我想在amd64程序集中用零填充4096字节的数组（与4096字节边界对齐）。我正在寻找便携式和单CPU类型的解决方案。
我知道rep stosq可以解决问题，但有什么更快的吗？ MMX？ SSE？它快多少？一条指令可以写入内存多少字节（没有rep）？我们可以假设内存缓存为空。我不需要一个完全正常工作的函数实现，我只需要基本的想法及其关键的汇编指令。
我刚看到movdqa指令，一次可写16个字节。它的速度是每个8字节的2 mov条指令的两倍吗？
答案 0 :(得分：2)
通过查看Agner Fog asmlib中文件memset64.asm中的源代码，可以找到问题的答案。
他的代码有一个AVX和SSE的版本。据我所知，对于某个大小小于_mm256_store_ps (vmovaps)的数组，代码会MemsetCacheLimit。对于较大的数组大小，他使用_mm256_stream_ps (vmovntps)进行非临时存储。还有其他几个因素会影响结果。看代码。对于使用内部函数的C / C ++的大多数情况，你可能会获得相同的性能。
请注意，GCC中的内置memset函数以及我检查过的glibc中的版本都是not optimized（这是memset在asmlib中的一个原因）。