base64-loong64-lasx

name	base64-loong64-lasx
description	实现 LoongArch64 架构下 LASX（256-bit SIMD）加速的 BASE64 编解码 Go 汇编代码。Use when: 在 loong64 平台扩展 base64 实现、编写 LASX 汇编、处理 XVSHUFB/XVSSUBBU/XVSLTBU 等 Go 1.25 中缺失的 LASX 指令 WORD 编码、loong64 Go assembly SIMD optimization。
argument-hint	encode 或 decode，或留空处理完整实现

LoongArch64 LASX BASE64 实现技能

适用场景

• 在 base64_loong64.go / base64_loong64.s 基础上新增 LASX（256-bit）路径
• 将现有 LSX（128-bit）实现迁移/扩展为 LASX 实现
• 处理 Go 1.25 尚未收录的 LASX 指令，需手动生成 WORD 指令字
• 调试 LASX 汇编逻辑，本地交叉编译 + GitHub Actions QEMU 验证

环境约束

环境	用途
本地	仅做交叉编译（GOARCH=loong64），确认语法无误
GitHub Actions QEMU	运行时测试，提交后自动触发

本地交叉编译验证命令：

$env:GOARCH="loong64"; $env:GOOS="linux"; go build ./...

实现流程

详细实现步骤参见 implementation-guide.md。

⚠️ Go 1.25 关键语法限制（必读）

以下语法在 Go 1.25 loong64 汇编器中不受支持，会报 invalid LSX/LASX arrangement type: Q 错误：

错误写法	正确替代	说明
XVMOVQ X0, X0.Q1	XVMOVQ X0, X0.Q2	Q2 = xvreplve0.q（将 Q0 广播到全 256-bit）
XVMOVQ X0, X0.Q[1]	XVMOVQ X0, X0.Q2	同上，Q[n] 索引形式也不支持
XVMOVQ X9, X8.Q[1]	WORD $0x77ec0928	xvpermi.q X8, X9, 0x02（将 X9.Q0 合并到 X8.Q1；xvinsve0.q 不存在于官方 ISA）
VMOVQ X8.Q[1], 12(R5)	见"Decode 写出"节	Q 元素提取不支持，需用 xvpickve.d 绕过

可用的 LASX 寄存器元素操作：

• XVMOVQ X8.V[n], X9：xvpickve.d，提取第 n 个 64-bit 元素到 X9（n = 0..3）
• XVMOVQ X8.W[n], X9：xvpickve.w，提取第 n 个 32-bit 元素（n = 0..7）
• XVMOVQ X8, X8.Q2：xvreplve0.q，将 Q0 广播到整个 256-bit 寄存器
• XVMOVQ X8, (R5)：xvst，存储完整 256-bit（32 字节）

第一步：常量加载

VMOVQ  (0*16)(R9), V0     // 先以 LSX V 寄存器加载 16 字节
XVMOVQ X0, X0.Q2          // xvreplve0.q：Q0 → 整个 256-bit（Q0 = Q1）

第二步：Encode 实现结构

加载常量 (LSX→LASX Q2 广播)
  ↓
lasx_head：首 28 字节处理（特殊 load 方式）
  ├─ 两次 VMOVQ load → WORD $0x77ec0928（xvpermi.q X8, X9, 0x02）合并为一个 LASX 寄存器
  ├─ XVSHUFB（需 WORD 编码）pack 数据
  └─ XVSSUBBU / XVSLTBU（需 WORD 编码）查表
  └─ XVMOVQ X8, (R5)  // 写满 32 字节
  ↓
lasx_loop：每次处理 24 字节输入 → 32 字节输出
  ├─ XVMOVQ -4(R6), X8（借用前 4 字节，凑成 32 字节）
  ├─ XVSHUFB（loop 专用 32-byte indices mask）
  └─ 同 lasx_head 逻辑
  └─ XVMOVQ X8, (R5)  // 写满 32 字节

第三步：Decode 实现结构

分 decodeStdAsm（标准）/ decodeUrlAsm（URL）两个函数，常量不同，逻辑相同。 每次处理 32 字节输入 → 24 字节输出。

加载常量 (LSX→LASX Q2 广播)
  ↓
循环（每次 32 字节输入）
  ├─ XVMOVQ (R6), X8
  ├─ 校验：XVSRLB + XVANDB + XVSHUFB(LUT_HI/LO) + XVANDV
  ├─ 转换：XVSEQB/XVSLTBU + XVSHUFB(LUT_ROLL) + XVADDB
  ├─ 重排：XVMULWEVHBU + xvmaddwod.h.bu + XVMULWEVWHU + xvmaddwod.w.hu + XVSHUFB
  └─ 写出 24 字节（见"Decode 写出"节）

Decode 写出（24 字节）：

VMOVQ  V8, (R5)          // 写 Q0：bytes[0..11] 有效（bytes[12..15] = 0，由 reshuffle mask 保证）
WORD $0x77ec0509         // xvpermi.q X9, X8, 0x01：X9.Q0 = X8.Q1
VMOVQ  V9, 12(R5)        // 写 bytes[12..23]（有效），bytes[24..27] = 0

说明： decode reshuffle mask 在 bytes[12..15] 处填 0xFF，XVSHUFB 将该位置置 0；xvpermi.q X9, X8, 0x01 把 X8.Q1（含置 0 的尾部）复制到 X9.Q0，再用 VMOVQ V9, 12(R5) 即可，无需额外提取步骤。

第四步：生成缺失指令的 WORD 编码

已验证完整 WORD 编码表：

指令	WORD 值	说明
XVSHUFB X0, X8, X8, X8	0x0d602108	encode head reshuffle
XVSHUFB X13, X8, X8, X8	0x0d66a108	encode loop reshuffle
XVSHUFB X9, X7, X7, X9	0x0d649ce9	encode LUT lookup
XVSSUBBU X5, X8, X9	0x744c1509	encode range sub
XVSLTBU X8, X6, X10	0x740820ca	encode range compare
XVSHUFB X9, X1, X1, X11	0x0d64842b	decode hi nibble lookup
XVSHUFB X10, X2, X2, X10	0x0d65084a	decode lo nibble lookup
XVSHUFB X10, X4, X4, X10	0x0d65108a	decode lut_roll lookup
XVSHUFB X7, X8, X8, X8	0x0d63a108	decode output reshuffle
xvmaddwod.h.bu X8, X5, X9	0x74b620a9	decode reshuffle step 1
xvmaddwod.w.hu X9, X6, X8	0x74b6a4c8	decode reshuffle step 2
XVSLTBU X8, X3, X10（URL）	0x7408206a	URL decode range compare
xvpermi.q X8, X9, 0x02	0x77ec0928	encode head: X8.Q0=keep, X8.Q1=X9.Q0
xvpermi.q X9, X8, 0x01	0x77ec0509	decode store: X9.Q0 = X8.Q1

WORD 编码生成脚本（Python）：

def OP_RRRR(op, ra, rk, rj, rd):   # 4-寄存器（XVSHUFB）
    return op | ((ra&0x1F)<<15) | ((rk&0x1F)<<10) | ((rj&0x1F)<<5) | (rd&0x1F)

def OP_RRR(op, rk, rj, rd):         # 3-寄存器
    return op | ((rk&0x1F)<<10) | ((rj&0x1F)<<5) | (rd&0x1F)

XVSHUFB_OP        = 0x0d6   << 20
XVSSUBBU_OP       = 0xe898  << 15
XVSLTBU_OP        = 0xe810  << 15
XVMADDWOD_H_BU_OP = 0x0e96c << 15
XVMADDWOD_W_HU_OP = 0x0e96d << 15

xvpermi.q 编码公式：WORD = 0x77EC0000 | (imm8<<10) | (Xj<<5) | Xd

xvpermi.q Xd, Xj, imm8 语义（⚠️ 注意：Q0/Q1 选择器位布局与直觉相反，已通过 QEMU 实测验证）：

• Q0 选择器：imm8[1:0]：0=Xj.Q0, 1=Xj.Q1, 2=Xd.Q0(旧), 3=Xd.Q1(旧)
• Q1 选择器：imm8[5:4]：0=Xj.Q0, 1=Xj.Q1, 2=Xd.Q0(旧), 3=Xd.Q1(旧)
• 示例：imm8=0x02（Q0 sel=2→Xd.Q0保持, Q1 sel=0→Xj.Q0）；imm8=0x01（Q0 sel=1→Xj.Q1）

经 QEMU 实测验证（2026-03）： 选择器 0/1 从 Xj 取值，2/3 从 Xd（旧值）取值。旧版文档（0/1=Xd, 2/3=Xj）是错误的。

第五步：提交并验证

git add base64_loong64.s
git commit -m "loong64: add LASX encode/decode path"
git push

推送后观察 GitHub Actions 中 QEMU loong64 任务的结果。

关键注意事项

• XVSHUFB 的源1和源2顺序不可颠倒，否则产生错误结果
• 循环体中 XVSHUFB 使用的 indices 与首次处理的 28 字节不同，需参考 AVX2 实现取值
• LASX 寄存器命名：LSX 用 V0–V31，LASX 用 X0–X31；V8 和 X8 是同一物理寄存器，VMOVQ V8 访问其低 128-bit
• XVMOVQ X8, (R5) 写 32 字节；VMOVQ V8, (R5) 写 16 字节（Q0 低 lane）
• VMOVQ X8, (R5) 不支持（XREG 不能用于 VST），必须写 VMOVQ V8, (R5)
• Decode 写出策略：用 xvpickve.d（XVMOVQ X8.V[n], Xd）逐段提取，末尾会多写若干零字节，需保证 dst buffer 有足够余量
• Encode dispatch 阈值：≥28 字节走 LASX；Decode dispatch 阈值：≥40 字节走 LASX
• 调度变量：·useLASX(SB) （对应 AMD64 的 ·useAVX2(SB)）
• XVPERMIQ / XVPERMI.Q 在 Go 1.25 中没有具名指令，但可用 WORD $0x77ec____ 手动编码 xvpermi.q（见 WORD 编码表）

参考资料

• 详细实现指南
• Go 1.25 loong64 指令集定义
• instOp.go（操作码来源）
• asm.go（指令字生成逻辑）
• 现有 LSX 实现：base64_loong64.s
• AVX2 实现（indices 参考）：base64_amd64.s