谈谈memcpy函数的优化(纯C)

在使用C语言编程时，我们常用memcpy来复制内存数据，但很少有人会关注到memcpy怎么实现。最简单的memcpy功能实现如下：

void *low_memcpy(void *dst, const void *src, size_t length)
{
    char *srcp = (void*)src;
    char *dstp = (void*)dst;
    char *tail = srcp + length;
    
    while(srcp < tail) *dstp ++ = *srcp ++;
    
    return dst;
}

一.数据对齐

这通常是一个初学者的实现，满足memcpy的功能，但性能非常低，因为while()每一次循环只能复制一个字节。如果要进一步的优化，就需要用到更多的知识，例如CPU位宽、数据对齐、时钟周期等等，学过计算机原理应该知道CPU字长、寄存器位宽等概念。现在常见的CPU通常为32/64位，今天我们以32位CPU来讲解。32位CPU字长为32BIT，即它的每个通用寄存器包含32个位，占4个字节，一个内存访问周期可以完成4个字节的读写，如果按照low_memcpy()函数的实现，每次while()循环只能复制1个字节，会浪费大量的内存访问周期。那我们能否按照32位CPU位宽，即4个字节为单位进行内存复制呢？CPU从内存取数据的过程，了解的人都知道，对齐存放的数据可加快CPU处理的速度，因为在同一个时钟周期内，CPU访问的数据总是按32位对齐访问的。例如CPU寄存器从内存0x20000001开始取32位数据需要两次访问内存：第一次取3字节0x20000001~0x20000003，第二次取1字节0x20000004。但是，如果从0x20000008开始取32位数据则可以一次性全部取出。

参考上图，如果需要按对齐方式将0x20000001到0x2000002C中总共48字节的数据复制到0x20000041、0x20000082，0x200000C3，0x20000104&#x