大併發服務器內存轉換的靈活運用,memcpy的思考

在很多的網絡開發中，經常會碰到一些內存轉換，如下面的場景：

#define PACKAGE_PARSE_ERROR -1
#define PACKAGE_PARSE_OK 0

int parse_package( int* a, int* b, int* c, int* d, char* buf, int buf_len )
{
        if( !buf || buf_len < 16 ){
                return PACKAGE_PARSE_ERROR;
        }
        memcpy( a, buf, 4 );
        memcpy( b, buf + 4, 4 );
        memcpy( c, buf + 8, 4 );
        memcpy( d, buf + 12, 4 );

        return PACKAGE_PARSE_OK;
}

這是網絡解包的過程中的一個調用，封包的過程則是逆過程。

像這樣的應用其實完全可以用整型強制轉換來代替，而且效率會至少提高一倍。

爲了說明問題，我們舉個簡單的例子：

#include <stdio.h>
#include <stdlib.h>
#include <memory.h>

int main()
{
        int s;
        char buffer[4];

        memcpy(&s, buffer, 4 );
        s = *(int*)(buffer);
        return 0;
}

第10行和第11行的效果是一樣的，10行採用的是內存複製，11行採用的是強制轉換，爲了方便比較，我們看一下彙編代碼：

        pushq   %rbp
        .cfi_def_cfa_offset 16
        .cfi_offset 6, -16
        movq    %rsp, %rbp
        .cfi_def_cfa_register 6
        subq    $16, %rsp
        leaq    -16(%rbp), %rcx
        leaq    -4(%rbp), %rax
        movl    $4, %edx
        movq    %rcx, %rsi
        movq    %rax, %rdi
        call    memcpy
        leaq    -16(%rbp), %rax
        movl    (%rax), %eax
        movl    %eax, -4(%rbp)
        movl    $0, %eax
        leave

代碼中可以看出，內存複製方法佔用了7-12行，共6行，強制轉換佔用了13-15行，共3行，指令上少了一半。

深究一下其實還不止，因爲第12行其實是一個函數調用，必然會有棧的遷移，所以強制轉換的效率比內存複製起碼高一倍。

再看看glibc 的memcpy函數實現：

void *memcpy (void *dstpp, const void *srcpp, size_t len )
{
  unsigned long int dstp = (long int) dstpp;
  unsigned long int srcp = (long int) srcpp;

  if (len >= OP_T_THRES)
    {
      len -= (-dstp) % OPSIZ;
      BYTE_COPY_FWD (dstp, srcp, (-dstp) % OPSIZ);
      PAGE_COPY_FWD_MAYBE (dstp, srcp, len, len);
      WORD_COPY_FWD (dstp, srcp, len, len);
    }

  BYTE_COPY_FWD (dstp, srcp, len);

  return dstpp;
}

9-11行分別是三種處理方法，取決於 len 與 OP_T_THRES的比較，一般 OP_T_THRES 是8或16，對於len 小於OP_T_THRES的內存複製，glibc採用的是字節方式轉換，即遍歷每個字節，第個字節都要經過 “內存--寄存器--內存” 這個過程,CPU指令上可以說多了平空多了一倍。

從上面的分析可以看出，強制轉換是節省了很大的運算時間，效率上至少提高一倍。不要小看這樣的提升，在每秒幾萬併發的情況下，尤其每個併發都存在解包和封包的過程，這樣的處理可以給我們帶來相當大的性能提升。

開頭中提到的解包過程，我們可以巧秒地運用強制轉換，下面列出兩種方法：

int parse_package( int* a, int* b, int* c, int* d, char* buf, int buf_len )
{
        if( !buf || buf_len < 16 ){
                return PACKAGE_PARSE_ERROR;
        }
        memcpy( a, buf, 4 );
        memcpy( b, buf + 4, 4 );
        memcpy( c, buf + 8, 4 );
        memcpy( d, buf + 12, 4 );

        return PACKAGE_PARSE_OK;
}

int parse_package2( int* a, int* b, int* c, int* d, char* buf, int buf_len )
{
        int* ibuf;
        if( !buf || buf_len < 16 ){
                return PACKAGE_PARSE_ERROR;
        }

        ibuf = buf;
        *a = ibuf[0];
        *b = ibuf[1];
        *c = ibuf[2];
        *d = ibuf[3];

        return PACKAGE_PARSE_OK;
}

parse_package彙編代碼：

parse_package:
.LFB0:
        .cfi_startproc
        pushq   %rbp
        .cfi_def_cfa_offset 16
        .cfi_offset 6, -16
        movq    %rsp, %rbp
        .cfi_def_cfa_register 6
        subq    $48, %rsp
        movq    %rdi, -8(%rbp)
        movq    %rsi, -16(%rbp)
        movq    %rdx, -24(%rbp)
        movq    %rcx, -32(%rbp)
        movq    %r8, -40(%rbp)
        movl    %r9d, -44(%rbp)
        cmpq    $0, -40(%rbp)
        je      .L2
        cmpl    $15, -44(%rbp)
        jg      .L3
.L2:
        movl    $-1, %eax
        jmp     .L4.
L3:
        movq    -40(%rbp), %rcx
        movq    -8(%rbp), %rax
        movl    $4, %edx
        movq    %rcx, %rsi
        movq    %rax, %rdi
        call    memcpy
        movq    -40(%rbp), %rax
        leaq    4(%rax), %rcx
        movq    -16(%rbp), %rax
        movl    $4, %edx
        movq    %rcx, %rsi
        movq    %rax, %rdi
        call    memcpy
        movq    -40(%rbp), %rax
        leaq    8(%rax), %rcx
        movq    -24(%rbp), %rax
        movl    $4, %edx
        movq    %rcx, %rsi
        movq    %rax, %rdi
        call    memcpy
        movq    -40(%rbp), %rax
        leaq    12(%rax), %rcx
        movq    -32(%rbp), %rax
        movl    $4, %edx
        movq    %rcx, %rsi
        movq    %rax, %rdi
        call    memcpy
        movl    $0, %eax

L3段是我們的主段落，對a的賦值：

24-28行都是在“壓棧”，爲了memcpy函數內取出來，加上29行一共是6條，memcpy 解棧指令數>=3, 去處指令數>=4,不加算返回指令，一共指令數>6+3+4=13。

parse_package2彙編代碼：

parse_package2:
.LFB1:
        .cfi_startproc
        pushq   %rbp
        .cfi_def_cfa_offset 16
        .cfi_offset 6, -16
        movq    %rsp, %rbp
        .cfi_def_cfa_register 6
        movq    %rdi, -24(%rbp)
        movq    %rsi, -32(%rbp)
        movq    %rdx, -40(%rbp)
        movq    %rcx, -48(%rbp)
        movq    %r8, -56(%rbp)
        movl    %r9d, -60(%rbp)
        cmpq    $0, -56(%rbp)
        je      .L7     
        cmpl    $15, -60(%rbp)
        jg      .L8     
.L7:
        movl    $-1, %eax
        jmp     .L9     

.L8:
        movq    -56(%rbp), %rax
        movq    %rax, -8(%rbp)
        movq    -8(%rbp), %rax
        movl    (%rax), %edx
        movq    -24(%rbp), %rax
        movl    %edx, (%rax)
        movq    -8(%rbp), %rax
        addq    $4, %rax
        movl    (%rax), %edx
        movq    -32(%rbp), %rax
        movl    %edx, (%rax)
        movq    -8(%rbp), %rax
        addq    $8, %rax
        movl    (%rax), %edx
        movq    -40(%rbp), %rax
        movl    %edx, (%rax)
        movq    -8(%rbp), %rax
        addq    $12, %rax
        movl    (%rax), %edx
        movq    -48(%rbp), %rax
        movl    %edx, (%rax)
        movl    $0, %eax

L8是主段落，對a的賦值：

26-29行，一共4行解決。

這個例子中強制轉換（parse_package2) 比內存複製（parse_package)要少2倍的CPU指令，性能至少可以提高2倍。

因此，我們的開發中應該儘量減少對內存複製的使用，而應該採用強制轉換，現在64位服務器上，我們甚至可以用8個字節的long，就像下面這樣：

long lv;
char buffer[ 8 ];

memcpy( &lv, buffer, 8 );
lv = *(long*)(buffer);

這樣就能更好的利用CPU的多字節指令提高性能。