arm64 optimization

[emmansun]

• [x] 和普通实现的性能比较（循环一次、二次、三次）。如果性能比较没有优势或者优势不明显，则后续任务无效。使用AMD64 AVX做测试。
• [x] Encode: 提高输入长度处于[16, 48)区间时的性能。如果每次处理12字节，最多循环3次（3*12=36）。
• [x] Decode: 提高输入长度处于[24, 64)区间时的性能。如果每次处理16字节，最多循环3次（3*16=48）。

[emmansun]

相对来说还是有提高的：

cpu: Intel(R) Core(TM) i5-9500 CPU @ 3.00GHz
BenchmarkEncode
BenchmarkEncode/size-16
BenchmarkEncode/size-16-6
76836388            16.59 ns/op  964.22 MB/s           0 B/op          0 allocs/op
BenchmarkEncode/size-32
BenchmarkEncode/size-32-6
50011460            20.78 ns/op 1539.68 MB/s           0 B/op          0 allocs/op
BenchmarkEncode/size-64
BenchmarkEncode/size-64-6
43879375            23.39 ns/op 2735.85 MB/s           0 B/op          0 allocs/op

BenchmarkDecode
BenchmarkDecode/size-24
BenchmarkDecode/size-24-6
64678520            17.71 ns/op 1355.51 MB/s           0 B/op          0 allocs/op
BenchmarkDecode/size-40
BenchmarkDecode/size-40-6
62636364            17.78 ns/op 2249.46 MB/s           0 B/op          0 allocs/op
BenchmarkDecode/size-56
BenchmarkDecode/size-56-6
55863840            19.37 ns/op 2891.07 MB/s           0 B/op          0 allocs/op

普通实现：

cpu: Intel(R) Core(TM) i5-9500 CPU @ 3.00GHz
BenchmarkEncode
BenchmarkEncode/size-16
BenchmarkEncode/size-16-6
64910565            17.95 ns/op  891.44 MB/s           0 B/op          0 allocs/op
BenchmarkEncode/size-32
BenchmarkEncode/size-32-6
34061298            32.49 ns/op  984.87 MB/s           0 B/op          0 allocs/op
BenchmarkEncode/size-64
BenchmarkEncode/size-64-6
19037526            60.55 ns/op 1057.00 MB/s           0 B/op          0 allocs/op

BenchmarkDecode
BenchmarkDecode/size-24
BenchmarkDecode/size-24-6
51205898            22.09 ns/op 1086.67 MB/s           0 B/op          0 allocs/op
BenchmarkDecode/size-40
BenchmarkDecode/size-40-6
33220291            33.59 ns/op 1190.92 MB/s           0 B/op          0 allocs/op
BenchmarkDecode/size-56
BenchmarkDecode/size-56-6
25079103            43.69 ns/op 1281.75 MB/s           0 B/op          0 allocs/op

[emmansun]

v0.6.0