C-交换两个大小相等的内存块的最快方法？（解决方案可行性）

这个问题是问题的延伸。这里我提出两种可能的解决方案，我想知道它们的可行性。我将Haswell微体系结构与GCC/ICC编译器一起使用。我还假设内存是对齐的

选项1-我已经分配了一个内存位置，并进行了3次内存移动。（我使用

memmove

而不是

memcpy

来避免复制构造函数）

---

选项2使用AVX或AVX2加载和存储，利用对齐内存。对于这个解决方案，我考虑交换<代码> int <代码>数据类型。

void swap_memory(int *A, int* B, int NUM_ELEMS){

    int i, STOP_VEC = NUM_ELEMS - NUM_ELEMS%8;
    __m256i data_A, data_B;

    for (i=0; i<STOP_VEC; i+=8) {
        data_A = _mm256_load_si256((__m256i*)&A[i]);
        data_B = _mm256_load_si256((__m256i*)&B[i]);

        _mm256_store_si256((__m256i*)&A[i], data_B);
        _mm256_store_si256((__m256i*)&B[i], data_A);
    }

    for (; i<NUM_ELEMS; i++) {
        std::swap(A[i], B[i]);
    }
}

void swap_内存（int*A、int*B、int NUM_元素）{
int i，STOP_VEC=NUM_ELEMS-NUM_ELEMS%8；
__m256i数据_A、数据_B；
对于（i=0；i如果您确信内存已对齐，则使用AVX可能是最好的。请注意，显式执行此操作可能不可移植-最好装饰指针，以便已知它们已对齐（例如，使用
aligned
属性或类似属性）

最有可能的是，选项2（或在语义上这样做的东西）可能更快，因为指针没有受到限制或其他任何东西。编译器可能不知道重新排序内存或保持“aux”不变是安全的

此外，选项2可能更线程安全，具体取决于aux的设置方式

使用一个本地临时文件和memcpy在块中或一次从临时文件到临时文件，甚至一次使用所有临时文件都可以，因为gcc可能能够将其矢量化。避免使用外部临时文件，并确保所有结构都按照对齐方式进行装饰。
选项2的读取次数较少，因此我希望它会更快（当然，这一切都取决于数据的大小，如果所有东西都放在缓存中，那么性能优势就会小得多）

您也可以使用AVX内置的_mm256 _stream _si256而不是存储（这样，在再次读取内存之前，您需要一个围栏）。
我只需执行以下操作：

unsigned char t; 
unsigned char *da = A, *db = B; 
while(TO_MOVE--) { 
   t = *da; 
   *da++ = *db; 
   *db++ = t; 
}

基于这一点，它非常清晰，而且乐观主义者很有可能做得很好。
你分析过它吗？我猜（在优化打开的情况下）gcc/icc会为你矢量化循环，而不是要求你手动执行。OP：“我使用memmove而不是memcpy来避免复制构造函数”→ 什么？这两个函数都只处理原始字节，都不使用复制（或移动）构造函数或赋值运算符。第一种方法可以正确地处理重叠的范围。但是，如果您需要进行所有复制，那么这可能更像是一个设计问题-您应该能够交换两个指针，当然？…请注意--如果指针标记为
\uuuuuuu restrict\uuuuuu
，我希望gcc/icc将循环矢量化为你。如果没有
\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
，我不知道现在有多少编译器会添加非重叠范围的测试，以检查重新排序操作是否安全。我认为你不能使用
alignas
告诉gcc指针f（例如，
alignas（32）foo[32]
）.Option2更好，因为编译器几乎肯定不会将memcpy版本优化为不涉及
aux
的交错循环。您的最后一段可能会以少量计数多次调用memcpy。那么可能是指向对齐存储的指针？我通常只使用gcc属性或定义等rgot认为alignas不是指向内存的东西。gcc特定的方式是
a=\uuuu内置\u假设\u对齐（a，32）
。您还可以
typedef\uu属性（（对齐（32）））int align32\u int
，然后
void foo（align32\u int*a）{
.IIRC，这确实有效，虽然同一个typedef中的alignas不触发，但typedef方法是我通常使用的方法。可惜alignas不能这样使用。如果缓冲区很小，您很快就会读取它，NT存储会更糟。它们会逐出目标，即使它在缓存中很热。这对自动矢量化很好（
-O3
），但是，即使在-O2，您也可以使用
-fopenmp
和
#pragma omp simd
。因为您有
int
和int的元素计数，将其转换为char是愚蠢的。这使得标量清理循环更糟糕。
unsigned char t; 
unsigned char *da = A, *db = B; 
while(TO_MOVE--) { 
   t = *da; 
   *da++ = *db; 
   *db++ = t; 
}