整列されたmemcpyを使用できるコンパイラへのヒント

Question

私はメモリに32バイト整列して格納された7つの__m256値からなる構造体を持っています。

typedef struct 
{ 
     __m256 xl,xh; 
     __m256 yl,yh; 
     __m256 zl,zh; 
     __m256i co; 
} bloxset8_t; 

Iは、動的に割り当てられたデータのためposix_memalign()関数を使用して、または静的に割り当てられたデータのため(aligned(32))属性を使用して32バイトのアラインメントを達成します。

アライメントは問題ありませんが、このような構造体に2つのポインタを使用し、それらをmemcpy（）の送り先とソースとして渡すと、コンパイラは__memcpy_avx_unaligned()を使用してコピーを決定します。

代わりに、より高速なバリアントであると思われる、代わりにアラインされたavx memcpy関数を強制的に使用することはできますか？

OS：Ubuntu 16.04.3 LTS、Clang：3.8.0-2ubuntu4。

UPDATE
__memcpy_avx_unaligned（）は、2つの以上の構造体をコピーする場合にのみ呼び出されます。ちょうど1つをコピーするとき、clangは14のvmovup命令を出します。

Answer 1

__memcpy_avx_unalignedは、glibcの内部関数の名前です。それはより速い__memcpy_avx_aligned機能があることを意味するものではありません。この名前はglibc開発者にこのmemcpyの亜種がどのように実装されているかのヒントを伝えるだけです。

もう1つの質問は、AVX2の4つのロード/ストア操作を使用して、Cコンパイラがmemcpyのインライン展開を実行する方が速いかどうかです。そのコードはmemcpyコールよりも大きくなりますが、全体的にはまだ高速です。コンパイラが__builtin_assume_aligned builtinを使用してこれを行うのを手助けすることは可能かもしれません。