optimization - SSEのZeroMemory

Question

SSEを使用した単純なZeroMemory実装が必要です（SSE2を推奨）誰かがそれを手伝ってくれますか？私はSOとネットを介して検索していましたが、それに対する直接の答えは見つかりませんでした。

Answer 1

十分ですかZeroMemory()？memset()

免責事項: 以下の一部は SSE3 である可能性があります。

1. アドレスが 16 の倍数になるまでループして、アラインされていない先行バイトを埋める
2. pushxmm reg を保存するには
3. pxorxmm reg をゼロにする
4. 残りの長さ >= 16 の間、
   1. movdqaまたはmovntdq書き込みを行う
5. popxmm reg を復元します。
6. アラインされていない末尾のバイトを埋めます。

movntdqデータをキャッシュに取り込まないようにプロセッサに指示するため、高速に見えるかもしれませんが、データが使用される場合、後でパフォーマンスが低下する可能性があります。メモリを解放する前にスクラブしている場合 ( の場合のように)、より適切な場合がありますSecureZeroMemory()。

Answer 2

CPU がどのように機能し、ボトルネックがどこにあるかを正確に理解する必要があるよりも、コードを高速化したいと考えています。

ここでは、どのように作成する必要があるかを示すために、速度を最適化したルーチンを示します。

私のPCでは、あなたのPCよりも約5倍高速です（1MBytesのメモリブロックをクリアします）。テストして、何かが明確でないかどうか尋ねてください：

//edx = memory pointer must be 16 bytes aligned
//ecx = memory count must be multiple of 16 
    xorps       xmm0, xmm0                      //Clear xmm0
    mov         eax, ecx                        //Save ecx to eax
    and         ecx, 0FFFFFF80h                 //Clear only 128 byte pages
    jz          @ClearRest                      //Less than 128 bytes to clear
@Aligned128BMove:
    movdqa      [edx], xmm0                     //Clear first 16 bytes of 128 bytes 
    movdqa      [edx + 10h], xmm0               //Clear second 16 bytes of 128 bytes 
    movdqa      [edx + 20h], xmm0               //...
    movdqa      [edx + 30h], xmm0
    movdqa      [edx + 40h], xmm0
    movdqa      [edx + 50h], xmm0
    movdqa      [edx + 60h], xmm0
    movdqa      [edx + 70h], xmm0
    add         edx, 128                        //inc mem pointer
    sub         ecx, 128                        //dec counter
    jnz         @Aligned128BMove
@ClearRest:
    and         eax, 07Fh                       //Clear the rest
    jz          @Exit
@LoopRest:
    movdqa      [edx], xmm0
    add         edx, 16
    sub         eax, 16
    jnz         @LoopRest
@Exit:

Answer 3

CPU のほぼすべてのトランジスタは、何らかの方法でメモリ アクセスを可能な限り高速化するために使用されます。CPU はすでにすべてのメモリ アクセスで驚くべき仕事をしており、命令は可能なメモリ アクセスよりも大幅に速い速度で実行されます。

したがって、 memset を打ち負かすことは、ほとんどの場合、ほとんど無駄な作業です。これは、メモリの速度によって既に制限されているためです (他の人が述べたように)。