内存拷贝（memcpy()）和异或（bit-wise XOR）是程序中运行最快的操作之一，其速度受到CPU、内存和编译器（GCC版本）的影响。

内存拷贝memcpy(des, src, len) 则是将长度为len 的数据从地址src 拷贝到地址des 。

按位异或（异或）可以分为几类：

1. a^b：两个数值的异或。相当于两个寄存器内值在CPU 中计算异或，大多数CPU 中一个时钟周期完成。速度取决于CPU 的频率，频率越高，速度越快。
2. a^Region：一个数值与一块内存Region 中的每个值异或，结果保存在Region 中，速度相当于顺序访存。
3. RegionA = RegionA^RegionB：两块内存中对应位置上的值异或。
4. RegionC = RegionA^RegionB：两块内存中对应位置上的值异或，结果保存在另一块内存中。

四类异或速度依次递减。平常中越到的是第3 种，本文中异或速度也是第3 种。

实验一（memcpy()）

环境：

CPU : Intel(R) Xeon(R) CPU E5620 @ 2.40GHz 32KB L1 cache，12MB L2 cache

OS : 2.6.35-22-generic #33-Ubuntu

GCC Version : 4.4.5

compiler flags : -O3 -msse4 -DINTEL_SSE4 -Wall -std=c99

首先在服务器上测试1KB – 2MB的异或速度，代码如下：

void memcpy_speed(unsigned long buf_size, unsigned long iters){
    struct timeval start,  end;
    unsigned char * pbuff_1;
    unsigned char * pbuff_2;

    pbuff_1 = (void *)malloc(buf_size);
    pbuff_2 = (void *)malloc(buf_size);

    gettimeofday(&start, NULL);
    for(int i = 0; i < iters; ++i){
        memcpy(pbuff_2, pbuff_1, buf_size);
    }   
    gettimeofday(&end, NULL);
    printf("%5.3f\n", ((buf_size*iters)/(1.024*1.024))/((end.tv_sec - \
    start.tv_sec)*1000*1000+(end.tv_usec - start.tv_usec)));
    free(pbuff_1);
    free(pbuff_2);
}

测试结果如图：

出现非常诡异的现象是在140KB 以下时，memcpy() 在4KB 的倍数时速度有剧烈的下降，而其他buff 大小速度则没有明显的下降。猜想估计和cache 相关，于是修改了内存的分配方式：

 if(type == 1){ 
        pbuff_1 = (void *)malloc(2*buff_size);
        pbuff_2 = pbuff_1+buff_size;
    }else{
        pbuff_1 = (void *)malloc(buff_size);
        pbuff_2 = (void *)malloc(buff_size);
    }   

按照type == 1 的对齐分配方式，pbuff_1 和pbuff_2 两块是连续的内存；而另一个非对齐的分配方式，会导致pbuff_1 和pbuff_2 之间有16 字节的间隔：

上图中绿线是type==1 的对齐方式分配memcpy() 速度，红线为之前非对齐方式测试得到速度。后来在不同GCC 版本下进行了测试，发现造成4KB 速度下降的主要还是编译器的版本原因，在相同CPU 中不同GCC 编译器下进行了速度测试，Time Used(1) 是type==1 所花时间。在4.6.3 版本后两种分配内存方式对memcpy()速度的影响可以忽略不计。

 GCC version--------4.1.3--------4.4.5--------4.6.3 
Time Used(1)-----0m0.183s----0m0.128s----0m0.110s 
Time Used(0)-----0m1.788s----0m0.422s----0m0.108s

所以说及时更新、升级系统和软件是个好习惯。

实验二（异或）

环境同实验一，测试了1KB-2MB 和1KB-1GB 的异或速度：

 *pa = (*pa)^(*pb) 

8-bit aligned 至128-bit aligned 对应的数据结构为uint8_t/uint16_t/uint32_t/uint64_t/__m128i，128位使用SSE2 指令集进行异或运算：

速度最快的都是使用SSE2 指令集的128-bit aligned 异或，每次能够计算128 Bytes，必然速度要快一些。其次是8-bit aligned，这是因为编译器进行了优化，在更高版本GCC 编译后，8-bit aligned 速度是最慢的。gf-complete w=8 是使用gf-complete 在w=8 的情况下异或内存得到的速度，gf-complete 为对位提供简单的接口牺牲了部分性能。