背景
单指令流多数据流（英语：Single Instruction Multiple Data，縮寫：SIMD）是一种采用一个控制器来控制多个处理器，同时对一组数据（又称“数据向量”）中的每一个分别执行相同的操作从而实现空间上的并行性的技术。
在微处理器中，单指令流多数据流技术则是一个控制器控制多个平行的处理微元，例如Intel的MMX或SSE，以及AMD的3D Now!指令集。
图形处理器（GPU）拥有強大的并行处理能力和可程式流水线，面对单指令流多数据流時，运算能力远超传统CPU。OpenCL和CUDA分別是目前最广泛使用的开源和专利通用图形处理器（GPGPU）运算語言。
SIMD，主要用于提供fine grain parallelism，即小碎数据的并行操作．比如说图像处理，图像的数据常用的数据类型是RGB565, RGBA8888, YUV422等格式，这些格式的数据特点是一个像素点的一个分量总是用小于等于８bit的数据表示的．如果使用传统的处理器做计算，虽然处理器的寄存器是32位或是64位的，处理这些数据确只能用于他们的低８位，似乎有点浪费．如果把64位寄存器拆成８个８位寄存器就能同时完成８个操作，计算效率提升了８倍．SIMD指令的初衷就是这样的，只不过后来慢慢cover的功能越来越多．
在生活中，这种做法也很常见。例如，某作坊要做1000个面包，每个面包要经过成型、入炉、烘烤、取出等步骤。如果每次只操作一个面包，那么大多数基本动作都要重复1000次。但如果使用一个图3所示的简单模具，上面有四个“包厢（面包之厢，姑且称此名）”，那么便可以一次操作四个面包。这样一来，很多操作便都是成批的了，一次成型四个，向烤箱里放时，一次四个，拿出来时，又是一次四个，于是很多操作的重复次数便从1000次下降到了250，生产效率大大提高。
另外值得一提的是x86指令集中的SIMD指令集自发布以来并不是一成不变的，每个版本支持的指令集不同，从最早的MMX（1996年）到SSE，再到后来的AVX、AVX2等，在使用时要加以区分尽量避免混用。
因为能力有限，只是看到相关知识，先暂时简单了解下，以后用到在详细学习。这里先插个眼吧，有需要的同学可以学习参考文章。。 ε=ε=ε=┏(゜ロ゜;)┛
参考文章：
- 使用SIMD技术提高C++程序性能 https://blog.csdn.net/zhangzq86/article/details/54969005
- C++中使用SIMD的方法https://blog.csdn.net/Mahfaeraak/article/details/88687252
- SIMD指令集https://zhuanlan.zhihu.com/p/31271788
- SIMD(MMX/SSE/AVX)变量命名规范心得 https://www.cnblogs.com/zyl910/archive/2012/04/23/simd_var_name.html
- SIMD指令集发展历程表(MMX、SSE、AVX等) https://www.cnblogs.com/zyl910/archive/2012/02/26/x86_simd_table.html
- Intrinsics头文件与SIMD指令集、Visual Studio版本对应表 https://www.cnblogs.com/zyl910/archive/2012/04/26/md00.html
- 如何用gcc去编译SIMD代码：https://stackoverflow.com/questions/10366670/how-to-compile-simd-code-with-gcc
X86的SIMD指令 ...simd instrucitons in X86：https://www.ibm.com/developerworks/cn/linux/l-gccsimd/index.html
