c - 比使用 memset 更快的零内存方法？

Question

我了解到 memset(ptr, 0, nbytes) 确实很快，但是有没有更快的方法(至少在 x86 上)？

我假设 memset 使用 mov，但是在清零内存时大多数编译器使用 xor 因为它更快，对吗？ edit1: 错误，正如 GregS 指出的那样，它只适用于寄存器。我在想什么？

我还请一个比我更了解汇编程序的人查看 stdlib，他告诉我在 x86 上 memset 没有充分利用 32 位宽寄存器。但是当时我很累，所以我不太确定我是否理解正确。

编辑2:我重新审视了这个问题并做了一些测试。这是我测试的内容:

    #include <stdio.h>
    #include <malloc.h>
    #include <string.h>
    #include <sys/time.h>

    #define TIME(body) do {                                                     \
        struct timeval t1, t2; double elapsed;                                  \
        gettimeofday(&t1, NULL);                                                \
        body                                                                    \
        gettimeofday(&t2, NULL);                                                \
        elapsed = (t2.tv_sec - t1.tv_sec) * 1000.0 + (t2.tv_usec - t1.tv_usec) / 1000.0; \
        printf("%s\n --- %f ---\n", #body, elapsed); } while(0)                 \


    #define SIZE 0x1000000

    void zero_1(void* buff, size_t size)
    {
        size_t i;
        char* foo = buff;
        for (i = 0; i < size; i++)
            foo[i] = 0;

    }

    /* I foolishly assume size_t has register width */
    void zero_sizet(void* buff, size_t size)
    {
        size_t i;
        char* bar;
        size_t* foo = buff;
        for (i = 0; i < size / sizeof(size_t); i++)
            foo[i] = 0;

        // fixes bug pointed out by tristopia
        bar = (char*)buff + size - size % sizeof(size_t);
        for (i = 0; i < size % sizeof(size_t); i++)
            bar[i] = 0;
    }

    int main()
    {
        char* buffer = malloc(SIZE);
        TIME(
            memset(buffer, 0, SIZE);
        );
        TIME(
            zero_1(buffer, SIZE);
        );
        TIME(
            zero_sizet(buffer, SIZE);
        );
        return 0;
    }

结果:

<罢工>zero_1 是最慢的，除了 -O3。 zero_sizet 是最快的，在 -O1、-O2 和 -O3 上具有大致相同的性能。 memset 总是比 zero_sizet 慢。 (-O3 的两倍慢)。一件有趣的事情是，在 -O3 时，zero_1 与 zero_sizet 一样快。然而，反汇编函数的指令数量大约是原来的四倍(我认为是循环展开造成的)。此外，我尝试进一步优化 zero_sizet，但编译器总是超过我，但这里并不奇怪。

现在 memset 获胜，之前的结果被 CPU 缓存扭曲了。 (所有测试都在 Linux 上运行)需要进一步测试。接下来我会试试汇编程序 :)

edit3:修复了测试代码中的bug，不影响测试结果

edit4: 在查看反汇编的 VS2010 C 运行时时，我注意到 memset 有一个针对零的 SSE 优化例程。很难击败它。

Answer 1

x86 是相当广泛的设备。

对于完全通用的 x86 目标，带有“rep movsd”的汇编 block 可以一次将零爆破到内存 32 位。尽量确保这项工作的大部分是 DWORD 对齐的。

对于带有 mmx 的芯片，带有 movq 的汇编循环一次可以达到 64 位。

您可能能够让 C/C++ 编译器使用 64 位写入和指向 long long 或 _m64 的指针。目标必须对齐 8 字节以获得最佳性能。

对于带有 sse 的芯片，movaps 很快，但前提是地址是 16 字节对齐的，所以使用 movsb 直到对齐，然后用 movaps 循环完成清除

Win32 有“ZeroMemory()”，但我忘了那是 memset 的宏，还是实际的“好”实现。