在现代（流水线/超标量）处理器上执行x86 rep指令

3 回答

• 0

  在AMD和英特尔的优化指南中，这样的问题都有很多空间 . 在该领域给出的建议的有效性具有“半衰期” - 不同的CPU代表行为不同，例如：

  • AMD Software Optimization Guide (Sep/2005)，第8.3节，pg . 167：
    执行字符串操作时，请避免使用REP前缀，尤其是在复制内存块时 .

  • AMD Software Optimization Guide (Apr/2011)，第9.3节，pg . 148：
    执行字符串操作时，请明智地使用REP前缀 .

  Intel Architecture Optimization Manual给出了表7-2中各种块复制技术（包括 rep stosd ）的性能比较数据 . 内存复制例程的相对性能，pg . 7-37f . ，对于不同的CPU，再一次在其他CPU上最快的可能不是最快的 .

  在许多情况下，最近的x86 CPU（具有"string" SSE4.2操作）可以通过SIMD单元执行字符串操作，请参阅this investigation .

  要跟进所有这些（和/或当事情再次发生变化时不断更新），请阅读Agner Fog's Optimization guides/blogs .

  回复于 2024-05-02T10:18:01+08:00
• 33

  既然没有人给你任何数字，我会给你一些我通过对我的垃圾收集器进行基准测试而发现的垃圾收集器 . 我要复制的对象长度为60％16字节，其余30％为500 - 8000字节左右 .

  • 前提条件： dst ， src 和 n 都是8的倍数 .

  • 处理器：AMD Phenom（tm）II X6 1090T处理器64位/ linux

  以下是我的三个 memcpy 变体：

  手动编码while循环：

  if (n == 16) {
      *dst++ = *src++;
      *dst++ = *src++;
  } else {
      size_t n_ptrs = n / sizeof(ptr);
      ptr *end = dst + n_ptrs;
      while (dst < end) {
          *dst++ = *src++;
      }
  }
  

  （ ptr 是 uintptr_t 的别名） . 时间：101.16％

  rep movsb

  if (n == 16) {
      *dst++ = *src++;
      *dst++ = *src++;
  } else {
      asm volatile("cld\n\t"
                   "rep ; movsb"
                   : "=D" (dst), "=S" (src)
                   : "c" (n), "D" (dst), "S" (src)
                   : "memory");
  }
  

  时间：103.22％

  rep movsq

  if (n == 16) {
      *dst++ = *src++;
      *dst++ = *src++;
  } else {
      size_t n_ptrs = n / sizeof(ptr);
      asm volatile("cld\n\t"
                   "rep ; movsq"
                   : "=D" (dst), "=S" (src)
                   : "c" (n_ptrs), "D" (dst), "S" (src)
                   : "memory");
  }
  

  时间：100.00％

  req movsq 以微弱优势获胜 .

  回复于 2024-05-02T10:18:01+08:00
• 8

  除了FrankH的优秀答案;我想指出哪种方法最好也取决于字符串的长度，它的对齐方式，以及长度是固定的还是可变的 .

  对于小字符串（可能高达约16个字节），使用简单指令手动执行它可能更快，因为它避免了更复杂技术的设置成本（并且对于固定大小的字符串可以很容易地展开） . 对于中等大小的字符串（可能从16字节到4 KiB），类似“REP MOVSD”（如果可能出现未对准，则会引入一些“MOVSB”指令）可能是最好的 .

  对于任何大于此的东西，有些人会被诱惑进入SSE / AVX和预取等 . 更好的想法是修复调用者/ s以便复制（或strlen（）或其他）几乎总是找不到办法 . 注意：也要非常警惕"supposed"快速mempcy（）例程 - 通常它们已经在大量字符串上进行了测试，并且没有在更可能的微小/小/中等字符串上进行测试 .

  还要注意（出于优化而不是方便的目的）由于所有这些差异（可能是长度，对齐，固定或可变大小，CPU类型等），为所有人提供一个多用途“memcpy（）”的想法不同的情况是近视的 .

  回复于 2024-05-02T10:18:01+08:00