linux编程奇淫巧计17（如何达到内存最大带宽，精简指令，预取和NT）

接上回：http://blog.csdn.net/pennyliang/archive/2011/03/08/6231709.aspx

用复杂指令的方法，没有任何优化的余地，优化的工作全仰仗intel工程师了，采用精简指令，将循环展开，可以使用更多的技巧包括预取，NT，关于non-temp该系列前面的一篇文章已经详细介绍不在多说。另外这里用到了r8开始的寄存器，这些是64位新增的，通常在这种流式数据中普遍采用。

本系列读者主要面向在校学生，希望同学们用我给出的代码多做实验，多想实验改进的方法，提高编码能力，我们所学的体系结构等教材，大部分是没有提供可执行的源码，如果没有系统的实验，很难有深入的理解。

“深入理解计算机系统”这本书不错，但很多例子都不是可执行的程序，大部分同学看过即忘，很难形成系统的认识，把心定下来，潜心研究，系统实验，是本系列博客想达到的目的，如果能影响到一些人，那真是善莫大焉。

下面一篇第18集，将会探讨SSE指令集，XMM寄存器，和内存读写模式。最后将给出这几种方法的实验数据。

注：因为是实验，因此做了对齐的假定，只限于实验使用，因为如果要做对齐势必增加代码，而失去了对主旨的关注。

#include "stdlib.h"
#include "string.h"
#if defined(__i386__)
static __inline__ unsigned long long rdtsc(void)
{
  unsigned long long int x;
     __asm__ volatile (".byte 0x0f, 0x31" : "=A" (x));
     return x;
}
#elif defined(__x86_64__)
static __inline__ unsigned long long rdtsc(void)
{
  unsigned hi, lo;
  __asm__ __volatile__ ("rdtsc" : "=a"(lo), "=d"(hi));
  return ( (unsigned long long)lo)|( ((unsigned long long)hi)<<32 );
}
#endif
__asm__(".text\n"
        ".type  m_b_64, @function\n"
        "m_b_64:push   %rbp\n"
        "mov    %rsp,%rbp\n"
        "mov    %rdx,%rcx\n"
        "rep    movsq\n"
        "leaveq\n"
        "retq\n");
__asm__(".text\n"
        ".type m_c ,@function\n"
        "m_c:push %rbp\n"
        "mov    %rsp,%rbp\n"
        "cp: movq (%rsi),%rax\n"
        "    movq %rax,(%rdi)\n"
        "    addq  $8,%rsi\n"
        "    addq  $8,%rdi\n"
        "    dec  %rdx\n"
        "    jnz  cp\n"
        "    leaveq\n"
        "    retq\n");
__asm__(".text\n"
        ".type m_c_2 ,@function\n"
        "m_c_2:push %rbp\n"
        "mov    %rsp,%rbp\n"
        "co: prefetcht0 1024(%rsi)\n"
        "    movq (%rsi),%rax\n"
        "    movq 8(%rsi),%rbx\n"
        "    movq 16(%rsi),%rcx\n"
        "    movq 24(%rsi),%r8\n"
        "    movq 32(%rsi),%r9\n"
        "    movq 40(%rsi),%r10\n"
        "    movq 48(%rsi),%r11\n"
        "    movq 56(%rsi),%r12\n"
        "    movnti %rax,(%rdi)\n"
        "    movnti %rbx,8(%rdi)\n"
        "    movnti %rcx,16(%rdi)\n"
        "    movnti %r8,24(%rdi)\n"
        "    movnti %r9,32(%rdi)\n"
        "    movnti %r10,40(%rdi)\n"
        "    movnti %r11,48(%rdi)\n"
        "    movnti %r12,56(%rdi)\n"
        "    addq  $64,%rsi\n"
        "    addq  $64,%rdi\n"
        "    subq $8, %rdx\n"   //一次处理8个quad words
        "    jnz  co\n"
        "    leaveq\n"
        "    retq\n");
int main(void)
{
        int bytes_cnt = 32*1024*1024;//32M bytes
        int word_cnt = bytes_cnt/2;  //16M words 
        int dword_cnt = word_cnt/2;  //8M  double words
        int qdword_cnt = dword_cnt/2;//4M  quad words
        char* from = (char*) malloc(bytes_cnt);
        char* to = (char*)malloc(bytes_cnt);
        memset(from,0x1,bytes_cnt);
        memset(to,0x0,bytes_cnt);
        unsigned long long start;
        unsigned long long end;
        int i;
        for(i=0;i<10;++i)
        {
                start = rdtsc();
                m_b_64(to,from,qdword_cnt);
                end = rdtsc();
                printf("m_b_64 use time:\t%d\n",end-start);
        }
        for(i=0;i<10;++i)
        {
                start = rdtsc();
                m_c(to,from,qdword_cnt);
                end = rdtsc();
                printf("m_c use time:\t%d\n",end-start);
        }
        for(i=0;i<10;++i)
        {
                start = rdtsc();
                m_c_2(to,from,qdword_cnt);
                end = rdtsc();
                printf("m_c_2 use time:\t%d\n",end-start);
        }
        /*********use to make sure cpy is ok*********
        
        int sum = 0;
        for(i=0;i<bytes_cnt;++i)
                sum+=to[i];
        printf("sum:%d\n",sum);
        ********************************************/
        return 0;
}