Почему компилятор не сворачивает xxswapd и vperm?

Я все еще пытаюсь вытащить свой 1/2 cpb из Инструкции SHA Power8. Этот код C / C ++ копирует сообщение пользователя в расписание сообщений:

void SHA256_SCHEDULE(uint32_t W[64+2], const uint8_t* D)
{
uint32_t* w = reinterpret_cast<uint32_t*>(W);
const uint32_t* d = reinterpret_cast<const uint32_t*>(D);
unsigned int i=0;

const uint8x16_p8 mask = {3,2,1,0, 7,6,5,4, 11,10,9,8, 15,14,13,12};
for (i=0; i<16; i+=4, d+=4, w+=4)
VectorStore32x4u(VectorPermute32x4(VectorLoad32x4u(d, 0), mask), w, 0);

...
}

Когда я собираю в -O3 и посмотреть на разборки я вижу следующее:

100008bc:   99 26 20 7c     lxvd2x  vs33,0,r4
...
100008d0:   57 0a 21 f0     xxswapd vs33,vs33
100008d8:   2b 08 21 10     vperm   v1,v1,v1,v0

Я считаю, что происходит:

1. нагрузка происходит в 100008bc (lxvd2x)
2. Ле-Бе-преобразование происходит в 100008d0 (xxswapd)
3. моя перестановка применяется в 100008d8 (vperm)

В (1) регистр VSX имеет значение, но в формате с прямым порядком байтов. Элементы 0 и 4 нужно поменять местами; а элементы 2 и 3 нужно поменять местами.

В (2) и (3) применяются две перестановки. Это как звонить shuffle_epi32 с последующим shuffle_epi8 на машине x86.

PowerPC-х vec_perm очень мощный, и любые две перестановки могут быть объединены в одну перестановку.

Мой первый вопрос: почему две перестановки не складываются в одну?

Мой второй вопрос: как я могу заставить компилятор выполнить свертывание?

Я стараюсь изо всех сил избегать встроенной сборки, потому что код поддерживает GCC, Clang и IBM C / C ++ XL. XL C / C ++ от IBM не поддерживает встроенную сборку, а также GCC и Clang, поэтому это будет болезненный путь.

Вот полная разборка:

0000000010000880 <SHA256_SCHEDULE(unsigned int*, unsigned char const*)>:
10000880:   03 10 40 3c     lis     r2,4099
10000884:   00 81 42 38     addi    r2,r2,-32512
10000888:   f0 ff c1 fb     std     r30,-16(r1)
1000088c:   f8 ff e1 fb     std     r31,-8(r1)
10000890:   fe ff 22 3d     addis   r9,r2,-2
10000894:   10 00 c4 3b     addi    r30,r4,16
10000898:   80 8e 29 39     addi    r9,r9,-29056
1000089c:   10 00 e3 3b     addi    r31,r3,16
100008a0:   20 00 84 39     addi    r12,r4,32
100008a4:   20 00 63 39     addi    r11,r3,32
100008a8:   99 4e 00 7c     lxvd2x  vs32,0,r9
100008ac:   30 00 a3 38     addi    r5,r3,48
100008b0:   40 00 23 39     addi    r9,r3,64
100008b4:   c4 ff c0 38     li      r6,-60
100008b8:   c0 ff e0 38     li      r7,-64
100008bc:   99 26 20 7c     lxvd2x  vs33,0,r4
100008c0:   30 00 84 38     addi    r4,r4,48
100008c4:   f8 ff 00 39     li      r8,-8
100008c8:   e4 ff 40 39     li      r10,-28
100008cc:   57 02 00 f0     xxswapd vs32,vs32
100008d0:   57 0a 21 f0     xxswapd vs33,vs33
100008d4:   97 05 00 f0     xxlnand vs32,vs32,vs32
100008d8:   2b 08 21 10     vperm   v1,v1,v1,v0
100008dc:   57 0a 21 f0     xxswapd vs33,vs33
100008e0:   99 1f 20 7c     stxvd2x vs33,0,r3
100008e4:   18 00 60 38     li      r3,24
100008e8:   a6 03 69 7c     mtctr   r3
100008ec:   99 f6 20 7c     lxvd2x  vs33,0,r30
100008f0:   57 0a 21 f0     xxswapd vs33,vs33
100008f4:   2b 08 21 10     vperm   v1,v1,v1,v0
100008f8:   57 0a 21 f0     xxswapd vs33,vs33
100008fc:   99 ff 20 7c     stxvd2x vs33,0,r31
10000900:   99 66 20 7c     lxvd2x  vs33,0,r12
10000904:   57 0a 21 f0     xxswapd vs33,vs33
10000908:   2b 08 21 10     vperm   v1,v1,v1,v0
1000090c:   57 0a 21 f0     xxswapd vs33,vs33
10000910:   99 5f 20 7c     stxvd2x vs33,0,r11
10000914:   99 26 20 7c     lxvd2x  vs33,0,r4
10000918:   57 0a 21 f0     xxswapd vs33,vs33
1000091c:   2b 08 01 10     vperm   v0,v1,v1,v0
10000920:   57 02 00 f0     xxswapd vs32,vs32
10000924:   99 2f 00 7c     stxvd2x vs32,0,r5
10000928:   00 00 00 60     nop
1000092c:   00 00 42 60     ori     r2,r2,0
10000930:   99 36 09 7c     lxvd2x  vs32,r9,r6
10000934:   99 3e 89 7d     lxvd2x  vs44,r9,r7
10000938:   99 56 a9 7d     lxvd2x  vs45,r9,r10
1000093c:   99 46 29 7c     lxvd2x  vs33,r9,r8
10000940:   82 06 00 10     vshasigmaw v0,v0,0,0
10000944:   82 7e 21 10     vshasigmaw v1,v1,0,15
10000948:   80 60 00 10     vadduwm v0,v0,v12
1000094c:   80 68 00 10     vadduwm v0,v0,v13
10000950:   80 08 00 10     vadduwm v0,v0,v1
10000954:   99 4f 00 7c     stxvd2x vs32,0,r9
10000958:   08 00 29 39     addi    r9,r9,8
1000095c:   d4 ff 00 42     bdnz    10000930 <SHA256_SCHEDULE(unsigned int*, unsigned char const*)+0xb0>
10000960:   f0 ff c1 eb     ld      r30,-16(r1)
10000964:   f8 ff e1 eb     ld      r31,-8(r1)
10000968:   20 00 80 4e     blr
1000096c:   00 00 00 00     .long 0x0
10000970:   00 09 00 00     .long 0x900
10000974:   00 02 00 00     attn
10000978:   00 00 00 60     nop
1000097c:   00 00 42 60     ori     r2,r2,0