Android Neon支持

什么是Neon？

ARM NEON是Cortex-A系列处理器的128位SIMD（单指令多数据）扩展架构，用于加速多媒体处理（如视频编解码、图像渲染）。特点有：

• 16个128位寄存器（Q0-Q15），支持整数、浮点运算
• 性能提升：视频编解码加速60%-150%，部分算法加速5-8倍
• 应用场景：Android、Ubuntu、Skia图形库等
  Cortex-A系列处理器自ARMv7架构引入并在ARMv8架构中默认继承，主要服务于移动设备、智能电视等场景的多媒体处理需求。

技术规格与性能特点

NEON通过单指令并行处理多组数据，支持整数、浮点以及多项式运算，广泛应用于视频编解码、图像处理以及3D图形渲染等领域。核心特点包括：

• ‌寄存器结构‌：包含16个128位寄存器(Q0-Q15)，可拆分为32个64位寄存器(D0-D31)，支持8-64位整型及浮点数据类型的高效处理‌
• ‌**性能提升‌：**实际应用中可实现视频解码性能提升60%-150%，在Skia图形库、FFmpeg等开源项目中特定算法加速达5-8倍‌
• ‌**开发支持‌：**提供OpenMAX DL加速库、矢量化编译器与汇编接口，支持C语言内部函数、编译器自动向量化及手工汇编优化方式‌

由于本文主要是介绍Android中对NEON的支持，所以知道该技术是什么，能干什么，有什么特点，什么时候选择即可，如果要了解Arm技术详细细节，请参考官方文档 ArmV8 ArmV7。

实际性能表现

NEON在移动设备上的性能表现经过多项测试验证：

• ‌基准测试‌：相比ARMv5性能提升3倍，为ARMv6 SIMD性能的2倍‌
• 开发者实测‌：NEON汇编代码在RGB24到BGR24转换上比纯C语言实现快17倍‌
• 系统集成‌：被集成至Android、Ubuntu等系统的高负载场景中，显著提升多媒体处理效率‌
• ‌能效比‌：在移动设备上表现出优于x86平台SIMD技术的能效比，特别适合电池供电设备‌

与其他SIMD技术对比

特性	NEON (ARM)	SSE (Intel)	AVX (Intel)
架构	128位SIMD	128/256位SIMD	256/512位SIMD
寄存器数量	16个128位寄存器	8个128位寄存器	16个256位寄存器
主要应用	移动设备多媒体	桌面多媒体	高性能计算
能效比	高	中等	较低
开发难度	中等	中等	高
NEON与Intel的SSE/AVX类似，但针对ARM架构优化，在移动设备上具有更好的能效比和集成度‌

开发者与专业评价

• 生态系统‌：已被许多领先企业广泛采用，构成完整的NEON生态系统，包括博通、三星、TI等厂商‌
• ‌用户体验‌：显著增强视频播放、游戏处理、照片编辑和语音识别等多媒体体验‌
• ‌专业评测‌：被认为是多媒体应用领域最为优越的处理器之一，简化了软件在不同平台之间的移植‌
• ‌开发工具‌：为ARM开发者提供了强大的并行计算能力，可以显著提高图像处理、音频处理和信号处理等应用的性能‌

总结

NEON处理器在移动设备上表现出色，特别是在多媒体处理方面：

• ‌优势‌：高性能SIMD计算、优秀的能效比、完善的开发工具链
• ‌局限‌：适用场景主要限于多媒体和信号处理，通用计算能力有限
• 适用场景‌：视频编解码、图像处理、3D图形渲染、音频处理等多媒体应用
  对于移动设备开发者，合理利用NEON技术可以显著提升应用性能，特别是在多媒体处理领域。对于普通用户，搭载NEON技术的设备能提供更流畅的多媒体体验和更长的电池续航。

Android支持

前面我们用较大的篇幅介绍了Neon是什么，能干什么，那么我们看看Android对Neon的支持。
所有机遇ARMv8(“arm64”)的Android设备都支持Neon。几乎所有基于ARMv7（“32位”）的Andorid设备都支持Neon,包括搭载API级别21或者更高级别的所有设备。NDK默认会为这两个Arm ABI启用Neon。
为了实现最大兼容性，32位代码可执行运行时检测，已确认Neon代码能够在目标设备上运行。应用可以使用CPU功能（官方介绍需要科学上网，下面会将官方介绍中的CPU功能贴上）中提及的任一选项执行此检查。
开发者不应该在C/C++代码中编写显式Neon内建函数。Clang 的可移植矢量类型（下面会有介绍）将自动使用 Neon 指令。Clang 的 Neon 内在函数实际上只是可移植类型的一个不可移植封装容器，因此编写 Neon 内在函数并不会使您的代码比使用可移植类型更快，只会降低代码的可移植性。

构建

注意：对于 NDK r21 及更高版本，默认情况下，系统会为所有 API 级别启用 Neon。如果您需要停用 Neon 以支持非 Neon 设备（很少见），请用相反的值完成下述设置。另外，对于不支持 Neon 的 CPU，可使用 Play 商店管理中心来排除相应 CPU，以防您的应用安装到这些设备上。

全局停用 Neon

要停用 NEON 在 ndk-build 模块中构建所有源文件，请将以下内容添加到 Android.mk 的模块定义中：

LOCAL_ARM_NEON := false

如需在 CMake 目标中构建所有源文件（不使用 Neon），请将以下内容添加到 CMakeLists.txt 中：

if(ANDROID_ABI STREQUAL armeabi-v7a)set_target_properties(${TARGET} PROPERTIES COMPILE_FLAGS -mfpu=vfpv3-d16)
endif()

其中 ${TARGET} 替换为您的库名称。

对 x86 提供跨平台支持

NDK 支持使用第三方 NEON_2_SSE.h 将您现有的 ARM SIMD (Neon) 内建函数跨平台编译到 x86 SSE 代码中。要详细了解此内容，请参阅 From ARM NEON to Intel SSE-the automatic porting solution, tips and tricks（从 ARM NEON 到 Intel SSE：自动移植解决方案、提示与技巧）。

示例代码

矢量化示例演示了如何使用各种矢量化工具来实现矩阵相乘，并比较了它们的性能。

Clang 的可移植矢量类型

Clang 的可移植矢量类型是Clang 编译器支持的一种跨平台 SIMD 向量类型，旨在提供与底层硬件无关的向量操作接口。以下是关键信息：

核心特性

• 自动映射到Neon 指令：在Android NDK中，Clang 的可移植矢量类型会自动使用ARM
  NEON指令集优化代码，无需显式调用Neon 内在函数。‌
• 与GNU C SIMD 向量扩展兼容：Clang 支持匹配GNU
  C的SIMD向量类型，例如通过__builtin_convertvector实现类型转换检测。‌
  代码示例

#include <immintrin.h> // 包含SIMD头文件
using vec4f = __m128;  // 定义4个float的SIMD向量类型
vec4f a = _mm_set1_ps(3.0f); // 初始化向量
vec4f b = _mm_add_ps(a, a);  // 向量加法

与Neon内在函数的区别

• 可移植性：使用可移植矢量类型可避免硬编码Neon指令，提升代码跨平台兼容性。‌
• 性能差异：Neon内在函数可能提供更直接的硬件控制，但会牺牲可移植性。‌

编译器支持

• Clang 16+：支持C++20标准中的SIMD向量类型（如std::vectorizable）。‌
• LLVM IR：编译时会将可移植类型转换为对应目标平台的SIMD指令。‌

CPU功能

ABI：使用预处理器的预定义宏
通常，在构建时使用 #ifdef 及以下各项确定 ABI 最为方便：对于 32 位 ARM，使用 __arm__
对于 64 位 ARM，使用 __aarch64__
对于 32 位 X86，使用 __i386__
对于 64 位 X86，使用 __x86_64__
请注意：32 位 X86 称为 __i386__，而不是 __x86__，这可能与您预想的有所不同！CPU 核心计数：使用 libc 的 sysconf(3)
[sysconf(3)](https://man7.org/linux/man-pages/man3/sysconf.3.html) 既可以查询 _SC_NPROCESSORS_CONF（系统中的 CPU 核心数），又可以查询 _SC_NPROCESSORS_ONLN（当前可供使用的 CPU 核心数）。功能：使用 libc 的 [getauxval(3)](https://man7.org/linux/man-pages/man3/getauxval.3.html)
在 API 级别 18 及更高版本中，Android 的 C 库开始支持 getauxval(3)。AT_HWCAP 和 AT_HWCAP2 参数会返回列出特定 CPU 功能的位掩码。请参阅 NDK 中的各种 hwcap.h 头文件以获取要进行比较的常量，如用于 arm64 SHA512 指令的 HWCAP_SHA512，或用于 arm Thumb 整数除法指令的 HWCAP_IDIVT。Google cpu_features 库
AT_HWCAP 的一个问题是有时设备会出错。例如，一些旧设备宣称拥有整数除法指令，但实际上并没有。[Google 的 cpu_features](https://github.com/google/cpu_features) 库凭借其对特定 SoC 的了解（通过解析 /proc/cpuinfo 掌握相应的 SoC），解决了此类问题。维护此库是为了供 Google 的第一方应用团队使用，并且此库中包含针对这些团队实际遇到的所有问题设备的解决方法。NDK cpufeatures 库（已弃用）
NDK 仍然提供了一个名为 cpufeatures 的已废弃库，以便与已经使用此库的应用实现源代码兼容。与更新且更完善的 [
](https://github.com/google/cpu_features) 库不同，此旧库没有针对很多特定 SoC 设置权宜解决方法。