提示編譯器可以使用對齊的memcpy

我有一個由7個__m256值組成的結構，它存儲在內存中的32字節對齊。提示編譯器可以使用對齊的memcpy

typedef struct 
{ 
     __m256 xl,xh; 
     __m256 yl,yh; 
     __m256 zl,zh; 
     __m256i co; 
} bloxset8_t;

我通過使用posix_memalign()函數動態分配的數據，或者使用用於靜態分配數據的(aligned(32))屬性實現32字節對齊。

對齊方式很好，但是當我使用兩個指向這樣一個結構體的指針，並將它們作爲memcpy（）的目標和源代碼傳遞時，編譯器決定使用__memcpy_avx_unaligned()進行復制。

我該如何強制clang使用對齊的avx memcpy函數，而我認爲這是更快的變體？

操作系統：Ubuntu 16.04.3 LTS，Clang：3.8.0-2ubuntu4。

UPDATE
的__memcpy_avx_unaligned（）複製兩個或更多個結構，當僅調用。當只複製一個時，clang會發出14個vmovup指令。

2017-11-10 Bram

未經測試，但值得一試：我認爲我之前通過在memcpy之前添加一個assert（）來聲明地址是32字節對齊的。一些編譯器可以採取這些提示並使用它們進行優化。 –

我無法用Clang 3.9重新編譯（我收到一堆'vmovaps'），不幸的是我無法嘗試3.8 – harold

@harold如果您一次複製兩個或更多結構，則使用memcpy_avx_unaligned（）。一個結構實際上是通過移動指令完成的，在我的情況下它是未對齊的：vmovup（並且它使用了其中的14個）。 – Bram

__memcpy_avx_unaligned只是一個內部的glibc函數名稱。這並不意味着有更快的__memcpy_avx_aligned函數。這個名字只是向glibc開發者傳達了這個memcpy變體是如何實現的。

另一個問題是，C編譯器使用四個AVX2加載/存儲操作發出memcpy的內聯擴展會更快。該代碼將比memcpy呼叫更大，但總體來說可能會更快。有可能幫助編譯器使用__builtin_assume_aligned builtin來做到這一點。

2017-11-10 22:15:31

謝謝。我注意到如果memcpy只有1個結構，則使用14條移動指令。我能夠強制他們從未對齊的移動到構造'__builtin_assume_aligned（）'的對齊移動如果您可以添加對此的引用，我可以接受這個答案。 – Bram

回答