1.关于ARM 中 memory model的一些理解

  • volatile 编译屏障
  • DMB指令 CPU屏障

2. GPU 中 SM 是否能跑多个contex ？

3. 关于内存对齐拷贝的理解

刘琦问了一个内存拷贝的问题，说是对malloc时地址都是动态分配的，那么如何按照四字节或者更大的字节进行拷贝？单个字节效率很低，一时没有想起来。

大概看了一下libc中memcpy的优化，从网上找个代码跑了一下。

实际上glibc中直接嵌入汇编实现的。

  1. 首先判断要拷贝的字节数多少
    1. 多的话，按照页大小来拷贝 ， 假设内存页4KB；
    2. 次之呢，按照字大小来拷贝，字大小比如 int 4个Byte；
    3. 最次的话，就是按照一个byte来拷贝了。
  2. memcpy.h 实现 了 word 和 byte copy的 汇编代码嵌入。
    1. https://github.com/lattera/glibc/blob/master/sysdeps/i386/memcopy.h
  3. memcpy.c
    1. https://code.woboq.org/userspace/glibc/string/memcpy.c.html
  4. stackoverflow的讨论，估计简书朋友是抄的这儿
    1. https://stackoverflow.com/questions/17591624/understanding-the-source-code-of-memcpy
    2. 综上，汇编快。
  5. souce code
    1. https://github.com/zangcq/tool_code/blob/master/cpp_code/memcpy/memcpy.c
  • 看了一下 libc 里边的实现，应该可以回答刘琦的问题。
  • 如果说要四字节拷贝，那么就是dest 地址 分情况讨论呗。
    • 如果说巧了，dest % 4 == 0
    • 那么我们就可以 用 int 类型进行赋值然后每个step 的 offset + 4 ，编译器便会调用 load.i32 的指令 一次load 4个字节。
    • 如果 dest % 4 ！=0
      • 那么思路很简单，先把余数的几个 数单个自己拷贝一下
      • 剩余的不就按照4个自己对齐了吗？继续4字节拷贝。

#ifndef USE_HOST_LIBC
#include <string.h>
#include <stdint.h>
#include <endian.h>

void *memcpy(void *restrict dest, const void *restrict src, size_t n)
{
	unsigned char *d = dest;
	const unsigned char *s = src;

#ifdef __GNUC__

#if __BYTE_ORDER == __LITTLE_ENDIAN
#define LS >>
#define RS <<
#else
#define LS <<
#define RS >>
#endif

	typedef uint32_t __attribute__((__may_alias__)) u32;
	uint32_t w, x;

	for (; (uintptr_t)s % 4 && n; n--) *d++ = *s++;

	if ((uintptr_t)d % 4 == 0) {
		for (; n>=16; s+=16, d+=16, n-=16) {
			*(u32 *)(d+0) = *(u32 *)(s+0);
			*(u32 *)(d+4) = *(u32 *)(s+4);
			*(u32 *)(d+8) = *(u32 *)(s+8);
			*(u32 *)(d+12) = *(u32 *)(s+12);
		}
		if (n&8) {
			*(u32 *)(d+0) = *(u32 *)(s+0);
			*(u32 *)(d+4) = *(u32 *)(s+4);
			d += 8; s += 8;
		}
		if (n&4) {
			*(u32 *)(d+0) = *(u32 *)(s+0);
			d += 4; s += 4;
		}
		if (n&2) {
			*d++ = *s++; *d++ = *s++;
		}
		if (n&1) {
			*d = *s;
		}
		return dest;
	}

	if (n >= 32) switch ((uintptr_t)d % 4) {
	case 1:
		w = *(u32 *)s;
		*d++ = *s++;
		*d++ = *s++;
		*d++ = *s++;
		n -= 3;
		for (; n>=17; s+=16, d+=16, n-=16) {
			x = *(u32 *)(s+1);
			*(u32 *)(d+0) = (w LS 24) | (x RS 8);
			w = *(u32 *)(s+5);
			*(u32 *)(d+4) = (x LS 24) | (w RS 8);
			x = *(u32 *)(s+9);
			*(u32 *)(d+8) = (w LS 24) | (x RS 8);
			w = *(u32 *)(s+13);
			*(u32 *)(d+12) = (x LS 24) | (w RS 8);
		}
		break;
	case 2:
		w = *(u32 *)s;
		*d++ = *s++;
		*d++ = *s++;
		n -= 2;
		for (; n>=18; s+=16, d+=16, n-=16) {
			x = *(u32 *)(s+2);
			*(u32 *)(d+0) = (w LS 16) | (x RS 16);
			w = *(u32 *)(s+6);
			*(u32 *)(d+4) = (x LS 16) | (w RS 16);
			x = *(u32 *)(s+10);
			*(u32 *)(d+8) = (w LS 16) | (x RS 16);
			w = *(u32 *)(s+14);
			*(u32 *)(d+12) = (x LS 16) | (w RS 16);
		}
		break;
	case 3:
		w = *(u32 *)s;
		*d++ = *s++;
		n -= 1;
		for (; n>=19; s+=16, d+=16, n-=16) {
			x = *(u32 *)(s+3);
			*(u32 *)(d+0) = (w LS 8) | (x RS 24);
			w = *(u32 *)(s+7);
			*(u32 *)(d+4) = (x LS 8) | (w RS 24);
			x = *(u32 *)(s+11);
			*(u32 *)(d+8) = (w LS 8) | (x RS 24);
			w = *(u32 *)(s+15);
			*(u32 *)(d+12) = (x LS 8) | (w RS 24);
		}
		break;
	}
	if (n&16) {
		*d++ = *s++; *d++ = *s++; *d++ = *s++; *d++ = *s++;
		*d++ = *s++; *d++ = *s++; *d++ = *s++; *d++ = *s++;
		*d++ = *s++; *d++ = *s++; *d++ = *s++; *d++ = *s++;
		*d++ = *s++; *d++ = *s++; *d++ = *s++; *d++ = *s++;
	}
	if (n&8) {
		*d++ = *s++; *d++ = *s++; *d++ = *s++; *d++ = *s++;
		*d++ = *s++; *d++ = *s++; *d++ = *s++; *d++ = *s++;
	}
	if (n&4) {
		*d++ = *s++; *d++ = *s++; *d++ = *s++; *d++ = *s++;
	}
	if (n&2) {
		*d++ = *s++; *d++ = *s++;
	}
	if (n&1) {
		*d = *s;
	}
	return dest;
#endif

	for (; n; n--) *d++ = *s++;
	return dest;
}
#endif