中间隔着cache呢，哪能这么比。
这种通用实现也不追求最优。具体平台上用movsq乃至avx512的实现都有。

【 在 javaboy 的大作中提到: 】
: 根据实际硬件不同，也有可能这个是最佳的。
: 如果瓶颈在ddr ram上，比如极端情况用DDR-400搭配主频很高的cpu，那四次*s++=*d++和一次movq很可能是一样快的。movq可以空出一些流水线给超线程用。至于是否用得上那也不保证。反正单线程benchmark很可能看上去差不多。
: intel的cpu对我们程序员来说是个黑盒子。厂家不会公开说它是怎么优化的。没准它的decoder认识连续四条*s++=*d++，会自动翻译成和movq一样的微码。这是完全可以做到，而且很可能已经做了的。唯一确保最佳性能的办法就是做实验测，摸清每个指令的延迟多少，对流水线的影响多大，对cache的影响多大。。。慢慢把黑盒的内部结构给逆向工程出来。（做JIT编译器的人主要就是做这些工作）
: ...................
--
FROM 124.78.168.*

dma这个真不太懂

dma可以内存到内存吗？
dma比cpu快吗？内存到内存不影响cpu吗？
允许用户态使用dma吗？

另外glibc留了个口子，对齐到页时可以操作页表作拷贝。如果内核有这个调用，那应该是大块拷贝最快的了。

【 在 javaboy 的大作中提到: 】
: 我觉得就是你总结的：glibc兜底的平台无关memcpy差不多也长这样
: 然后前面wushu查了说这是musl的代码。
: 从编程、汇编角度来说这样就可以结贴啦。再往下挖要不就聊聊总线协议和dma呗。
: ...................
--
修改:ilovecpp FROM 124.78.168.*
FROM 124.78.168.*