我们可以使用SSE内在函数写入内存映射的PCI设备内存

Question

我有一个用例，其中x86 CPU必须将64字节数据写入PCIe从设备，其内存已被mmapp'ed到用户空间。截至目前，我使用memcpy来做到这一点，但事实证明它非常慢。我们可以使用像_mm_stream_si128这样的英特尔SSE内在函数来加速它吗？或者除了使用DMA之外的任何其他机制。

目标是将所有64个字节打包到一个TLP中并在PCI总线上发送以减少开销。

Answer 1

据我了解，内存映射I / O并不能使某些存储指令变得特殊。来自movq mem, xmm的8B商店与来自mov mem, r64的商店相同。

我认为如果你有64B写入MMIO，你应该用它生成的最有效的指令来做，然后刷新缓存行。生成64B缓冲区，然后执行memcpy（或者使用四个movdqa或两个AVX vmovdqa自行完成）是浪费时间，除非您希望生成64B的代码比memcpy更慢，更容易被中断。定时器中断可以随时进入，包括在你的memcpy期间，如果你在用户空间，你无法禁用中断。由于您无法保证完整的64B写入，因此完全缓存行写入的概率为99.99％，而概率为99.99999％。不会有所作为。

对于MMIO区域的

Streaming stores可能会避免CPU在上一次写入的clflush之后执行读取所有权。 clwb isn't available yet, so the only option is clflush, which evicts the data from cache

非临时加载/存储是所谓的弱排序。 IDK，如果这意味着你需要更多的围栏来保证订购。

流式加载/存储的一个用例是copying from uncacheable memory, like video RAM。我不确定将它们用于MMIO。我找到this article about it，谈论如何从MMIO读取而不只是获得相同的缓存值。