連載1 高速なメモリーコピー その６

今回はパターン3についてです。
コピー元：0x11111115
コピー先：0x22222229

の場合はとりあえずパターン2と同様に最初の11バイトをmemcpy()で処理して次のアドレスからメインの処理を開始します。
コピー元：0x11111120
コピー先：0x22222234

最初のmemcpy()でコピー元のアライメントが揃うので、読み込みは何も考えずにmovdqaで16バイトずつガンガン読込んでいきます。

問題は書き込みです。このままではアライメントが揃っていないのでmovntdqが使えません。そこで、読込んだ16バイトの内、12バイトだけを汎用命令のmovdquで書き込んで、残り4バイトはレジスターに残しておきます。こうすると、次の書き込みアドレスが0x22222240になるので、残りの4バイトと新しく読み込んだ16バイトの内の前方12バイトをレジスター上で合成してからmovntdqで書き込むことができます。

レジスターで合成する処理がちょっと面倒ですが、読み書き共にアライメントが揃うこの方法が私の知る限り最も効率良くメモリーコピーを行えます。

movdqa  xmm0, [esi+ 0];     movdqu  [esi+eax+ 0], xmm0;     add     eax, _SHIFT;     psrldq  xmm0, _SHIFT;   LB_SHIFT( MAIN ):     movdqa  xmm1, [esi+16];     movdqa  xmm3, [esi+32];     movdqa  xmm2, xmm1;     movdqa  xmm4, xmm3;     pslldq  xmm1, 16-_SHIFT;     psrldq  xmm2, _SHIFT;     pslldq  xmm3, 16-_SHIFT;     psrldq  xmm4, _SHIFT;     por     xmm1, xmm0;     por     xmm3, xmm2;     MOVNTDQ [esi+eax+ 0], xmm1;     MOVNTDQ [esi+eax+16], xmm3;       movdqa  xmm1, [esi+48];     movdqa  xmm3, [esi+64];     movdqa  xmm2, xmm1;     movdqa  xmm0, xmm3;     pslldq  xmm1, 16-_SHIFT;     psrldq  xmm2, _SHIFT;     pslldq  xmm3, 16-_SHIFT;     psrldq  xmm0, _SHIFT;     por     xmm1, xmm4;     por     xmm3, xmm2;     MOVNTDQ [esi+eax+32], xmm1;     MOVNTDQ [esi+eax+48], xmm3;       add     esi, 64;     loop    LB_SHIFT( MAIN );

_SHIFTはズレ量を示す定数です。

コピー元：0x11111115

コピー先：0x22222229

の場合の_SHIFTは12となります。これらをマクロにして、ズレ量が１の場合から15の場合の15種類を用意することでどんなアドレスの組み合わせが来ても対応できるようにします。

 

高速なメモリーコピーの紹介は以上です。高速処理はアライメントを揃えることが何より重要。最初からアライメントが揃っている場合や自分で管理出来るときは簡単。

アライメントが揃っている保証が無い場合は少々面倒でもアライメントを揃える工夫をするとプログラムは劇的に早くなるそんなことをメモリーコピーを通じて感じていただけらら幸いです。

次回はベンチマークテストを行って締めくくろうと思います。