一、基礎原理
Base64是一種用64個Ascii字符來表示任意二進制數據的方法。主要用於將不可打印的字符轉換成可打印字符，或者簡單的說是將二進制數據編碼成Ascii字符。Base64也是網絡上最常用的傳輸8bit字節數據的編碼方式之一。
標準的Base64編碼方式過程可簡單描述如下:
第一步，將每三個字節作爲一組，一共是24個二進制位。
第二步，將這24個二進制位分爲四組，每個組有6個二進制位。
第三步，在每組前面加兩個00，擴展成32個二進制位，即四個字節。
第四步，根據下表，得到擴展後的每個字節的對應符號，這就是Base64的編碼值。
複製一段別人的文件對這個算法進行了後續的描述了，我們以英語單詞Man如何轉成Base64編碼。
| Text content | M | a | n | |||||||||||||||||||||
| ASCII | 77 | 97 | 110 | |||||||||||||||||||||
| Bit pattern | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 0 |
| Index | 19 | 22 | 5 | 46 | ||||||||||||||||||||
| Base64-Encoded | T | W | F | u | ||||||||||||||||||||
第一步，"M"、"a"、"n"的ASCII值分別是77、97、110，對應的二進制值是01001101、01100001、01101110，將它們連成一個24位的二進制字符串010011010110000101101110。
第二步，將這個24位的二進制字符串分成4組，每組6個二進制位：010011、010110、000101、101110。
第三步，在每組前面加兩個00，擴展成32個二進制位，即四個字節：00010011、00010110、00000101、00101110。它們的十進制值分別是19、22、5、46。
第四步，根據上表，得到每個值對應Base64編碼，即T、W、F、u。
如果字節數不足三，則這樣處理：
a）二個字節的情況：將這二個字節的一共16個二進制位，按照上面的規則，轉成三組，最後一組除了前面加兩個0以外，後面也要加兩個0。這樣得到一個三位的Base64編碼，再在末尾補上一個"="號。
比如，"Ma"這個字符串是兩個字節，可以轉化成三組00010011、00010110、00010000以後，對應Base64值分別爲T、W、E，再補上一個"="號，因此"Ma"的Base64編碼就是TWE=。
b）一個字節的情況：將這一個字節的8個二進制位，按照上面的規則轉成二組，最後一組除了前面加二個0以外，後面再加4個0。這樣得到一個二位的Base64編碼，再在末尾補上兩個"="號。
比如，"M"這個字母是一個字節，可以轉化爲二組00010011、00010000，對應的Base64值分別爲T、Q，再補上二個"="號，因此"M"的Base64編碼就是TQ==。
基本就是這個簡單的過程。
由以上過程可以看到，Base64編碼不是一個壓縮過程（反而是個膨脹的過程，處理後體積是增加了1/3的），也不是一個加密過程（沒任何密鑰）。
二、C語言實現
由上述描述可見這是一個比較簡單的過程，通過移位和一些查找表可以快速的寫出一個簡單的版本。
int IM_ToBase64CharArray_C(unsigned char *Input, int Length, unsigned char* Output)
{
static const char* LookUpTable = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/";
int CurrentIndex = 0, ValidLen = (Length / 3) * 3;
for (int Y = 0; Y < ValidLen; Y += 3, CurrentIndex += 4)
{
int Temp = ((Input[Y]) << 24) + (Input[Y + 1] << 16) + (Input[Y + 2] << 8); // 注意C++是Little-Endian佈局的
int V0 = (Temp >> 26) & 0x3f;
int V1 = (Temp >> 20) & 0x3f;
int V2 = (Temp >> 14) & 0x3f;
int V3 = (Temp >> 8) & 0x3f;
Output[CurrentIndex + 0] = LookUpTable[V0];
Output[CurrentIndex + 1] = LookUpTable[V1];
Output[CurrentIndex + 2] = LookUpTable[V2];
Output[CurrentIndex + 3] = LookUpTable[V3];
}
// 如果字節數不足三
int Remainder = Length - ValidLen;
if (Remainder == 2)
{
}
else if (Remainder == 1)
{
}
return IM_STATUS_OK;
}
一個簡單的版本如上所示，注意由於C++的數據在內存中Little-Endian佈局的，因此，低字節在高位，可以通過向上面的移位方式組合成一個int型的Temp變量。然後在提取出各自的6位數據，最後通過查找表來獲得最後的結果。
當輸入的長度不是3字節的整數倍數時，需要獨立的寫相關代碼，如上面的Remainder == 2和Remainder == 1所示，這部分可以自行添加代碼。
上面的代碼，我們用 10000 * 10000 * 3 = 3億長度的數據量進行測試， 純算法部分的耗時約爲 440ms。我們用C#的Convert.ToBase64CharArray方法做同樣的事情，發現C#居然需要640ms。這個有點詫異。
在PC上，我們可以對上述代碼進行適當的改動，使得效率更加優秀。
在PC上，有_byteswap_ulong一個指令，這個指令可以直接對int數據進行大小端的轉換，而且我們反編譯後看到這個內建函數其實就對應了一條彙編指令bswap，改指令的解釋如下：
BSWAP是彙編指令指令作用是：32位寄存器內的字節次序變反。比如：(EAX)=9668 8368H，執行指令：BSWAP EAX ，則(EAX)=6883 6896H。
新的代碼如下所示：
int IM_ToBase64CharArray_C(unsigned char *Input, int Length, unsigned char* Output)
{
static const char* LookUpTable = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/";
int CurrentIndex = 0, ValidLen = (Length / 3) * 3;
for (int Y = 0; Y < ValidLen; Y += 3, CurrentIndex += 4)
{
int Temp = _byteswap_ulong(*(int *)(Input + Y)); // 這個的效率還是高很多的，注意C++是Little-Endian佈局的
int V0 = (Temp >> 26) & 0x3f;
int V1 = (Temp >> 20) & 0x3f;
int V2 = (Temp >> 14) & 0x3f;
int V3 = (Temp >> 8) & 0x3f;
Output[CurrentIndex + 0] = LookUpTable[V0];
Output[CurrentIndex + 1] = LookUpTable[V1];
Output[CurrentIndex + 2] = LookUpTable[V2];
Output[CurrentIndex + 3] = LookUpTable[V3];
}
// 如果字節數不足三
int Remainder = Length - ValidLen;
if (Remainder == 2)
{
}
else if (Remainder == 1)
{
}
return IM_STATUS_OK;
}
反編譯部分代碼如下所示：
可以看到明顯bswap指令。
同樣的3億數據量，上述代碼編譯後執行的耗時約爲350ms。
但是上述代碼是有個小小的問題的，我們知道
int Temp = _byteswap_ulong(*(int *)(Input + Y));
這句代碼實際上是從內存 Input + Y 處加載4個字節，如果在數據的末尾，恰好還剩3個字節時，此時的加載指令實際就會訪問野內存，造成內存錯誤。所以實際編碼時這個位置還是要做適當的修改的。
三、SSE優化實現
上述C的代碼也是非常簡單的，但是由於有一個查表的過程，要把他翻譯成SIMD指令，還是要做一番特備的處理的。 這裏我們找到一個非常優異的國外朋友的博客，基本上把這個算法分析的特別透徹。詳見：http://0x80.pl/notesen/2016-01-12-sse-base64-encoding.html。
該文的作者對Base64的解碼和編碼做了特備全面的解讀，包括普通的scalar優化、SSE、AVX256、AVX512、Neon等代碼都有實現，我這裏只分析下SSE的實現，基本也就是翻譯的過程。
1、數據加載
我們知道，在Base64的過程中，原始數據的3個字節處理完成後變爲4個字節，因此，爲了適應SSE的需求，我們應該只加載連續的12個字節數據，然後把他們擴展到16個字節。
加載12字節數據，有多重方法，一個是直接用_mm_loadu_si128指令，然後把最後四個捨棄掉，這樣的話同樣要注意類似_byteswap_ulong的問題，不要訪問越界的內存。另外還可以自定一個這樣的函數：
// 從指針p處加載12個字節數據到XMM寄存器中，寄存器最高32位清0 inline __m128i _mm_loadu_epi96(const __m128i * p) { return _mm_unpacklo_epi64(_mm_loadl_epi64(p), _mm_cvtsi32_si128(((int *)p)[2])); }
還有一個方式就是使用 _mm_maskload_epi32指令，把最後一個高位的mask設置爲0。
當加載完數據到SSE寄存器後，我們可以按照上述C的代碼進行算法的移位和位運算，得到一個重新組合的數據，但是也可以根據觀察採用下面的一種方式
// Base64以3個字節爲一組，對於任意一個三元組合，其在內存二進制位佈局如下 // [????????|ccdddddd|bbbbcccc|aaaaaabb] // byte 3 byte 2 byte 1 byte 0 -- byte 3 是冗餘的 __m128i In = _mm_loadu_epi96((__m128i*)(Input + Y)); // [bbbbcccc|ccdddddd|aaaaaabb|bbbbcccc] // ^^^^ ^^^^^^^^ ^^^^^^^^ ^^^^ ^表示有效位，這樣的好處是中心對稱了 In = _mm_shuffle_epi8(In, _mm_set_epi8(10, 11, 9, 10, 7, 8, 6, 7, 4, 5, 3, 4, 1, 2, 0 ,1));
通過shuffle混洗後，我們的需要的4個6個位的數據在分佈上都相鄰了，這個時候移位操作就方便了很多。那麼最直接的實現方式如下所示：
// Index_a = packed_dword([00000000|00000000|00000000|00aaaaaa] x 4) __m128i Index_a = _mm_and_si128(_mm_srli_epi32(In, 10), _mm_set1_epi32(0x0000003f)); // Index_a = packed_dword([00000000|00000000|00BBbbbb|00000000] x 4) __m128i Index_b = _mm_and_si128(_mm_slli_epi32(In, 4), _mm_set1_epi32(0x00003f00)); // Index_a = packed_dword([00000000|00ccccCC|00000000|00000000] x 4) __m128i Index_c = _mm_and_si128(_mm_srli_epi32(In, 6), _mm_set1_epi32(0x003f0000)); // Index_a = packed_dword([00dddddd|00000000|00000000|00000000] x 4) __m128i Index_d = _mm_and_si128(_mm_slli_epi32(In, 8), _mm_set1_epi32(0x3f000000)); // [00dddddd|00cccccc|00bbbbbb|00aaaaaa] // byte 3 byte 2 byte 1 byte 0 __m128i Indices = _mm_or_si128(_mm_or_si128(_mm_or_si128(Index_a, Index_b), Index_c), Index_d);
一共有4次移位，4次and運算，以及3次or運算。
直接的這樣實現其實效率也相當的高，因爲都是一些位運算，但是還有一種更爲精妙的實現方式，雖然效率上實際沒有提高多少，但是實現方式看起來確實讓人覺得不錯，一般人還真是想不到。核心代碼如下所示：
// T0 = [0000cccc|cc000000|aaaaaa00|00000000] __m128i T0 = _mm_and_si128(In, _mm_set1_epi32(0x0fc0fc00)); // T0 = [00000000|00cccccc|00000000|00aaaaaa] (c * (1 << 10), a * (1 << 6)) >> 16 (注意是無符號的乘法， 借用16位的乘法實現不同位置的移位，這個技巧很好) T0 = _mm_mulhi_epu16(T0, _mm_set1_epi32(0x04000040)); // T1 = [00000000|00dddddd|000000bb|bbbb0000] __m128i T1 = _mm_and_si128(In, _mm_set1_epi32(0x003f03f0)); // T1 = [00dddddd|00000000|00bbbbbb|00000000] (d * (1 << 8), b * (1 << 4)) T1 = _mm_mullo_epi16(T1, _mm_set1_epi32(0x01000010)); // res = [00dddddd|00cccccc|00bbbbbb|00aaaaaa] __m128i Indices = _mm_or_si128(T0, T1);
這裏的核心技巧是借用16的乘法來實現一個32位內兩個16位部分的不同移位，而且在一個指令內。感覺無法解釋，還是自己看指令吧。
二、數據查表
其實查表，如果是16字節的查表，而且是表的範圍也是0到15，那麼是可以直接使用_mm_shuffle_epi8指令的，這個其實我在前面有個文章的優化裏是用到的，但是Base64是64字節的查表，這個如果查表的數據沒啥特殊性，那SSE指令還真的沒有用於之地的。
但是，Base64的表就是有特殊性，我們看到表的輸入是連續的0到63的值，表的輸出可以分成四類：
第一類： ABCDEFGHIJKLMNOPQRSTUVWXYZ ASCII值連續
第二類： abcdefghijklmnopqrstuvwxyz ASCII值連續
第三類： 0123456789 ASCII值連續，且只有10個數據
第四類： +
第五類： /
那麼對於某個輸入索引 X，我們首先有一些比較指令把輸入數據區分爲某一類，然後每一類可以有對應的結果偏移量，這裏只有5個類，完全在SSE的16個字節的範圍內。同時我們注意觀察，如果把第三類認爲他是10個類，同時這1個類都對應一個相同的偏移量，那麼總共的內別數也還只有14類，沒有超過16的，這樣是更有利於編程的。
那麼怎麼說呢，我感覺這個過程無論用什麼語言表達，可能都還沒有代碼本身意義大。一個可選的優化方式如下所示：
// 0..51 -> 0 // 52..61 -> 1 .. 10 // 62 -> 11 // 63 -> 12 __m128i Shift = _mm_subs_epu8(Indices, _mm_set1_epi8(51)); // 接着在區分 0..25 和 26..51兩組數據: // 0 .. 25 -> 仍然保持0 // 26 .. 51 -> 變爲 13 const __m128i Less = _mm_cmpgt_epi8(_mm_set1_epi8(26), Indices); // 0..26 -> 0 // 26..51 -> 13 // 52..61 -> 1 .. 10 // 62 -> 11 // 63 -> 12 Shift = _mm_or_si128(Shift, _mm_and_si128(Less, _mm_set1_epi8(13))); const __m128i shift_LUT = _mm_setr_epi8('a' - 26, '0' - 52, '0' - 52, '0' - 52, '0' - 52, '0' - 52,'0' - 52, '0' - 52, '0' - 52, '0' - 52, '0' - 52, '+' - 62,'/' - 63, 'A', 0, 0); // 按照Shift的數據這讀取偏移量 Shift = _mm_shuffle_epi8(shift_LUT, Shift);
很簡單的代碼，但是也是很優美的文字。卻能迸發出驚人的效率。我們同樣的測試發現，對於相同的3億數據量，SSE優化編碼後的速度大概是210ms，比優化後的C++代碼塊約70%，比原生的C#函數快了近4倍。
在同樣的作者的較新的一篇文章《Base64 encoding and decoding at almost the speed of a memory copy》中，使用最新的AVX512指令集，獲得了速度比肩memcpy的Base64編解碼實現，這是因爲使用AVX512，可以只用2條指令實現相關的過程，而AVX512一次性可以讀取64個字節的特性，讓這個BASE64的64字節查找表可以直接實現也是這個極速的關鍵所在。
上面這個表沒有SSE的數據，SSE速度大概是AVX2的0.8倍左右。
四、關於解碼
Base64的解碼是編碼的相反過程，就是先進行查找表，然後在進行移位合併。但是不同的地方是，解碼的時候一般是需要進行一些合理性判斷的，如果輸入的數據不在前述的64位範圍內，說明這個是數據是無效的。作爲SSE實現來說，其核心還是在於查表和移位合併，當然這裏查表的方式也有很多優化技巧，這裏可以參考http://0x80.pl/notesen/2016-01-17-sse-base64-decoding.html 一文，那個作者寫的是真的很好。直接閱讀英文版的，可能會受益更多，這裏不進行過多的講解。
但是那個代碼真的值得學習，尤其是其中的數據組合部分。
關於解碼的速度，如果不考慮錯誤判斷和處理，其實基本上和解碼是一個檔次的。測試表面，解碼同樣的比C#自帶的函數也要快很多。
如果想時刻關注本人的最新文章，也可關注公衆號：
