为什么 64 位对齐 XOR 的运行速度不比 32 位对齐 XOR 快？

Question

我想测试两个内存块的速度，我在一个64位机器（4M缓存）上做了一个实验，分别对32位对齐和64位对齐的两个内存区域进行异或。我想64 位对齐区域异或可能比 32 位对齐区域异或快得多，但两种异或的速度是相同的。

代码：

void region_xor_w32(   unsigned char *r1,         /* Region 1 */
                       unsigned char *r2,         /* Region 2 */
                       unsigned char *r3,         /* Sum region */
                       int nbytes)       /* Number of bytes in region */
{
    uint32_t *l1;
    uint32_t *l2;
    uint32_t *l3;
    uint32_t *ltop;
    unsigned char *ctop;

    ctop = r1 + nbytes;
    ltop = (uint32_t *) ctop;
    l1 = (uint32_t *) r1;
    l2 = (uint32_t *) r2;
    l3 = (uint32_t *) r3;

    while (l1 < ltop) {
        *l3 = ((*l1)  ^ (*l2));
        l1++;
        l2++;
        l3++;
    }
}

void region_xor_w64(   unsigned char *r1,         /* Region 1 */
                       unsigned char *r2,         /* Region 2 */
                       unsigned char *r3,         /* Sum region */
                       int nbytes)       /* Number of bytes in region */
{
    uint64_t *l1;
    uint64_t *l2;
    uint64_t *l3;
    uint64_t *ltop;
    unsigned char *ctop;

    ctop = r1 + nbytes;
    ltop = (uint64_t *) ctop;
    l1 = (uint64_t *) r1;
    l2 = (uint64_t *) r2;
    l3 = (uint64_t *) r3;

    while (l1 < ltop) {
        *l3 = ((*l1)  ^ (*l2));
        l1++;
        l2++;
        l3++;
    }
}

结果：

Answer 1

我认为这是由于数据匮乏造成的。也就是说，您的 CPU 非常快，您的代码非常高效，以至于您的内存子系统根本跟不上。即使以 32 位对齐的方式进行异或运算也比从内存中获取数据所需的时间更少。这就是为什么 32 位和 64 位对齐的方法具有相同的速度 — 您的内存子系统的速度。

为了演示，我复制了您的实验，但这次使用了四种不同的异或运算方式：

1. 非对齐（即字节对齐）异或；
2. 32 位对齐异或；
3. 64 位对齐异或；
4. 128 位对齐 XORing。

最后一个是通过_mm_xor_si128() 实现的，它是 SSE2 指令集的一部分。

如您所见，切换到 128 位处理并没有提高性能。另一方面，切换到按字节处理会减慢一切 - 这是因为在这种情况下，内存子系统仍然优于 CPU。