为什么不std :: count和std :: find优化使用memchr？
我正在阅读sehe对这个问题的回答，很惊讶地看到使用std::memchr手写循环比使用std::count （见注释） 快了3倍 。 使用std::count的代码可以在编辑2中看到，但它基本归结为：
const auto num_lines = std::count(f, l, 'n');
VS
uintmax_t num_lines = 0;
while (f && f != l)
if ((f = static_cast<const char*>(memchr(f, 'n', l - f))))
num_lines++, f++;
我希望std::count版本至少和std::memchr版本一样快 - 这也是为什么std::copy应该至少和std::memcpy一样快的原因。
我检查了我的标准库（libc ++） std::count ，并且没有试图针对char输入类型进行优化（对于std::find同上）。
为什么是这样？ 如果提供了char*迭代器和char值，实现是否可以不派遣到std::memchr ？
如果匹配之间的平均距离不小，那么对memchr使用实际函数调用只会是一场胜利。
特别是对于count ，如果您计算t字符时平均每2或4（例如，使用ACGT字母表的DNA碱基对），则调用memchr可能会慢很多。
我会怀疑使用memchr循环作为char数组的std::count的默认实现。 更有可能的其他方式来调整来源，使其编译更好。
对于find它会更有意义，即使它可能会显着增加开销，而对于一个简单的一次一个字节的循环，如果在第一对字节中有一个命中的话。
您也可以将其视为编译器错失优化。 如果编译器为std::count和std::find的循环创建了更好的代码，那么通过调用手写的asm库函数就可以获得更少的代码。
gcc和clang在进入循环之前并不知道行程计数时不会自动矢量化循环。 （即它们不会执行搜索循环，这对于像字节一样小的元素大小而言是主要的遗漏优化）。 ICC没有这种限制，可以矢量化搜索循环。 尽管如此，我还没有看过它是如何处理libc ++的std :: count或find的。
std::count必须检查每个元素，所以它应该自动向量化。 但如果海湾合作委员会或铿锵甚至不与-O3 ，那么这是不幸的。 它应该在x86上使用pcmpeqb （打包比较字节）很好地进行矢量化，然后paddb为0 / -1比较结果。 （至少每255次迭代， psadbw对零来水平地求和字节元素）。
库函数调用开销至少是一个从内存中调用函数指针的间接调用（可以缓存未命中）。 在具有动态链接的Linux上，通常还有一个额外的jmp通过PLT（除非使用-fno-plt编译）。 memchr比strchr更容易优化，启动开销strchr ，因为您可以快速检查16B矢量负载是否可以越过末端（对比指向strchr或strlen的指针以避免跨越页面或缓存行边界）
如果调用memchr是用asm实现某些东西的最佳方式，那么理论上这就是编译器应该发出的东西。 gcc / clang已经根据目标选项（ -march= ）优化了大型复制循环以调用libc memcpy 。 例如，当副本足够大，libc版本可能决定在x86上使用NT存储时。
上一篇: Why aren't std::count and std::find optimised to use memchr?