四年前写过一篇小内存拷贝优化：http://www.skywind.me/blog/archives/143
纠结了一下还是把全尺寸拷贝优化代码发布出来吧，没啥好保密的，
如今总结一下全尺寸内存拷贝优化的要点：
1. 策略区别：64字节以内用小内存方案，64K以内用中尺寸方案，大于64K用大内存拷贝方案。
2. 查表跳转：拷贝不同小尺寸内存，直接跳转到相应地址解除循环。
3. 目标对齐：64字节以上拷贝的先用普通方法拷贝几个字节让目标地址对齐，好做后面的事情。
4. 矢量拷贝：并行一次性读入N个矢量到 sse2 寄存器，再并行写出。
5. 缓存预取：使用 prefetchnta ，提前预取数据，等到真的要用时数据已经到位。
6. 内存直写：使用 movntdq 来直写内存，避免缓存污染。
部分理论，见论文：《Using Block Prefetch for Optimized Memory Performance》
但论文考虑问题比较单一，所以实际代码写的比论文复杂不少，目前在各个尺寸上基本平均能够加速 40%，比较GCC 4.9, VS2012的 memcpy，不排除未来的 libc, crt库继续完善以后，能够达到下面代码的速度。但我看libc和crt的 memcpy代码已经很久没人更新了，不知道他们还愿意继续优化下去么？
行了，具体实现各位读代码吧，需要 SSE2 指令集支持，gcc编译时需要 –msse2 一下，点击（more）展开代码，测试结果附在源文件最后注释部分：
