About Clear MMX & SSE Register...

CPU MMX	pxor	psub_	pcmp_
Pentium with MMX	1.0/0.5	1.0/0.5	1.0/0.5
Pentium II	1.0/0.5	1.0/0.5	1.0/0.5
Pentium 4	1.0/1.0	2.0/1.0	2.0/1.0
Prescott	1.0/1.0	1.0/1.0	2.0/1.0
Core 2 Duo	0.3/0.3	0.5/0.5	0.5/0.5
AMD K6-2	1.0/0.6	1.0/0.6	1.0/0.6
AMD Athlon	2.0/0.5	2.0/0.5	2.0/0.5
AMD Athlon 64	0.5/0.5	2.0/0.5	2.0/0.5
AMD Athlon 64 (90nm)	0.5/0.5	0.5/0.5	0.5/0.5

CPU SSE	pxor	psub_	pcmp_
Pentium !!!	2.0/2.0	N/A	N/A
Pentium 4	2.0/2.0	2.0/2.0	2.0/2.0
Pentium M	1.0/1.0	1.0/1.0	1.0/1.0
Core 2 Duo	0.3/0.3*	0.5/0.5	0.5/0.5
Core i7	0.3/0.3	0.5/0.5	0.5/0.5
AMD Athlon	2.0/2.0	N/A	N/A
AMD Athlon 64	1.0/1.0	2.0/1.0	2.0/1.0
AMD Athlon 64 (90nm)	1.0/1.0*	1.0/1.0	1.0/1.0
AMD Phenom	0.5/0.5*	0.5/0.5	0.5/0.5

PS:* included XORPS, XORPD.

Source : http://instlatx64.freeweb.hu/

About Clear Register...

CPU	mov eax, 0	xor eax, eax	sub eax,eax
Pentium	1.0/1.0	1.0/0.5	1.0/0.5
Pentium with MMX	1.0/0.5	1.0/0.5	1.0/0.5
Pentium Pro	0.5/0.5	1.0/0.5	1.0/0.5
Pentium 4	0.7/0.7	0.5/0.5	0.3/0.3
Prescott	0.4/0.4	0.5/0.5	0.3/0.3
Core Duo	0.5/0.5	0.5/0.5	0.5/0.5
Core 2 Duo	0.3/0.3	0.3/0.3	0.3/0.3
AMD K5	0.5/0.5	1.0/1.0	1.0/1.0
AMD K6	0.5/0.5	0.5/0.5	0.5/0.5
AMD Athlon	0.4/0.4	0.4/0.4	0.4/0.4
AMD Athlon 64	0.3/0.3	0.3/0.3	0.3/0.3
VIA Nano	1.0/1.0	0.5/0.5	1.0/1.0

Source : http://instlatx64.freeweb.hu/

Matrix Operation Version SSE

一些常用的 Matrix 4x4 Operation 把它改成 SSE 後,
效能有所提升, 而且 SSE2 的 pshufd 指令優勢,
可以減少一次 movaps 的指令, 當然 SSE 的 shufps 也是有它的用途,
只是在 Matrix 4x4 之下, 這 shufps 似乎沒有它的使用價值.

(單位為 rdtsc 測出值)
MatrixMultiply
　MatMul4_x87: 130.00
　MatMul4_SSE: 32.00
　MatMul4ASSE: 23.67
　MatMul4_SSE2: 30.61
　MatMul4ASSE2: 22.33
　MatMul4_SSE3: 37.00
　MatMul41SSE3: 40.25

MatrixInverse
　MatInv4_D3D: 111.02
　MatInv4_SSE: 90.00
　MatInv41SSE: 70.50
　MatInv42SSE: 70.63
　MatInv4_SSE2: 66.23
　MatInv4USSE2: 76.66
　MatInv4_SSE4: 61.66

MatrixRotation
　MatrixRotationX_x87: 135.00
　MatrixRotationX_D3D: 147.04
　MatrixRotationX_SSE2: 26.00

ZLIB::inflate Version FastCpy8

zlib:3BC78A9,5830144　　;FastCpy8 的成果
zliX:5025CC2,5830144,0　;原始 ZLIB 的成果
asm :4237579,5830144,0　;自己手工的 inflate_asm 加 FastCpy8
C　 :60FEFA8,5830144,0　;自己手工的 inflate_asm 改寫成 C

大概去年吧, 開始找了 deflate 這些資料,
雖然在 compress 不是很了解,
不過 uncompress 卻有更多加強的空間,
當然這也是從 NRV 解壓縮 x86 assembly 所得到的知識.

手工的 inflate_asm 也是我軍旅中空閒所刻出來的,
當然效能當初是已經算是贏 ZLIB::inflate,
但是因為 PNG 的 Mulitple IDAT 是依賴 ZLIB 的 FLUSH,
開始在 ZLIB 的 inflate_asm 改善,
結果發現竟然比自己手工的 inflate_asm 強太多了.

當然主要原因
1.ZLIB 的 Table 已經把 Length 和 Distance 做好了.
2.ZLIB 的 BitStream Buffer 是 MMX 的 64bit 空間.

當然可惜的是 SSE 的 128bit 上面 Shift 沒有支援到
Double Quad Word, 不然應該可以更好.