我有一个使用情况，其中x86 CPU必须将64个字节的数据写入已经映射到用户空间的PCIe从设备的内存中。目前，我使用memcpy来完成这项工作，但结果证明它非常慢。我们可以使用Intel SSE intrinsics（例如_mm_stream_si128）来加速吗？或者除了使用DMA之外，还有其他机制可以使用吗？
目标是将所有64个字节打包成一个TLP，并在PCI总线上发送，以减少开销。
目标是将所有64个字节打包成一个TLP，并在PCI总线上发送，以减少开销。
1个回答
1
据我理解，内存映射I/O不会使某些存储指令特殊化。从
如果您有64B要写入MMIO，则应使用最有效的指令在其生成时进行写入，然后刷新缓存行。生成64B缓冲区，然后进行
非时序加载/存储被称为弱排序。不确定是否需要更多的栅栏来保证顺序。
流式加载/存储的一个用例是从不可缓存的内存（如视频RAM）复制。我不确定是否可以将其用于MMIO。我找到了一篇关于此的文章，讨论如何从MMIO中读取而不仅仅获取相同的缓存值。
movq mem, xmm进行的8B存储与从mov mem, r64进行的存储相同。如果您有64B要写入MMIO，则应使用最有效的指令在其生成时进行写入，然后刷新缓存行。生成64B缓冲区，然后进行
memcpy（或使用四个movdqa或两个AVX vmovdqa自己进行）是浪费时间，除非您预计生成64B的代码速度很慢，并且更可能在中途被打断而不是memcpy。定时器中断可以随时发生，包括在您进行memcpy期间，如果您处于无法禁用中断的用户空间。由于无法保证完整的64B写入，99.99％的完整缓存行写入机会与99.99999％的机会可能没有区别。
流式存储到MMIO区域可能避免CPU在上一个写操作的clflush之后进行读取以获取所有权。 clwb尚不可用，因此唯一的选择是使用clflush，它会将数据从缓存中逐出。
非时序加载/存储被称为弱排序。不确定是否需要更多的栅栏来保证顺序。
流式加载/存储的一个用例是从不可缓存的内存（如视频RAM）复制。我不确定是否可以将其用于MMIO。我找到了一篇关于此的文章，讨论如何从MMIO中读取而不仅仅获取相同的缓存值。
- Peter Cordes
1
更新：对于写结合（write-combining）的MMIO区域，确保使用NT存储器；否则，对于UC存储器，使用越宽的向量越好。（在内核驱动程序中，保存/恢复FPU状态以便使用SSE/AVX可能或可能不值得一试。） - Peter Cordes
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
memcpy()实现没有使用SSE指令吗？ - Jason Rmemcpy()，或者通过反汇编C库文件来检查。你会发现memcpy()通常在你的平台上被很好地优化了，因为它经常被使用。 - Jason R