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）

我见过有一个网站专门测试并公开这些数据的，回头收藏夹里看看，如果能找到就贴上来给你们。

【 在 hgoldfish (老鱼) 的大作中提到: 】
: 这个不可能是最佳实现。。在现代处理器上面，单字节访问非常慢。
: 你发的这种实现无非是朴素实现的简单推广：
: 1. 没考虑内存地址对齐
: 2. 至少用个戴夫设备吧。
: 3. 用 simd 指令集一次复制 32 字节才是王道啊。
: edit: 有内存地址对齐。
--
FROM 114.84.111.*