本节介绍非32字节对齐数据的更多处理方式，包括数据搬入、计算和搬出的处理。用户在实际算子开发中，可以参考如下方案介绍和算子样例灵活地处理非对齐场景。
[object Object]
下文描述中的Global指Global Memory上的tensor，Local指Local Memory上的tensor。
下面是一些非对齐搬运和计算的例子。
非对齐搬入
当需要从Global拷贝11个half数值到Local时，为保证搬运的数据长度32字节对齐，使用DataCopy拷贝16个half（32B）数据到Local上，Local[11]~Local[15]被写成无效数据-1。
图 1 非对齐搬入[object Object][object Object]
非对齐搬出
当需要从Local拷贝11个half数值到Global时，为保证搬运的数据长度32字节对齐，使用DataCopy拷贝16个half（32B）数据到Global上，Global[11]~Global[15]被写成无效数据-1。
图 2 非对齐搬出[object Object][object Object]
矢量计算起始地址非32字节对齐的错误示例
矢量计算时需要保证起始地址32字节对齐，如下的示例中，从Local1[7]，即LocalTensor的第8个数开始计算，起始地址不满足32字节对齐，是错误示例。
图 3 矢量计算起始地址非32字节对齐的错误示例[object Object][object Object]
DataCopyPad接口提供非对齐搬运的功能，如果基于该接口支持的产品开发算子（参见产品支持情况），则可以直接使用该接口解决非对齐场景下的搬运问题。使用DataCopyPad的完整示例请参考。
部分型号不支持DataCopyPad接口，需要参考如下的方案处理。
图 4 非对齐处理方案示意图[object Object][object Object]
由于搬入时搬运的数据长度必须保证32字节对齐。数据长度非对齐的情况下，从Global逐行搬运Tensor数据到Local中，Local中每行都存在冗余数据。
搬入后，进行矢量计算时对冗余数据的处理方式有以下几种：
- 冗余数据参与计算。一般用于elewise计算场景。
- 通过mask参数掩掉冗余数据。一般用于轴归约计算等场景。
- 通过Duplicate逐行清零。计算前，针对每一行数据，调用基础API 对冗余数据位置填充0值。
- 通过Pad一次性清零。计算前，针对多行数据，可以采用高阶API 接口对冗余数据一次性清零。
由于搬出时搬运的数据长度和操作数的起始地址（UB上）必须保证32字节对齐，搬出时可以选择去除冗余数据或者带着冗余数据搬出的方式。
- 使用UnPad接口去除冗余数据后搬出。待搬出的有效数据总长度满足32字节对齐时，可使用高阶API 接口去除冗余数据并完整搬出。
- 使用GatherMask收集有效数据后搬出。待搬出的有效数据总长度大于等于32字节时，可使用重新收集有效数据，保证搬出的有效数据起始地址和数据长度32字节对齐。
- 带冗余数据搬出。注意多核处理时开启原子加（使用接口），防止数据踩踏。
下面分别对上述几种处理方案做详细说明。
冗余数据参与计算
如下图所示，对前11个half数据进行Abs计算，冗余数据可以参与计算，不影响最终结果。步骤为：
- 使用DataCopy从Global搬运16个half数据到Local1中，包含冗余数据-11~-15；
- 直接使用Abs做整块计算，不用计算尾块大小，冗余数据参与计算。
图 5 冗余数据参与计算[object Object][object Object]
使用mask掩掉冗余数据
如下图所示，假设输入数据的shape为16 * 4，将输入数据搬入到UB后每行数据前4个half数据为有效数据，其余为冗余数据。为只对前4个half数据进行ReduceMin计算，可以通过设置mask参数的方法掩掉冗余数据。针对每行数据的处理步骤为：
- 使用DataCopy从Global搬运16个half数据到Local1中；
- 对归约计算的目的操作数Local2清零，如使用Duplicate等；
- 进行归约操作，将ReduceMin的mask模式设置为前4个数据有效，从而掩掉冗余数据。
图 6 使用mask掩掉脏数据[object Object][object Object]
通过Duplicate逐行清零。
如下图所示，对于搬入后的非对齐数据，逐行进行Duplicate清零处理，步骤为：
使用DataCopy从Global搬运16个half数据到Local中；
使用基础API Duplicate，按照如下方式设置mask值，控制仅后5个元素位置有效，将冗余数据填充为0。
[object Object]
图 7 通过Duplicate逐行清零[object Object][object Object]
通过Pad一次性清零。
如下图所示，假设输入数据的shape为16 * 6，搬入Local后大小为16 * 16，每行都包含冗余数据，逐行清零性能较差，可以使用Pad一次性清零，步骤为：
- 将16 * 6的数据从GM上逐行搬入UB后，每行有6个有效数据；
- 使用Pad接口将冗余数据位置填充为0。（对应Pad接口使用场景为：tensor的width已32B对齐，但是有部分冗余数据）。
图 8 通过Pad一次性清零[object Object][object Object]
使用UnPad接口去除冗余数据后搬出。
如下图所示，Local内存大小为16*16，每行中只有前6个数为有效数据， 要搬出的有效数据16 * 6满足32B对齐，可以使用UnPad接口去除冗余数据并完整搬出。步骤如下：
- 使用UnPad高阶API去除冗余值；
- 使用DataCopy搬运出连续的16 * 6个half数据到Global中。
图 9 使用UnPad接口去除冗余数据后搬出[object Object][object Object]
使用GatherMask收集有效数据后搬出。
如下图所示，为搬出19个half数据到Global中，有16-18这3个数据的搬运无法满足对齐要求，使用GatherMask对有效数据进行重新收集，收集3-18这16个数据并搬出。步骤如下：
- 完整拷贝前16个half（32B）数据到Global中；
- 使用GatherMask接口，将Local1[3]~[18]的数Gather到Local2中，Local2从对齐地址开始；
- 从Local2中搬运Gather的数据（32B整数倍）到Global中。
图 10 使用GatherMask收集有效数据后搬出。[object Object][object Object]
带冗余数据搬出
如下图所示，有4个核参与计算，每个核拷贝出4个数，每个核上拷贝的数据长度不满足32字节对齐，采用将冗余数据一起搬出的方式，步骤如下：
将目标Global完整清零，可以通过在host清零或者在kernel侧用UB覆盖的方式处理；
将本核内的Local数据，除了要搬出的4个有效数据，其余冗余部分清零（使用Duplicate接口）；
使用原子累加的方式拷贝到Global，原子累加结合冗余数据清零，确保不会出现数据踩踏。
图 11 带冗余数据搬出[object Object][object Object]
-
本样例中展示了shape为128 * 18的tensor进行Abs计算的算子实现。针对每行数据的处理方案如下：
搬入后，每行数据的后14个数为冗余数据。Abs接口入参BLOCKLEN_CEIL为32个数，是18个数进行32字节对齐后的结果，有14个冗余数据参与计算。
[object Object]计算完成后，通过GatherMask的bufPattern入参控制收集18个数中的后16个数。
[object Object]首先使用DataCopy搬运前16个数，然后搬运后16个数，中间的14个数存在重复搬运。注意：因为DataCopy的目的地址存在重叠所以需要通过PipeBarrier添加流水同步。
[object Object]搬入时要保证32字节对齐，所以要将输入的最后一行补齐到32字节对齐，防止访问非法数据，main.cpp中对GM上输入的长度的定义如下：
[object Object] [object Object][object Object]样例二：。
本样例中展示了shape为64 * 11的tensor进行Abs计算的算子实现。 共使用4个核，每个核处理16 * 11个数据。
搬入后，每行数据的后5个数为冗余数据。通过Duplicate接口对每行数据中的后5个数据进行清零。
[object Object]搬出时，带冗余数据搬出并开启原子累加，BLOCKLEN_CEIL中包含冗余数据。
[object Object]所以在初始化时，需要对GM数据进行清零，清零代码如下，示例中多个核都调用接口进行清零，需要调用SyncAll进行核间同步。
[object Object]搬入时要保证32字节对齐，需要将输入的最后一行补齐到32字节对齐，防止访问非法数据；搬出时带冗余数据搬出，输出的最后一行也需要补齐到32字节对齐。main.cpp中对GM上输入输出的长度的定义如下：
[object Object]-
本样例中展示了shape为2048 * 14的tensor进行Abs计算的算子实现。 共使用8个核，每个核处理256 * 14个数据。
搬入后，每行数据的后2个数为冗余数据。Abs接口入参BLOCK_GROUP_NUM * BLOCKLEN_CEIL为连续的16行数据，每行16个数，每行的冗余数据参与计算。
[object Object]计算后，使用UnPad接口去除冗余数据后再搬出，通过unPadParams.rightPad参数控制去除每行最后的2个冗余数据。
[object Object]注意：UnPad接口需要传入tiling参数。abs_unpad_tiling.cpp中关键计算过程如下：
[object Object]tiling参数需要通过核函数的入参传入到kernel侧，供UnPad高阶API使用。
[object Object]搬入时要保证32字节对齐，所以要将输入的最后一行补齐到32字节对齐，防止访问非法数据，main.cpp中对GM上输入的长度的定义如下。
[object Object] -
本样例中展示了shape为2048 * 7的tensor进行Abs计算的算子实现。 共使用8个核，每个核处理256 * 7个数据。
搬入后，每行数据的后9个数为冗余数据。每个核上通过Pad接口将256 * 9的冗余数据块整体清零后参与Abs计算。
[object Object]注意：Pad接口需要传入tiling参数。abs_pad_tiling.cpp中关键计算过程如下：
[object Object]tiling参数需要通过核函数的入参传入到kernel侧，供Pad高阶API使用。
[object Object]搬入时要保证32字节对齐，需要将输入的最后一行补齐到32字节对齐，防止访问非法数据；搬出时带冗余数据搬出，输出的最后一行也需要补齐到32字节对齐。main.cpp中对GM上输入输出的长度的定义如下：
[object Object] -
本样例中展示了shape为16 * 4的tensor每行数据进行ReduceMin计算的算子实现。 共使用4个核，每个核处理4 * 4个数据。
搬入后，每行数据的后12个数为冗余数据。通过ReduceMin的入参Mask控制只有前4个数参与计算。
[object Object]搬入时要保证32字节对齐，需要将输入的最后一行补齐到32字节对齐，防止访问非法数据；搬出时带冗余数据搬出，输出的最后一行也需要补齐到32字节对齐。main.cpp中对GM上输入输出的长度的定义如下：
[object Object]