SSE4.2、AVX2、BMI2 和 AVX512 指令分别优化 MurmurHash3 的 32 位散列计算、128 位并行哈希、变长键预处理及无锁桶查找流水线，需对应编译选项与硬件支持。
一、使用 SSE4.2 指令加速 MurmurHash3 的 32 位散列计算
MurmurHash3 的核心循环包含多次乘法、异或和旋转操作，SSE4.2 提供的 _mm_crc32_u32 指令可替代部分乘加逻辑，显著提升吞吐量。该方法适用于批量处理固定长度键（如 4 字节整数键），在 x86-64 平台开启 -msse4.2 编译选项后生效。
1、声明包含头文件：#include
2、将输入键按 4 字节对齐分组，每组调用 _mm_crc32_u32(0, key_part) 计算中间哈希值。
3、对各组结果执行 _mm_xor_si128 合并，并通过 _mm_shuffle_epi8 调整字节序以匹配 MurmurHash3 原始混合顺序。
立即学习“C++免费学习笔记（深入）”；
4、最终使用标量指令完成末轮 mixing：将向量化输出转为 uint32_t，代入原始 MurmurHash3 finalizer 函数。
二、AVX2 实现 8 路并行 MurmurHash3_128
针对 16 字节键（如 UUID 或双精度浮点键数组），AVX2 可同时处理 8 个键的哈希计算，避免循环展开开销。此方法依赖 _mm256_load_si256 批量加载与 _mm256_mullo_epi32 并行乘法，需确保输入内存地址 32 字节对齐。
1、使用 alignas(32) std::array<__m256i n> keys; 声明对齐键缓冲区。
2、调用 _mm256_load_si256 一次性加载 8 个 16 字节键到 256 位寄存器。
3、对每个寄存器分量执行 _mm256_shuffle_epi8 实现跨字节旋转，再用 _mm256_mullo_epi32 替代原始 32 位乘法。
4、使用 _mm256_xor_si256 和 _mm256_srli_epi32 完成并行 mixing，最后调用 _mm256_store_si256 写出 256 位哈希结果。
三、基于 BMI2 的 PEXT/PDEP 优化键预处理
当键为不规则长度（如变长字符串）时，BMI2 指令集的 _bzhi_u32 与 _pext_u64 可高效截取/压缩有效字节，消除分支判断开销。该方案适用于哈希表插入前的键归一化阶段，要求 CPU 支持 BMI2（Intel Haswell+ 或 AMD Excavator+）。
1、对原始键长度 len 调用 _bzhi_u32(0xFFFFFFFF, len) 生成掩码。
2、使用 _pext_u64(key_bytes, mask) 将非零字节紧凑提取至低位，跳过填充字节。
3、将压缩后键传入标准 MurmurHash3_32 函数，避免原算法中 while(len >= 4) 分支预测失败惩罚。
4、编译时添加 -mbmi2 标志，并在运行时通过 __builtin_ia32_bmi2_pext 检查指令可用性。
四、无锁哈希桶分区 + SIMD 查找流水线
将哈希表划分为多个独立桶区，每个区绑定一个 AVX512 寄存器组，实现查找请求的指令级流水。当查询键数组到达时，先广播至所有桶区，再用 _mm512_cmpeq_epi8 并行比对键内容，最后用 _mm512_movemask_epi8 提取匹配位图。此结构规避了传统哈希链遍历延迟。
1、定义桶区结构体：含 alignas(64) std::array<__m512i> keys; 与对应 value 数组。
2、查询时调用 _mm512_broadcast_i32x4(_mm_load_si128(&query_key)) 构造广播向量。
3、对每个 keys[i] 执行 _mm512_cmpeq_epi8(broadcast_vec, keys[i])，得到 64 字节比较结果。
4、累加各次 _mm512_movemask_epi8 输出，用 __builtin_popcount 定位首个匹配索引。
