Instruction Multiple Data，单指令多数据）指令集设计思想，添加了MMX（Multi Media eXtensions）多媒体扩展指令集，使其CPU能在一个时钟周期内用一条指令可以完成多个数据的操作，从而大大提高了CPU处理多媒体应用的效率。在一代代英特尔CPU架构的演进下，英特尔在2008年进一步公布了AVX指令集规范，并在Sandy Bridge CPU架构中将首先实现了全新的AVX指令集，把浮点矢量宽度从MMX时代的64位拓宽到了256位，最直接的收益就是浮点性能最大提升了4倍，并且在最新的AVX2中把整数的矢量宽度也同步增加到256位。
理论总可以描绘得很美好，但能不能应用到日常软件，为最终用户带来性能和体验的提升，这才是大家最为关注的。我们这里就举一个在我们实际工作中的例子，看AVX2是如何帮助大家常用的Chrome浏览器带来网页浏览上的性能提升。随着手机和电脑屏幕分辨率的不断提升，屏幕显示的分辨率往往会大于网页中图像的原始分辨率。此时Chrome浏览器就需要对图像进行放大。Chrome使用二维图形引擎Skia，运用Mitchell滤波器进行高质量的图像放大处理，而图像放大过程就是将图像与滤波器进行卷积操作（像素与滤波器系数相乘相加）的过程。由于图像一般表示为RGBA四个通道，每个通道存储0-255八位颜色值，因此最基本的方法是循环对每个像素的每个通道逐一运算（图1），但这样并不高效；而这样的操作其实很适合用AVX2指令集进行加速，因为AVX2可以一次处理256位数据，也就是8个像素，并且同时对RGBA四个通道进行运算（图2）。这样就可以大大提高运算效率，大幅获得速度提升。
当然实际应用中需要考虑更多因素，而且整个二维图像滤波需要水平方向和垂直方向两次运算才能完成，因此算法的具体实现会比我们描述的稍微复杂一些。首先是位扩展和转换，我们一次读取8个像素也就是32个8位颜色值，但滤波器的系数是用16位的定点数表示的。我们需要先将8位颜色值扩展为16位，接着同时对16个16位整数进行乘法等操作，再把结果重新转换为8位颜色值存储并对溢出情况进行特殊处理。此外，还需对图像边缘（剩余不被8整除的像素）等情况进行特殊处理。但总的来说，我们的优化算法还是获得了可观的回报，在实际场景中，使用AVX2的算法相比原先SSE2的算法，可以达到近一倍的速度提升。