gcc 中针对小型或固定大小数据的优化 memcpy

Question

我使用 memcpy 复制可变大小的数据和固定大小的数据。在某些情况下，我复制少量内存（只有少数字节）。在 GCC 中，我记得 memcpy 曾经是一个内在的/内置的。然而，通过分析我的代码（使用 valgrind），我看到了对 glibc 中实际“memcpy”函数的数千次调用。

使用内置函数需要满足什么条件？我可以快速滚动我自己的 memcpy，但我确信内置函数比我能做的更有效。

注意：在大多数情况下，要复制的数据量可作为编译时常量使用。

CXXFLAGS: -O3 -DNDEBUG

我现在使用的代码，强制内置函数，如果去掉 _builtin 前缀，则不会使用内置函数。这是使用 T=sizeof(type) 从各种其他模板/函数调用的。使用的大小是 1、2、4 的倍数、一些 50-100 字节大小以及一些更大的结构。

template<int T>
inline void load_binary_fixm(void *address)
{
    if( (at + T) > len )
        stream_error();

    __builtin_memcpy( address, data + at, T );
    at += T;
}

Answer 1

对于 T 很小的情况，我会专门化并使用本机分配。

例如，当 T 为 1 时，只需分配一个字符。

如果您知道地址是对齐的，请使用适合您平台的适当大小的 int 类型。

如果地址未对齐，您最好进行适当数量的字符分配。

这样做的目的是避免分支并保留计数器。

当 T 很大时，如果你做得比库 memcpy() 更好，我会感到惊讶，并且函数调用开销可能会在噪音中消失。如果您确实想优化，请查看周围的 memcpy() 实现。有些变体使用扩展指令等。

更新：

查看有关内联 memcpy 的实际（！）问题，诸如编译器版本和平台之类的问题变得相关。出于好奇，您是否尝试过使用 std::copy ，如下所示：

template<int T>
inline void load_binary_fixm(void *address)
{
    if( (at + T) > len )
        stream_error();

    std::copy(at, at + T, static_cast<char*>(address));
    at += T;
}