-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathalgorithms_memcpy.c
More file actions
529 lines (494 loc) · 18.4 KB
/
algorithms_memcpy.c
File metadata and controls
529 lines (494 loc) · 18.4 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
#include <stdint.h>
#include <stddef.h>
#include <smmintrin.h>
#include <immintrin.h>
// ASSUME HASWELL 9AVX2.0)
// Assume memory alignment
// void
// CopyWithAVX(DTYPE * restrict dst, DTYPE * restrict src, size_t size) {
// const size_t stride = 2 * sizeof(__m256i);
// const size_t mul = sizeof(__m256i) / sizeof(DTYPE);
// const size_t dtype_stride = 2 * mul;
// while (((uintptr_t)src & 15) != 0 && size > 0) {
// --size;
// *dst++ = *src++;
// }
// size *= sizeof(DTYPE);
// if (((uintptr_t)dst & 15) != 0) {
// while (size >= stride)
// {
// // _mm_prefetch((char*)(src + 0), _MM_HINT_NTA);
// // __m128i a = _mm_stream_load_si128((__m128i*)(src + 0*mul));
// // __m128i b = _mm_stream_load_si128((__m128i*)(src + 1*mul));
// // __m128i c = _mm_stream_load_si128((__m128i*)(src + 2*mul));
// // __m128i d = _mm_stream_load_si128((__m128i*)(src + 3*mul));
// // _mm_storeu_pd((double*)(dst + 0*mul), (__m128d)a);
// // _mm_storeu_pd((double*)(dst + 1*mul), (__m128d)b);
// // _mm_storeu_pd((double*)(dst + 2*mul), (__m128d)c);
// // _mm_storeu_pd((double*)(dst + 3*mul), (__m128d)d);
// __m256i a = _mm256_load_si256((__m256i*)(src));
// __m256i b = _mm256_load_si256((__m256i*)(src + 1*mul));
// _mm256_storeu_si256((__m256i*)(dst), a);
// _mm256_storeu_si256((__m256i*)(dst + 1*mul), b);
// size -= stride;
// src += dtype_stride;
// dst += dtype_stride;
// }
// } else {
// while (size >= stride)
// {
// // _mm_prefetch((char*)(src + 0), _MM_HINT_NTA);
// // __m128i a = _mm_stream_load_si128((__m128i*)(src + 0*mul));
// // __m128i b = _mm_stream_load_si128((__m128i*)(src + 1*mul));
// // __m128i c = _mm_stream_load_si128((__m128i*)(src + 2*mul));
// // __m128i d = _mm_stream_load_si128((__m128i*)(src + 3*mul));
// // _mm_store_pd((double*)(dst + 0*mul), (__m128d)a);
// // _mm_store_pd((double*)(dst + 1*mul), (__m128d)b);
// // _mm_store_pd((double*)(dst + 2*mul), (__m128d)c);
// // _mm_store_pd((double*)(dst + 3*mul), (__m128d)d);
// __m256i a = _mm256_load_si256((__m256i*)(src));
// __m256i b = _mm256_load_si256((__m256i*)(src + 1*mul));
// _mm256_store_si256((__m256i*)(dst), a);
// _mm256_store_si256((__m256i*)(dst + 1*mul), b);
// size -= stride;
// src += dtype_stride;
// dst += dtype_stride;
// }
// }
// // Now, the number of items we have to read/write is LESS maybe not multiple of (4?)
// size /= sizeof(DTYPE);
// while(size) {
// --size;
// *dst++ = *src++;
// }
// }
#define MMX2_MEMCPY_MIN_LEN 0x40
#define MMX_MMREG_SIZE 8
// ftp://ftp.work.acer-euro.com/gpl/AS1800/xine-lib/src/xine-utils/memcpy.c
int
aligned_by(const void * const ptr) {
int power_of_2 = 1;
// We have to test until 32 -> see if it fails with 32
for (int i = power_of_2; i <= 32; i*=2) {
if ((uintptr_t)ptr % i != 0) {
// Failed with i so aligned by i/2
return i/2;
}
}
return 32; // Should never occur
}
// void
// CopyWithAVXNT(DTYPE * dst, DTYPE * src, size_t size) {
// const size_t stride = 16 * sizeof(__m256i);
// const size_t dtype_stride = 16 * (sizeof(__m256i) / sizeof(DTYPE));
// while (((uintptr_t)src & 31) != 0 && size > 0) {
// --size;
// *dst++ = *src++;
// }
// size *= sizeof(DTYPE);
// if (((uintptr_t)dst & 31) != 0) {
// while (size >= stride)
// {
// __m256i a = _mm256_stream_load_si256((__m256i*)src + 0);
// __m256i b = _mm256_stream_load_si256((__m256i*)src + 1);
// __m256i c = _mm256_stream_load_si256((__m256i*)src + 2);
// __m256i d = _mm256_stream_load_si256((__m256i*)src + 3);
// __m256i e = _mm256_stream_load_si256((__m256i*)src + 4);
// __m256i f = _mm256_stream_load_si256((__m256i*)src + 5);
// __m256i g = _mm256_stream_load_si256((__m256i*)src + 6);
// __m256i h = _mm256_stream_load_si256((__m256i*)src + 7);
// __m256i i = _mm256_stream_load_si256((__m256i*)src + 8);
// __m256i j = _mm256_stream_load_si256((__m256i*)src + 9);
// __m256i k = _mm256_stream_load_si256((__m256i*)src + 10);
// __m256i l = _mm256_stream_load_si256((__m256i*)src + 11);
// __m256i m = _mm256_stream_load_si256((__m256i*)src + 12);
// __m256i n = _mm256_stream_load_si256((__m256i*)src + 13);
// __m256i o = _mm256_stream_load_si256((__m256i*)src + 14);
// __m256i p = _mm256_stream_load_si256((__m256i*)src + 15);
// _mm256_storeu_si256((__m256i*)dst + 0, a);
// _mm256_storeu_si256((__m256i*)dst + 1, b);
// _mm256_storeu_si256((__m256i*)dst + 2, c);
// _mm256_storeu_si256((__m256i*)dst + 3, d);
// _mm256_storeu_si256((__m256i*)dst + 4, e);
// _mm256_storeu_si256((__m256i*)dst + 5, f);
// _mm256_storeu_si256((__m256i*)dst + 6, g);
// _mm256_storeu_si256((__m256i*)dst + 7, h);
// _mm256_storeu_si256((__m256i*)dst + 8, i);
// _mm256_storeu_si256((__m256i*)dst + 9, j);
// _mm256_storeu_si256((__m256i*)dst + 10, k);
// _mm256_storeu_si256((__m256i*)dst + 11, l);
// _mm256_storeu_si256((__m256i*)dst + 12, m);
// _mm256_storeu_si256((__m256i*)dst + 13, n);
// _mm256_storeu_si256((__m256i*)dst + 14, o);
// _mm256_storeu_si256((__m256i*)dst + 15, p);
// size -= stride;
// src += dtype_stride;
// dst += dtype_stride;
// }
// } else {
// while (size >= stride)
// {
// __m256i a = _mm256_stream_load_si256((__m256i*)src + 0);
// __m256i b = _mm256_stream_load_si256((__m256i*)src + 1);
// __m256i c = _mm256_stream_load_si256((__m256i*)src + 2);
// __m256i d = _mm256_stream_load_si256((__m256i*)src + 3);
// __m256i e = _mm256_stream_load_si256((__m256i*)src + 4);
// __m256i f = _mm256_stream_load_si256((__m256i*)src + 5);
// __m256i g = _mm256_stream_load_si256((__m256i*)src + 6);
// __m256i h = _mm256_stream_load_si256((__m256i*)src + 7);
// __m256i i = _mm256_stream_load_si256((__m256i*)src + 8);
// __m256i j = _mm256_stream_load_si256((__m256i*)src + 9);
// __m256i k = _mm256_stream_load_si256((__m256i*)src + 10);
// __m256i l = _mm256_stream_load_si256((__m256i*)src + 11);
// __m256i m = _mm256_stream_load_si256((__m256i*)src + 12);
// __m256i n = _mm256_stream_load_si256((__m256i*)src + 13);
// __m256i o = _mm256_stream_load_si256((__m256i*)src + 14);
// __m256i p = _mm256_stream_load_si256((__m256i*)src + 15);
// _mm256_store_si256((__m256i*)dst + 0, a);
// _mm256_store_si256((__m256i*)dst + 1, b);
// _mm256_store_si256((__m256i*)dst + 2, c);
// _mm256_store_si256((__m256i*)dst + 3, d);
// _mm256_store_si256((__m256i*)dst + 4, e);
// _mm256_store_si256((__m256i*)dst + 5, f);
// _mm256_store_si256((__m256i*)dst + 6, g);
// _mm256_store_si256((__m256i*)dst + 7, h);
// _mm256_store_si256((__m256i*)dst + 8, i);
// _mm256_store_si256((__m256i*)dst + 9, j);
// _mm256_store_si256((__m256i*)dst + 10, k);
// _mm256_store_si256((__m256i*)dst + 11, l);
// _mm256_store_si256((__m256i*)dst + 12, m);
// _mm256_store_si256((__m256i*)dst + 13, n);
// _mm256_store_si256((__m256i*)dst + 14, o);
// _mm256_store_si256((__m256i*)dst + 15, p);
// size -= stride;
// src += dtype_stride;
// dst += dtype_stride;
// }
// }
// // Now, the number of items we have to read/write is LESS maybe not multiple of (4?)
// size /= sizeof(DTYPE);
// while(size) {
// --size;
// *dst++ = *src++;
// }
// }
// void
// CopyWithAVX(DTYPE * dst, DTYPE * src, size_t size) {
// const size_t stride = 4 * sizeof(__m256i);
// const size_t dtype_stride = 4 * (sizeof(__m256i) / sizeof(DTYPE));
// while (((uintptr_t)src & 31) != 0 && size > 0) {
// --size;
// *dst++ = *src++;
// }
// size *= sizeof(DTYPE);
// if (((uintptr_t)dst & 31) != 0) {
// while (size >= stride)
// {
// __m256i a = _mm256_stream_load_si256((__m256i*)src + 0);
// __m256i b = _mm256_stream_load_si256((__m256i*)src + 1);
// __m256i c = _mm256_stream_load_si256((__m256i*)src + 2);
// __m256i d = _mm256_stream_load_si256((__m256i*)src + 3);
// _mm256_storeu_si256((__m256i*)dst + 0, a);
// _mm256_storeu_si256((__m256i*)dst + 1, b);
// _mm256_storeu_si256((__m256i*)dst + 2, c);
// _mm256_storeu_si256((__m256i*)dst + 3, d);
// size -= stride;
// src += dtype_stride;
// dst += dtype_stride;
// }
// } else {
// while (size >= stride)
// {
// __m256i a = _mm256_stream_load_si256((__m256i*)src + 0);
// __m256i b = _mm256_stream_load_si256((__m256i*)src + 1);
// __m256i c = _mm256_stream_load_si256((__m256i*)src + 2);
// __m256i d = _mm256_stream_load_si256((__m256i*)src + 3);
// _mm256_store_si256((__m256i*)dst + 0, a);
// _mm256_store_si256((__m256i*)dst + 1, b);
// _mm256_store_si256((__m256i*)dst + 2, c);
// _mm256_store_si256((__m256i*)dst + 3, d);
// size -= stride;
// src += dtype_stride;
// dst += dtype_stride;
// }
// }
// // Now, the number of items we have to read/write is LESS maybe not multiple of (4?)
// size /= sizeof(DTYPE);
// while(size) {
// --size;
// *dst++ = *src++;
// }
// }
// void
// CopyWithSSEPrefetchNT(DTYPE * restrict dst, DTYPE * restrict src, size_t size) {
// const size_t stride = 4 * sizeof(__m128i);
// const size_t mul = sizeof(__m128i) / sizeof(DTYPE);
// const size_t dtype_stride = 4 * mul;
// while (((uintptr_t)src & 15) != 0 && size > 0) {
// --size;
// *dst++ = *src++;
// }
// size *= sizeof(DTYPE);
// if (((uintptr_t)dst & 15) != 0) {
// while (size >= stride)
// {
// // _mm_prefetch((char*)(src + 0), _MM_HINT_NTA);
// __m128i a = _mm_stream_load_si128((__m128i*)(src + 0*mul));
// __m128i b = _mm_stream_load_si128((__m128i*)(src + 1*mul));
// __m128i c = _mm_stream_load_si128((__m128i*)(src + 2*mul));
// __m128i d = _mm_stream_load_si128((__m128i*)(src + 3*mul));
// _mm_storeu_pd((double*)(dst + 0*mul), (__m128d)a);
// _mm_storeu_pd((double*)(dst + 1*mul), (__m128d)b);
// _mm_storeu_pd((double*)(dst + 2*mul), (__m128d)c);
// _mm_storeu_pd((double*)(dst + 3*mul), (__m128d)d);
// size -= stride;
// src += dtype_stride;
// dst += dtype_stride;
// }
// } else {
// while (size >= stride)
// {
// // _mm_prefetch((char*)(src + 0), _MM_HINT_NTA);
// __m128i a = _mm_stream_load_si128((__m128i*)(src + 0*mul));
// __m128i b = _mm_stream_load_si128((__m128i*)(src + 1*mul));
// __m128i c = _mm_stream_load_si128((__m128i*)(src + 2*mul));
// __m128i d = _mm_stream_load_si128((__m128i*)(src + 3*mul));
// _mm_store_pd((double*)(dst + 0*mul), (__m128d)a);
// _mm_store_pd((double*)(dst + 1*mul), (__m128d)b);
// _mm_store_pd((double*)(dst + 2*mul), (__m128d)c);
// _mm_store_pd((double*)(dst + 3*mul), (__m128d)d);
// size -= stride;
// src += dtype_stride;
// dst += dtype_stride;
// }
// }
// // Now, the number of items we have to read/write is LESS maybe not multiple of (4?)
// size /= sizeof(DTYPE);
// while(size) {
// --size;
// *dst++ = *src++;
// }
// }
void
CopyWithSSEPrefetchNT(DTYPE * restrict dst, DTYPE * restrict src, size_t size) {
// if (size < 16) {
// while (size) {
// --size;
// *dst++ = *src++;
// }
// } else {
const size_t stride = 2 * sizeof(__m128i);
const size_t mul = sizeof(__m128i) / sizeof(DTYPE);
const size_t dtype_stride = 2 * mul;
while (((uintptr_t)src & 15) != 0 && size > 0) {
--size;
*dst++ = *src++;
}
size *= sizeof(DTYPE);
if (((uintptr_t)dst & 15) != 0) {
while (size >= stride)
{
// _mm_prefetch((char*)(src + 0), _MM_HINT_NTA);
__m128i a = _mm_stream_load_si128((__m128i*)(src + 0*mul));
__m128i b = _mm_stream_load_si128((__m128i*)(src + 1*mul));
_mm_storeu_pd((double*)(dst + 0*mul), (__m128d)a);
_mm_storeu_pd((double*)(dst + 1*mul), (__m128d)b);
size -= stride;
src += dtype_stride;
dst += dtype_stride;
}
} else {
while (size >= stride)
{
// _mm_prefetch((char*)(src + 0), _MM_HINT_NTA);
__m128i a = _mm_stream_load_si128((__m128i*)(src + 0*mul));
__m128i b = _mm_stream_load_si128((__m128i*)(src + 1*mul));
_mm_store_pd((double*)(dst + 0*mul), (__m128d)a);
_mm_store_pd((double*)(dst + 1*mul), (__m128d)b);
size -= stride;
src += dtype_stride;
dst += dtype_stride;
}
}
// Now, the number of items we have to read/write is LESS maybe not multiple of (4?)
size /= sizeof(DTYPE);
while(size) {
--size;
*dst++ = *src++;
}
// }
}
void
nontemp_memcpy_by_2(DTYPE * restrict dst, const DTYPE * restrict source, size_t size) {
while (((uintptr_t)source & 15) != 0 && size > 0) {
--size;
*dst++ = *source++;
}
__m128d memory_tmp;
if (((uintptr_t)dst & 15) != 0) {
size_t final = (size/2)*2;
for (size_t i=0; i<final; i+=2) {
memory_tmp = (__m128d) _mm_stream_load_si128((__m128i*)(source));
_mm_storeu_pd((dst), memory_tmp);
dst += 2;
source += 2;
size -= 2;
}
if (size == 1) {
*dst++ = *source++;
}
} else {
size_t final = (size/2)*2;
for (size_t i=0; i<final; i+=2) {
memory_tmp = (__m128d) _mm_stream_load_si128((__m128i*)(source));
_mm_store_pd((dst), memory_tmp);
dst += 2;
source += 2;
size -= 2;
}
if (size == 1) {
*dst++ = *source++;
}
}
}
void
nontemp_memcpy(DTYPE * restrict dst, const DTYPE * restrict source, size_t size) {
while ((uintptr_t)source % 16 != 0 && size > 0) {
if ((uintptr_t)source % 16 == 0 && size >= 2) {
__m128d memory_tmp = (__m128d) _mm_stream_load_si128((__m128i*)(source));
_mm_storeu_pd((dst), memory_tmp);
size -= 2;
source += 2;
dst += 2;
} else {
--size;
*dst++ = *source++;
}
}
if (aligned_by((void*)dst) < 16) {
size_t final = (size/2)*2;
//printf("final=%d\n", final);
for (size_t i=0; i<final; i+=2) {
__m128d memory_tmp = (__m128d) _mm_stream_load_si128((__m128i*)(source));
_mm_storeu_pd((dst), memory_tmp);
dst += 2;
source += 2;
size -= 2;
}
if (size == 1) {
*dst++ = *source++;
}
} else {
size_t final = (size/2)*2;
for (size_t i=0; i<final; i+=2) {
__m128d memory_tmp = (__m128d) _mm_stream_load_si128((__m128i*)(source));
_mm_store_pd((dst), memory_tmp);
dst += 2;
source += 2;
size -= 2;
}
if (size == 1) {
*dst++ = *source++;
}
}
}
#if 0
// Quite important: relative alignment is actually RIGHT if we use a cast to void pointers (or multiply the difference by sizeof(DTYPE))
// printf("Relative alignment: %d\n", aligned_by((void*)((void*)dst-(void*)source)));
// Actually, stores are always aligned for dst (because we know it's 32-byte boundary aligned(!))
// printf("Stage 1, source aligned by %d, dst aligned by %d\n", aligned_by((void*)source), aligned_by((void*)dst));
// copy over until we are aligned
while ((uintptr_t)source % 32 != 0 && size > 0) {
// printf("SOURCE Pointer not aligned by 32\n");
if ((uintptr_t)source % 16 == 0 && size >= 2) {
//printf("Pointer aligned by 16, read 2\n");
__m128d memory_tmp = (__m128d) _mm_stream_load_si128((__m128i*)(source));
// HERE: necessarily unaligned (we don't know actually...)
// printf("how many of these more?\n");
_mm_storeu_pd((dst), memory_tmp);
size -= 2;
// Increment the pointers manually
source += 2;
dst += 2;
} else {
//printf("Pointer not aligned by 32 nor 16: read 1\n");
--size;
// Only here we increment the pointers correctly
*dst++ = *source++;
}
}
// printf("Stage 2, source aligned by %d, dst aligned by %d\n", aligned_by((void*)source), aligned_by((void*)dst));
if (aligned_by((void*)dst) < 32) {
// ASSUME ALIGNMENT
size_t final = (size/4)*4;
for (size_t i=0; i<final; i+=4) {
//printf("Read 4 nontemporarly\n");
__m256d memory_tmp = (__m256d) _mm256_stream_load_si256((__m256i*)(source));
_mm256_storeu_pd(dst, memory_tmp);
// Update the pointers manually
source += 4;
dst += 4;
}
// ASSUME WE HAVE EITHER 3, 2, 1 or 0 to read
size -= final;
if (size >= 2) {
//printf("Read 2 nontemporarly\n");
__m128d memory_tmp = (__m128d) _mm_stream_load_si128((__m128i*)(source));
_mm_storeu_pd((dst), memory_tmp);
dst += 2;
source += 2;
size -= 2;
}
// EITHER 1 or 0 left
if (size == 1) {
//printf("1 left: read 1\n");
*dst++ = *source++;
}
} else {
// ASSUME ALIGNMENT
size_t final = (size/4)*4;
for (size_t i=0; i<final; i+=4) {
//printf("Read 4 nontemporarly\n");
__m256d memory_tmp = (__m256d) _mm256_stream_load_si256((__m256i*)(source));
_mm256_store_pd(dst, memory_tmp);
// Update the pointers manually
source += 4;
dst += 4;
}
// ASSUME WE HAVE EITHER 3, 2, 1 or 0 to read
size -= final;
if (size >= 2) {
//printf("Read 2 nontemporarly\n");
__m128d memory_tmp = (__m128d) _mm_stream_load_si128((__m128i*)(source));
_mm_store_pd((dst), memory_tmp);
dst += 2;
source += 2;
size -= 2;
}
// EITHER 1 or 0 left
if (size == 1) {
//printf("1 left: read 1\n");
*dst++ = *source++;
}
}
#endif
//////////////////// LOADS (integers)
#if 0
// avx 1, unaligned, temporal, data crosses a cache line boundary
__m256i _mm256_lddqu_si256 (__m256i const * mem_addr)
// avx 1, unaligned, temporal
__m256i _mm256_loadu_si256 (__m256i const * mem_addr)
// sse 4.1, 16-byte aligned, nontemporal
__m128i _mm_stream_load_si128 (const __m128i* mem_addr)
// avx 2.0, 32-byte aligned, nontemporal
__m256i _mm256_stream_load_si256 (__m256i const* mem_addr)
//////////////////// Stores (doubles)
// avx 1, unaligned, temporal
void _mm256_storeu_pd (double * mem_addr, __m256d a)
// sse 2, 16-byte aligned, temporal
void _mm_store_pd (double* mem_addr, __m128d a)
// avx 1, 32-byte aligned, temporal
void _mm256_store_pd (double * mem_addr, __m256d a)
// avx 1, 32-byte aligned, nontemporal
void _mm256_stream_pd (double * mem_addr, __m256d a)
#endif