我想知道rdi和rsi中重叠和非重叠内存指针的指令rep movsb是否存在差异
即通过rep movsb指令实现memcpy和memmove有什么不同吗？
在本文档中https://www.amd.com/system/files/TechDocs/24594.pdf阅读以下内容：
根据硬件实现，字符串随方向标志(DF(清除为0(向上(可能比字符串移动更快DF设置为1(向下(。DF=1仅适用于重叠REP MOVS，例如当源和目标重叠
rep movsb的行为总是与完全一样。有时它可以运行得很快(宽加载/存储(，并且仍然是等效的；有时，在dst向DF方向接近src的情况下，它必须运行缓慢才能保持确切的语义。
char *rdi, *rsi;
size_t rcx; // incoming register "args"
for( ; rcx != 0 ; rcx--) { // rep movsb. Interruptible after a complete iteration
*rdi = *rsi;
rdi += (DF == 0 ? 1 : -1);
rsi += (DF == 0 ? 1 : -1);
}
例如，如果使用dst = src+1、DF=0和count=16运行，则该循环(以及rep movsb(将重复第一个字节16次。每次加载都将读取上一个存储区存储的值。
这是memcpy的有效实现，因为ISO C没有定义重叠情况下的行为。
但不是memmove的有效实现，在覆盖目标之前，需要将其复制为读取所有源。(cppreference(。因此，在这种情况下，将所有字节向前复制1。
实现这一点的标准方法是检测重叠是否会成为前进的问题，如果是，则从缓冲区的末端向后工作。
或者，在向后复制同样有效的系统上，只需基于dst > src无符号比较进行分支，而不必考虑大小。请参阅指针比较在64位x86中是有符号的还是无符号的？re：如何对可能的重叠进行比较的细节，如dst+size > src
性能
是的，正如AMD所说，在AMD和英特尔的当前CPU中，DF=0的速度要快得多，DF=1会回落到一个实际的逐字节微码循环，而不是使用一次16、32或64字节的快速字符串/ERMSB微码。
对于中等大小和更大的副本(两个KiB或更多(，DF=0的对齐src和dst上的rep movsb与CPU支持的矢量最宽的展开SIMD循环的速度相似，在大多数CPU上，可能在10%或20%以内。(还假设dst远远领先于src，不会导致与微码中的宽SIMD负载重叠，或者它低于src。您可以测试什么距离会导致回退到慢速路径。(