Question

如果我要编写一个针对SSE2 / SSE3优化的便携式memcpy操作系统，它会是什么样子？我想支持GCC和ICC编译器。我问的原因是memcpy用glibc中的汇编代码编写而没有针对SSE2 / SSE3进行优化，而其他通用memcpy实现可能无法充分利用具有数据对齐和大小等的系统功能。

这是我当前的memcpy，它考虑了数据对齐并针对SSE2进行了优化（我认为），但不适用于SSE3：

#ifdef __SSE2__
// SSE2 optimized memcpy()
void *CMemUtils::MemCpy(void *restrict b, const void *restrict a, size_t n)
{
    char *s1 = b;
    const char *s2 = a;
    for(; 0<n; --n)*s1++ = *s2++;
    return b;
}
#else
// Generic memcpy() implementation
void *CMemUtils::MemCpy(void *dest, const void *source, size_t count) const
{
#ifdef _USE_SYSTEM_MEMCPY
    // Use system memcpy()
    return memcpy(dest, source, count);
#else

    size_t blockIdx;
    size_t blocks = count >> 3;
    size_t bytesLeft = count - (blocks << 3);

    // Copy 64-bit blocks first
    _UINT64 *sourcePtr8 = (_UINT64*)source;
    _UINT64 *destPtr8 = (_UINT64*)dest;
    for (blockIdx = 0; blockIdx < blocks; blockIdx++) destPtr8[blockIdx] = sourcePtr8[blockIdx];

    if (!bytesLeft) return dest;

    blocks = bytesLeft >> 2;
    bytesLeft = bytesLeft - (blocks << 2);

    // Copy 32-bit blocks
    _UINT32 *sourcePtr4 = (_UINT32*)&sourcePtr8[blockIdx];
    _UINT32 *destPtr4 = (_UINT32*)&destPtr8[blockIdx];
    for (blockIdx = 0; blockIdx < blocks; blockIdx++) destPtr4[blockIdx] = sourcePtr4[blockIdx];

    if (!bytesLeft) return dest;

    blocks = bytesLeft >> 1;
    bytesLeft = bytesLeft - (blocks << 1);

    // Copy 16-bit blocks
    _UINT16 *sourcePtr2 = (_UINT16*)&sourcePtr4[blockIdx];
    _UINT16 *destPtr2 = (_UINT16*)&destPtr4[blockIdx];
    for (blockIdx = 0; blockIdx < blocks; blockIdx++) destPtr2[blockIdx] = sourcePtr2[blockIdx];

    if (!bytesLeft) return dest;

    // Copy byte blocks
    _UINT8 *sourcePtr1 = (_UINT8*)&sourcePtr2[blockIdx];
    _UINT8 *destPtr1 = (_UINT8*)&destPtr2[blockIdx];
    for (blockIdx = 0; blockIdx < bytesLeft; blockIdx++) destPtr1[blockIdx] = sourcePtr1[blockIdx];
    return dest;
#endif
}
#endif

并非所有memcpy实现都是线程安全的，这只是制作我们自己版本的另一个原因。所有这一切使我得出结论，我至少应该尝试创建一个线程安全的OS可移植memcpy，它针对SSE2 / SSE3进行了优化。

我还读过GCC支持使用-funroll-loops编译器选项的积极展开，如果没有重大的缓存未命中，这可以提高SSE2和/或SSE3的性能吗？

为32位和64位架构制作不同的memcpy版本是否有性能提升？

复制前预先校准内部存储器缓冲区是否有任何性能提升？

如何使用#pragma loop控制SSE2 / SSE3自动并行化程序如何考虑循环代码？据说可以通过for（）循环移动连续数据区域#pragma loop。

我是否需要使用GCC编译器选项-fno-builtin-memcpy甚至使用-O3来强制编译器在添加我自己的memcpy时内联GCC memcpy？或者只是在我的代码中覆盖memcpy就足够了？

更新：经过一些测试后，在我看来，SSE2优化memcpy()并不是那么快，值得付出努力。我问过question in that regard on the Intel C/C++ Compiler forums。

针对SSE2＆amp; amp; s优化的OS便携式memcpy SSE3

0 个答案: