代码粘贴方式示例
函数 UInt128x128To256_SSE2_11F() 代码如下（登陆bbs才可见）：**** Hidden Message ***** 总指令数肯定过200的呵呵
稍微写差点就差好多时钟 我心中已经形成了一个较好的方案，是 SSE2 版本的，等调好后再发给大家测试测试。。。
在 6# 的压缩包中我给出了一个ANSI C版的函数，应该是很高效的了，谁可以再来突破？:P
大家在发代码之前务必进行一些自测，尤其是算法正确性方面的测试，可对比我给的那版标准C写的函数的结果进行必要的验证。 我也想到一个
但太复杂
刚才倒来倒去
终于倒乱了
等会重来 //全部16个乘法， 49条指令
//明天再研究加法
mov esi, left
mov edi, right
mov ebx, result
xor xmm0, xmm0
movd xmm0,
movq mm0, mm0
xor xmm1, xmm1
movd xmm1,
movq mm1, xmm1
xor xmm2, xmm2
movd xmm2,
movq mm2, xmm2
xor xmm3, xmm3
movd xmm3,
movq mm3, xmm3
xor xmm4, xmm4
movd xmm4,
movq mm4, xmm4
xor xmm5, xmm5
movd xmm5,
movq mm5, xmm5
xor xmm6, xmm6
movd xmm6,
movq mm6, xmm6
xor xmm7, xmm7
movd xmm7,
movq mm7, xmm7
// mm0:2:4:6=l:0:1:2:3
// mm1:3:5:7=r:0:1:2:3
//xmm0:2:4:6=l:0:1:2:3
//xmm1:3:5:7=r:0:1:2:3
pmuludq mm0, xmm1 //mm0=0:0
movd eax, mm3
pmuludq mm2, xmm3 //mm2=1:1
movd edx, mm6
pmuludq mm4, xmm5 //mm4=2:2
pmuludq mm6, xmm7 //mm6=3:3
pmuludq mm1, xmm2 //mm1=1:0
pmuludq mm3, xmm0 //mm3=0:1
pmuludq mm5, xmm0 //mm5=0:2
pmuludq mm7, xmm2 //mm7=3:0
pmuludq xmm0, xmm7 //xmm0=0:3
pmuludq xmm2, xmm5 //xmm2=1:2
pmuludq xmm1, xmm4 //xmm1=2:0
pmuludq xmm3, xmm4 //xmm3=2:1
pmuludq xmm4, xmm7 //xmm4=2:3
pmuludq xmm6, xmm5 //xmm6=3:2
//xmm5=r2
//xmm7=r3
movd xmm5,
pmuludq xmm5, xmm7 //xmm5=1:3
mul edx
movd xmm7, edx
pshlq xmm7, 32
movd xmm7, eax //xmm7=3:1 //一次计算出16个乘法
//全SSE2版本， 40条, 15楼宣布作废
//未做优化, 还存在不完美地方和错误
mov esi, left
mov edi, right
mov ebx, result
movd xmm0,
movdq2q mm0, xmm0
movd xmm1,
movdq2q mm1, xmm1
movd xmm2,
movdq2q mm2, xmm2
movd xmm3,
movdq2q mm3, xmm3
movd xmm4,
movdq2q mm4, xmm4
movd xmm5,
movdq2q mm5, xmm5
movd xmm6,
movdq2q mm6, xmm6
movd xmm7,
movdq2q mm7, xmm7
// mm0:2:4:6=l:0:1:2:3
// mm1:3:5:7=r:0:1:2:3
//xmm0:2:4:6=l:0:1:2:3
//xmm1:3:5:7=r:0:1:2:3
pmuludq mm0, //mm0=0:0
pmuludq mm2, //mm2=1:1
pmuludq mm4, //mm4=2:2
pmuludq mm6, //mm6=3:3
pmuludq mm1, //mm1=1:0
pmuludq mm3, //mm3=0:1
pmuludq mm5, //mm5=0:2
pmuludq mm7, //mm7=3:0
pmuludq xmm0, xmm7 //xmm0=0:3
pmuludq xmm2, xmm5 //xmm2=1:2
pmuludq xmm1, xmm4 //xmm1=2:0
pmuludq xmm3, xmm4 //xmm3=2:1
pmuludq xmm4, xmm7 //xmm4=2:3
pmuludq xmm6, xmm5 //xmm6=3:2
//xmm5=r2
//xmm7=r3
movd xmm5,
pmuludq xmm5, xmm7 //xmm5=1:3
movq xmm7,
pmuludq xmm7, //xmm7=3:1 //并行调整1, SSE2, 35条指令, 得到全部16个乘法
//是否可以更精简, 有待考虑, 压缩到28条以下?
mov esi, left
mov edi, right
mov ebx, result
movd xmm0,
movdq2q mm0, xmm0
pmuludq mm0, //mm0=0:0
pmuludq xmm0, //xmm0=0:3
movd xmm1,
movdq2q mm1, xmm1
pmuludq mm1, //mm1=1:0
pmuludq xmm1, //xmm1=2:0
movd xmm2,
movdq2q mm2, xmm2
pmuludq mm2, //mm2=1:1
pmuludq xmm2, //xmm2=1:2
movd xmm3,
movdq2q mm3, xmm3
pmuludq mm3, //mm3=0:1
pmuludq xmm3, //xmm3=2:1
movd xmm4,
movdq2q mm4, xmm4
pmuludq mm4, //mm4=2:2
pmuludq xmm4, //xmm4=2:3
movd mm5,
pmuludq mm5, //mm5=0:2
movd xmm5,
pmuludq xmm5, //xmm5=1:3
movd xmm6,
movdq2q mm6, xmm6
pmuludq mm6, //mm6=3:3
pmuludq xmm6, //xmm6=3:2
movd mm7,
pmuludq mm7, //mm7=3:0
movd xmm7,
pmuludq xmm7, //xmm7=3:1 PMULUDQ 一次可以计算 2个 32bit * 32bit, 理论上，如果用PMULUDQ计算乘法，最少只需8次。楼上却用了16次PMULUDQ，远远没有发挥 SSE2指令的优势。 :)
然后陷于解开包装的麻烦里?
等搞清混乱的顺序再考虑那个吧
这16个乘就够麻烦算加法的 而且, 我仔细查了SSE2指令
并无直接包装两个32位整数到0:31/64:95的
需要自己写多指令
并不能抵消少写乘法的开销
你自己写下看看?
我想到的法子现在暂时没心情写
因为可能不能达到最理想方式
即一次两个