在64位机器上，我可以安全地并行操作64位四字的各个字节吗

背景

我正在对图像中的行和列执行并行操作。我的图像是8位或16位像素，我在64位机器上。当我并行地对列执行操作时，两个相邻列可以共享相同的32位int或64位long。基本上，我想知道我是否可以安全地并行操作同一个四字的单个字节。

最小测试

我写了一个我没能失败的最小测试函数。对于64位long中的每个字节，我在p阶的有限域中同时执行连续的乘法运算。我通过费马小定理a^(p-1) = 1 mod p知道当p是素数时。我为我的8个线程中的每一个更改值a和p，并执行a的k*(p-1)乘法。当线程完成时，每个字节应该是1。事实上，我的测试用例通过了。每次运行时，我都会得到以下输出：

8
101010101010101
1010 10101010101

我的系统是Linux 4.13.0-041300-generic x86_64，带有8核Intel(R)core(TM)i7-7700HQ CPU@2.80GHz。我使用g++7.2.0-O2编译并检查了程序集。我添加了"INNER LOOP"的程序集并对其进行了注释。在我看来，生成的代码是安全的，因为存储区只将较低的8位写入目标，而不是进行一些逐位运算并存储到整个字或四字。g++-O3生成了类似的代码。

问题：

我想知道这个代码是否总是线程安全的，如果不是，在什么情况下它不会是线程安全的。也许我很偏执，但我觉得我需要一次对四字进行操作才能安全。

#include <iostream>
#include <pthread.h>
class FermatLTParams
{
public:
FermatLTParams(unsigned char *_dst, unsigned int _p, unsigned int _a, unsigned int _k)
: dst(_dst), p(_p), a(_a), k(_k) {}
unsigned char *dst;
unsigned int p, a, k;
};
void *PerformFermatLT(void *_p)
{  
unsigned int j, i;
FermatLTParams *p = reinterpret_cast<FermatLTParams *>(_p);
for(j=0; j < p->k; ++j)
{    
//a^(p-1) == 1 mod p
//...BEGIN INNER LOOP
for(i=1; i < p->p; ++i)
{
p->dst[0] = (unsigned char)(p->dst[0]*p->a % p->p);
}
//...END INNER LOOP
/* gcc 7.2.0 -O2  (INNER LOOP)
.L4:
movq    (%rdi), %r8             # r8 = dst
xorl    %edx, %edx              # edx = 0
addl    $1, %esi                # ++i
movzbl  (%r8), %eax             # eax (lower 8 bits) = dst[0]
imull   12(%rdi), %eax          # eax =  a * eax
divl    %ecx                    # eax = eax / ecx;   edx = eax % ecx    
movb    %dl, (%r8)              # dst[0] = edx (lower 8 bits)
movl    8(%rdi), %ecx           # ecx = p
cmpl    %esi, %ecx              # if (i < p)
ja      .L4                     #   goto L4
*/
}
return NULL;
}
int main(int argc, const char **argv)
{
int i;
unsigned long val = 0x0101010101010101; //a^0 = 1
unsigned int k = 10000000;
std::cout << sizeof(val) << std::endl;
std::cout << std::hex << val << std::endl;
unsigned char *dst = reinterpret_cast<unsigned char *>(&val);
pthread_t threads[8];
FermatLTParams params[8] = 
{ 
FermatLTParams(dst+0, 11, 5, k),
FermatLTParams(dst+1, 17, 8, k),
FermatLTParams(dst+2, 43, 3, k),
FermatLTParams(dst+3, 31, 4, k),
FermatLTParams(dst+4, 13, 3, k),
FermatLTParams(dst+5, 7, 2, k),
FermatLTParams(dst+6, 11, 10, k),
FermatLTParams(dst+7, 13, 11, k)
};
for(i=0; i < 8; ++i)
{
pthread_create(threads+i, NULL, PerformFermatLT, params+i);
}
for(i=0; i < 8; ++i)
{
pthread_join(threads[i], NULL);
}
std::cout << std::hex << val << std::endl;
return 0;
}