VC 对 memcpy 的优化
在很多编译器中，memcpy 是一个 intrinsic 函数，也就是说，这个函数是由编译器实现的。它比 inline 函数更容易被编译时优化。编译器可以根据 memcpy 的参数是常量还是变量做出多种版本，达到最佳的性能。这一点，用 inline 或者 template 的技巧都无法办到。
我们看看 VC 对 memcpy 的优化。（所用版本 VC6）
void foo(void *d,const void *s)
{
memcpy(d,s,1);
}
选性能最优化，生成汇编代码可以看到。代码被优化成：
mov eax, DWORD PTR _s$[esp-4]
mov edx, DWORD PTR _d$[esp-4]
mov cl, BYTE PTR [eax]
mov BYTE PTR [edx], cl
只是一个字节拷贝，用 cl 寄存器 mov 完成的。
把 1 改成 4 后：
mov eax, DWORD PTR _s$[esp-4]
mov edx, DWORD PTR _d$[esp-4]
mov ecx, DWORD PTR [eax]
mov DWORD PTR [edx], ecx
就变成了一条最普通的 mov 指令。
如果是 8 个字节：
mov eax, DWORD PTR _s$[esp-4]
mov ecx, DWORD PTR _d$[esp-4]
mov edx, DWORD PTR [eax]
mov DWORD PTR [ecx], edx
mov eax, DWORD PTR [eax+4]
mov DWORD PTR [ecx+4], eax
就是两条 mov 指令。
直到长度是常量 19 还是用 mov 完成的：
mov eax, DWORD PTR _s$[esp-4]
mov ecx, DWORD PTR _d$[esp-4]
mov edx, DWORD PTR [eax]
mov DWORD PTR [ecx], edx
mov edx, DWORD PTR [eax+4]
mov DWORD PTR [ecx+4], edx
mov edx, DWORD PTR [eax+8]
mov DWORD PTR [ecx+8], edx
mov edx, DWORD PTR [eax+12]
mov DWORD PTR [ecx+12], edx
mov dx, WORD PTR [eax+16]
mov WORD PTR [ecx+16], dx
mov al, BYTE PTR [eax+18]
mov BYTE PTR [ecx+18], al
长度达到 20 后，就转变成了使用 rep movsd
push esi
mov esi, DWORD PTR _s$[esp]
push edi
mov edi, DWORD PTR _d$[esp+4]
mov ecx, 5
rep movsd
pop edi
pop esi
如果长度并非 4 的整数倍的话，比如复制 23 个字节：
push esi
mov esi, DWORD PTR _s$[esp]
push edi
mov edi, DWORD PTR _d$[esp+4]
mov ecx, 5
rep movsd
movsw
movsb
pop edi
pop esi
编译器会在后面插入 movsw 和 movsb 。
现在我们来看看，memcpy 的长度是变量的情况：
void foo(void *d,const void *s,size_t size)
{
memcpy(d,s,size);
}
这次编译器直接调用了 rep movsd
mov ecx, DWORD PTR _size$[esp-4]
push esi
mov esi, DWORD PTR _s$[esp]
mov eax, ecx
push edi
mov edi, DWORD PTR _d$[esp+4]
shr ecx, 2
rep movsd
mov ecx, eax
and ecx, 3
rep movsb
pop edi
pop esi
因为我们并不知道 size 是否是 4 的整数倍，所以尾巴上用 and ecx,3 / repmovsb 来处理了一下。
那么我们能否通知编译器，需要 memcpy 的数据块长度是 4 的倍数呢？答案是可以的。看看编译器怎么编译 memcpy(d,s,size*4);
mov ecx, DWORD PTR _size$[esp-4]
push esi
mov esi, DWORD PTR _s$[esp]
push edi
mov edi, DWORD PTR _d$[esp+4]
rep movsd
pop edi
pop esi
非常简洁，不是吗？