lib/librte_eal/common/include/arch/x86/rte_memcpy.h

   1 /*-
   2  *   BSD LICENSE
   3  *
   4  *   Copyright(c) 2010-2014 Intel Corporation. All rights reserved.
   5  *   All rights reserved.
   6  *
   7  *   Redistribution and use in source and binary forms, with or without
   8  *   modification, are permitted provided that the following conditions
   9  *   are met:
  10  *
  11  *     * Redistributions of source code must retain the above copyright
  12  *       notice, this list of conditions and the following disclaimer.
  13  *     * Redistributions in binary form must reproduce the above copyright
  14  *       notice, this list of conditions and the following disclaimer in
  15  *       the documentation and/or other materials provided with the
  16  *       distribution.
  17  *     * Neither the name of Intel Corporation nor the names of its
  18  *       contributors may be used to endorse or promote products derived
  19  *       from this software without specific prior written permission.
  20  *
  21  *   THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS
  22  *   "AS IS" AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT
  23  *   LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR
  24  *   A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT
  25  *   OWNER OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,
  26  *   SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT
  27  *   LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE,
  28  *   DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY
  29  *   THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT
  30  *   (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE
  31  *   OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.
  32  */
  33
  34 #ifndef _RTE_MEMCPY_X86_64_H_
  35 #define _RTE_MEMCPY_X86_64_H_
  36
  37 /**
  38  * @file
  39  *
  40  * Functions for SSE/AVX/AVX2 implementation of memcpy().
  41  */
  42
  43 #include <stdio.h>
  44 #include <stdint.h>
  45 #include <string.h>
  46 #include <x86intrin.h>
  47
  48 #ifdef __cplusplus
  49 extern "C" {
  50 #endif
  51
  52 /**
  53  * Copy bytes from one location to another. The locations must not overlap.
  54  *
  55  * @note This is implemented as a macro, so it's address should not be taken
  56  * and care is needed as parameter expressions may be evaluated multiple times.
  57  *
  58  * @param dst
  59  *   Pointer to the destination of the data.
  60  * @param src
  61  *   Pointer to the source data.
  62  * @param n
  63  *   Number of bytes to copy.
  64  * @return
  65  *   Pointer to the destination data.
  66  */
  67 static inline void *
  68 rte_memcpy(void *dst, const void *src, size_t n) __attribute__((always_inline));
  69
  70 #ifdef RTE_MACHINE_CPUFLAG_AVX2
  71
  72 /**
  73  * AVX2 implementation below
  74  */
  75
  76 /**
  77  * Copy 16 bytes from one location to another,
  78  * locations should not overlap.
  79  */
  80 static inline void
  81 rte_mov16(uint8_t *dst, const uint8_t *src)
  82 {
  83         __m128i xmm0;
  84
  85         xmm0 = _mm_loadu_si128((const __m128i *)src);
  86         _mm_storeu_si128((__m128i *)dst, xmm0);
  87 }
  88
  89 /**
  90  * Copy 32 bytes from one location to another,
  91  * locations should not overlap.
  92  */
  93 static inline void
  94 rte_mov32(uint8_t *dst, const uint8_t *src)
  95 {
  96         __m256i ymm0;
  97
  98         ymm0 = _mm256_loadu_si256((const __m256i *)src);
  99         _mm256_storeu_si256((__m256i *)dst, ymm0);
 100 }
 101
 102 /**
 103  * Copy 64 bytes from one location to another,
 104  * locations should not overlap.
 105  */
 106 static inline void
 107 rte_mov64(uint8_t *dst, const uint8_t *src)
 108 {
 109         rte_mov32((uint8_t *)dst + 0 * 32, (const uint8_t *)src + 0 * 32);
 110         rte_mov32((uint8_t *)dst + 1 * 32, (const uint8_t *)src + 1 * 32);
 111 }
 112
 113 /**
 114  * Copy 128 bytes from one location to another,
 115  * locations should not overlap.
 116  */
 117 static inline void
 118 rte_mov128(uint8_t *dst, const uint8_t *src)
 119 {
 120         rte_mov32((uint8_t *)dst + 0 * 32, (const uint8_t *)src + 0 * 32);
 121         rte_mov32((uint8_t *)dst + 1 * 32, (const uint8_t *)src + 1 * 32);
 122         rte_mov32((uint8_t *)dst + 2 * 32, (const uint8_t *)src + 2 * 32);
 123         rte_mov32((uint8_t *)dst + 3 * 32, (const uint8_t *)src + 3 * 32);
 124 }
 125
 126 /**
 127  * Copy 256 bytes from one location to another,
 128  * locations should not overlap.
 129  */
 130 static inline void
 131 rte_mov256(uint8_t *dst, const uint8_t *src)
 132 {
 133         rte_mov32((uint8_t *)dst + 0 * 32, (const uint8_t *)src + 0 * 32);
 134         rte_mov32((uint8_t *)dst + 1 * 32, (const uint8_t *)src + 1 * 32);
 135         rte_mov32((uint8_t *)dst + 2 * 32, (const uint8_t *)src + 2 * 32);
 136         rte_mov32((uint8_t *)dst + 3 * 32, (const uint8_t *)src + 3 * 32);
 137         rte_mov32((uint8_t *)dst + 4 * 32, (const uint8_t *)src + 4 * 32);
 138         rte_mov32((uint8_t *)dst + 5 * 32, (const uint8_t *)src + 5 * 32);
 139         rte_mov32((uint8_t *)dst + 6 * 32, (const uint8_t *)src + 6 * 32);
 140         rte_mov32((uint8_t *)dst + 7 * 32, (const uint8_t *)src + 7 * 32);
 141 }
 142
 143 /**
 144  * Copy 64-byte blocks from one location to another,
 145  * locations should not overlap.
 146  */
 147 static inline void
 148 rte_mov64blocks(uint8_t *dst, const uint8_t *src, size_t n)
 149 {
 150         __m256i ymm0, ymm1;
 151
 152         while (n >= 64) {
 153                 ymm0 = _mm256_loadu_si256((const __m256i *)((const uint8_t *)src + 0 * 32));
 154                 n -= 64;
 155                 ymm1 = _mm256_loadu_si256((const __m256i *)((const uint8_t *)src + 1 * 32));
 156                 src = (const uint8_t *)src + 64;
 157                 _mm256_storeu_si256((__m256i *)((uint8_t *)dst + 0 * 32), ymm0);
 158                 _mm256_storeu_si256((__m256i *)((uint8_t *)dst + 1 * 32), ymm1);
 159                 dst = (uint8_t *)dst + 64;
 160         }
 161 }
 162
 163 /**
 164  * Copy 256-byte blocks from one location to another,
 165  * locations should not overlap.
 166  */
 167 static inline void
 168 rte_mov256blocks(uint8_t *dst, const uint8_t *src, size_t n)
 169 {
 170         __m256i ymm0, ymm1, ymm2, ymm3, ymm4, ymm5, ymm6, ymm7;
 171
 172         while (n >= 256) {
 173                 ymm0 = _mm256_loadu_si256((const __m256i *)((const uint8_t *)src + 0 * 32));
 174                 n -= 256;
 175                 ymm1 = _mm256_loadu_si256((const __m256i *)((const uint8_t *)src + 1 * 32));
 176                 ymm2 = _mm256_loadu_si256((const __m256i *)((const uint8_t *)src + 2 * 32));
 177                 ymm3 = _mm256_loadu_si256((const __m256i *)((const uint8_t *)src + 3 * 32));
 178                 ymm4 = _mm256_loadu_si256((const __m256i *)((const uint8_t *)src + 4 * 32));
 179                 ymm5 = _mm256_loadu_si256((const __m256i *)((const uint8_t *)src + 5 * 32));
 180                 ymm6 = _mm256_loadu_si256((const __m256i *)((const uint8_t *)src + 6 * 32));
 181                 ymm7 = _mm256_loadu_si256((const __m256i *)((const uint8_t *)src + 7 * 32));
 182                 src = (const uint8_t *)src + 256;
 183                 _mm256_storeu_si256((__m256i *)((uint8_t *)dst + 0 * 32), ymm0);
 184                 _mm256_storeu_si256((__m256i *)((uint8_t *)dst + 1 * 32), ymm1);
 185                 _mm256_storeu_si256((__m256i *)((uint8_t *)dst + 2 * 32), ymm2);
 186                 _mm256_storeu_si256((__m256i *)((uint8_t *)dst + 3 * 32), ymm3);
 187                 _mm256_storeu_si256((__m256i *)((uint8_t *)dst + 4 * 32), ymm4);
 188                 _mm256_storeu_si256((__m256i *)((uint8_t *)dst + 5 * 32), ymm5);
 189                 _mm256_storeu_si256((__m256i *)((uint8_t *)dst + 6 * 32), ymm6);
 190                 _mm256_storeu_si256((__m256i *)((uint8_t *)dst + 7 * 32), ymm7);
 191                 dst = (uint8_t *)dst + 256;
 192         }
 193 }
 194
 195 static inline void *
 196 rte_memcpy(void *dst, const void *src, size_t n)
 197 {
 198         void *ret = dst;
 199         int dstofss;
 200         int bits;
 201
 202         /**
 203          * Copy less than 16 bytes
 204          */
 205         if (n < 16) {
 206                 if (n & 0x01) {
 207                         *(uint8_t *)dst = *(const uint8_t *)src;
 208                         src = (const uint8_t *)src + 1;
 209                         dst = (uint8_t *)dst + 1;
 210                 }
 211                 if (n & 0x02) {
 212                         *(uint16_t *)dst = *(const uint16_t *)src;
 213                         src = (const uint16_t *)src + 1;
 214                         dst = (uint16_t *)dst + 1;
 215                 }
 216                 if (n & 0x04) {
 217                         *(uint32_t *)dst = *(const uint32_t *)src;
 218                         src = (const uint32_t *)src + 1;
 219                         dst = (uint32_t *)dst + 1;
 220                 }
 221                 if (n & 0x08) {
 222                         *(uint64_t *)dst = *(const uint64_t *)src;
 223                 }
 224                 return ret;
 225         }
 226
 227         /**
 228          * Fast way when copy size doesn't exceed 512 bytes
 229          */
 230         if (n <= 32) {
 231                 rte_mov16((uint8_t *)dst, (const uint8_t *)src);
 232                 rte_mov16((uint8_t *)dst - 16 + n, (const uint8_t *)src - 16 + n);
 233                 return ret;
 234         }
 235         if (n <= 64) {
 236                 rte_mov32((uint8_t *)dst, (const uint8_t *)src);
 237                 rte_mov32((uint8_t *)dst - 32 + n, (const uint8_t *)src - 32 + n);
 238                 return ret;
 239         }
 240         if (n <= 512) {
 241                 if (n >= 256) {
 242                         n -= 256;
 243                         rte_mov256((uint8_t *)dst, (const uint8_t *)src);
 244                         src = (const uint8_t *)src + 256;
 245                         dst = (uint8_t *)dst + 256;
 246                 }
 247                 if (n >= 128) {
 248                         n -= 128;
 249                         rte_mov128((uint8_t *)dst, (const uint8_t *)src);
 250                         src = (const uint8_t *)src + 128;
 251                         dst = (uint8_t *)dst + 128;
 252                 }
 253                 if (n >= 64) {
 254                         n -= 64;
 255                         rte_mov64((uint8_t *)dst, (const uint8_t *)src);
 256                         src = (const uint8_t *)src + 64;
 257                         dst = (uint8_t *)dst + 64;
 258                 }
 259 COPY_BLOCK_64_BACK31:
 260                 if (n > 32) {
 261                         rte_mov32((uint8_t *)dst, (const uint8_t *)src);
 262                         rte_mov32((uint8_t *)dst - 32 + n, (const uint8_t *)src - 32 + n);
 263                         return ret;
 264                 }
 265                 if (n > 0) {
 266                         rte_mov32((uint8_t *)dst - 32 + n, (const uint8_t *)src - 32 + n);
 267                 }
 268                 return ret;
 269         }
 270
 271         /**
 272          * Make store aligned when copy size exceeds 512 bytes
 273          */
 274         dstofss = 32 - (int)((long long)(void *)dst & 0x1F);
 275         n -= dstofss;
 276         rte_mov32((uint8_t *)dst, (const uint8_t *)src);
 277         src = (const uint8_t *)src + dstofss;
 278         dst = (uint8_t *)dst + dstofss;
 279
 280         /**
 281          * Copy 256-byte blocks.
 282          * Use copy block function for better instruction order control,
 283          * which is important when load is unaligned.
 284          */
 285         rte_mov256blocks((uint8_t *)dst, (const uint8_t *)src, n);
 286         bits = n;
 287         n = n & 255;
 288         bits -= n;
 289         src = (const uint8_t *)src + bits;
 290         dst = (uint8_t *)dst + bits;
 291
 292         /**
 293          * Copy 64-byte blocks.
 294          * Use copy block function for better instruction order control,
 295          * which is important when load is unaligned.
 296          */
 297         if (n >= 64) {
 298                 rte_mov64blocks((uint8_t *)dst, (const uint8_t *)src, n);
 299                 bits = n;
 300                 n = n & 63;
 301                 bits -= n;
 302                 src = (const uint8_t *)src + bits;
 303                 dst = (uint8_t *)dst + bits;
 304         }
 305
 306         /**
 307          * Copy whatever left
 308          */
 309         goto COPY_BLOCK_64_BACK31;
 310 }
 311
 312 #else /* RTE_MACHINE_CPUFLAG_AVX2 */
 313
 314 /**
 315  * SSE & AVX implementation below
 316  */
 317
 318 /**
 319  * Copy 16 bytes from one location to another,
 320  * locations should not overlap.
 321  */
 322 static inline void
 323 rte_mov16(uint8_t *dst, const uint8_t *src)
 324 {
 325         __m128i xmm0;
 326
 327         xmm0 = _mm_loadu_si128((const __m128i *)(const __m128i *)src);
 328         _mm_storeu_si128((__m128i *)dst, xmm0);
 329 }
 330
 331 /**
 332  * Copy 32 bytes from one location to another,
 333  * locations should not overlap.
 334  */
 335 static inline void
 336 rte_mov32(uint8_t *dst, const uint8_t *src)
 337 {
 338         rte_mov16((uint8_t *)dst + 0 * 16, (const uint8_t *)src + 0 * 16);
 339         rte_mov16((uint8_t *)dst + 1 * 16, (const uint8_t *)src + 1 * 16);
 340 }
 341
 342 /**
 343  * Copy 64 bytes from one location to another,
 344  * locations should not overlap.
 345  */
 346 static inline void
 347 rte_mov64(uint8_t *dst, const uint8_t *src)
 348 {
 349         rte_mov16((uint8_t *)dst + 0 * 16, (const uint8_t *)src + 0 * 16);
 350         rte_mov16((uint8_t *)dst + 1 * 16, (const uint8_t *)src + 1 * 16);
 351         rte_mov16((uint8_t *)dst + 2 * 16, (const uint8_t *)src + 2 * 16);
 352         rte_mov16((uint8_t *)dst + 3 * 16, (const uint8_t *)src + 3 * 16);
 353 }
 354
 355 /**
 356  * Copy 128 bytes from one location to another,
 357  * locations should not overlap.
 358  */
 359 static inline void
 360 rte_mov128(uint8_t *dst, const uint8_t *src)
 361 {
 362         rte_mov16((uint8_t *)dst + 0 * 16, (const uint8_t *)src + 0 * 16);
 363         rte_mov16((uint8_t *)dst + 1 * 16, (const uint8_t *)src + 1 * 16);
 364         rte_mov16((uint8_t *)dst + 2 * 16, (const uint8_t *)src + 2 * 16);
 365         rte_mov16((uint8_t *)dst + 3 * 16, (const uint8_t *)src + 3 * 16);
 366         rte_mov16((uint8_t *)dst + 4 * 16, (const uint8_t *)src + 4 * 16);
 367         rte_mov16((uint8_t *)dst + 5 * 16, (const uint8_t *)src + 5 * 16);
 368         rte_mov16((uint8_t *)dst + 6 * 16, (const uint8_t *)src + 6 * 16);
 369         rte_mov16((uint8_t *)dst + 7 * 16, (const uint8_t *)src + 7 * 16);
 370 }
 371
 372 /**
 373  * Copy 256 bytes from one location to another,
 374  * locations should not overlap.
 375  */
 376 static inline void
 377 rte_mov256(uint8_t *dst, const uint8_t *src)
 378 {
 379         rte_mov16((uint8_t *)dst + 0 * 16, (const uint8_t *)src + 0 * 16);
 380         rte_mov16((uint8_t *)dst + 1 * 16, (const uint8_t *)src + 1 * 16);
 381         rte_mov16((uint8_t *)dst + 2 * 16, (const uint8_t *)src + 2 * 16);
 382         rte_mov16((uint8_t *)dst + 3 * 16, (const uint8_t *)src + 3 * 16);
 383         rte_mov16((uint8_t *)dst + 4 * 16, (const uint8_t *)src + 4 * 16);
 384         rte_mov16((uint8_t *)dst + 5 * 16, (const uint8_t *)src + 5 * 16);
 385         rte_mov16((uint8_t *)dst + 6 * 16, (const uint8_t *)src + 6 * 16);
 386         rte_mov16((uint8_t *)dst + 7 * 16, (const uint8_t *)src + 7 * 16);
 387         rte_mov16((uint8_t *)dst + 8 * 16, (const uint8_t *)src + 8 * 16);
 388         rte_mov16((uint8_t *)dst + 9 * 16, (const uint8_t *)src + 9 * 16);
 389         rte_mov16((uint8_t *)dst + 10 * 16, (const uint8_t *)src + 10 * 16);
 390         rte_mov16((uint8_t *)dst + 11 * 16, (const uint8_t *)src + 11 * 16);
 391         rte_mov16((uint8_t *)dst + 12 * 16, (const uint8_t *)src + 12 * 16);
 392         rte_mov16((uint8_t *)dst + 13 * 16, (const uint8_t *)src + 13 * 16);
 393         rte_mov16((uint8_t *)dst + 14 * 16, (const uint8_t *)src + 14 * 16);
 394         rte_mov16((uint8_t *)dst + 15 * 16, (const uint8_t *)src + 15 * 16);
 395 }
 396
 397 /**
 398  * Macro for copying unaligned block from one location to another with constant load offset,
 399  * 47 bytes leftover maximum,
 400  * locations should not overlap.
 401  * Requirements:
 402  * - Store is aligned
 403  * - Load offset is <offset>, which must be immediate value within [1, 15]
 404  * - For <src>, make sure <offset> bit backwards & <16 - offset> bit forwards are available for loading
 405  * - <dst>, <src>, <len> must be variables
 406  * - __m128i <xmm0> ~ <xmm8> must be pre-defined
 407  */
 408 #define MOVEUNALIGNED_LEFT47_IMM(dst, src, len, offset)                                                     \
 409 ({                                                                                                          \
 410     int tmp;                                                                                                \
 411     while (len >= 128 + 16 - offset) {                                                                      \
 412         xmm0 = _mm_loadu_si128((const __m128i *)((const uint8_t *)src - offset + 0 * 16));                  \
 413         len -= 128;                                                                                         \
 414         xmm1 = _mm_loadu_si128((const __m128i *)((const uint8_t *)src - offset + 1 * 16));                  \
 415         xmm2 = _mm_loadu_si128((const __m128i *)((const uint8_t *)src - offset + 2 * 16));                  \
 416         xmm3 = _mm_loadu_si128((const __m128i *)((const uint8_t *)src - offset + 3 * 16));                  \
 417         xmm4 = _mm_loadu_si128((const __m128i *)((const uint8_t *)src - offset + 4 * 16));                  \
 418         xmm5 = _mm_loadu_si128((const __m128i *)((const uint8_t *)src - offset + 5 * 16));                  \
 419         xmm6 = _mm_loadu_si128((const __m128i *)((const uint8_t *)src - offset + 6 * 16));                  \
 420         xmm7 = _mm_loadu_si128((const __m128i *)((const uint8_t *)src - offset + 7 * 16));                  \
 421         xmm8 = _mm_loadu_si128((const __m128i *)((const uint8_t *)src - offset + 8 * 16));                  \
 422         src = (const uint8_t *)src + 128;                                                                   \
 423         _mm_storeu_si128((__m128i *)((uint8_t *)dst + 0 * 16), _mm_alignr_epi8(xmm1, xmm0, offset));        \
 424         _mm_storeu_si128((__m128i *)((uint8_t *)dst + 1 * 16), _mm_alignr_epi8(xmm2, xmm1, offset));        \
 425         _mm_storeu_si128((__m128i *)((uint8_t *)dst + 2 * 16), _mm_alignr_epi8(xmm3, xmm2, offset));        \
 426         _mm_storeu_si128((__m128i *)((uint8_t *)dst + 3 * 16), _mm_alignr_epi8(xmm4, xmm3, offset));        \
 427         _mm_storeu_si128((__m128i *)((uint8_t *)dst + 4 * 16), _mm_alignr_epi8(xmm5, xmm4, offset));        \
 428         _mm_storeu_si128((__m128i *)((uint8_t *)dst + 5 * 16), _mm_alignr_epi8(xmm6, xmm5, offset));        \
 429         _mm_storeu_si128((__m128i *)((uint8_t *)dst + 6 * 16), _mm_alignr_epi8(xmm7, xmm6, offset));        \
 430         _mm_storeu_si128((__m128i *)((uint8_t *)dst + 7 * 16), _mm_alignr_epi8(xmm8, xmm7, offset));        \
 431         dst = (uint8_t *)dst + 128;                                                                         \
 432     }                                                                                                       \
 433     tmp = len;                                                                                              \
 434     len = ((len - 16 + offset) & 127) + 16 - offset;                                                        \
 435     tmp -= len;                                                                                             \
 436     src = (const uint8_t *)src + tmp;                                                                       \
 437     dst = (uint8_t *)dst + tmp;                                                                             \
 438     if (len >= 32 + 16 - offset) {                                                                          \
 439         while (len >= 32 + 16 - offset) {                                                                   \
 440             xmm0 = _mm_loadu_si128((const __m128i *)((const uint8_t *)src - offset + 0 * 16));              \
 441             len -= 32;                                                                                      \
 442             xmm1 = _mm_loadu_si128((const __m128i *)((const uint8_t *)src - offset + 1 * 16));              \
 443             xmm2 = _mm_loadu_si128((const __m128i *)((const uint8_t *)src - offset + 2 * 16));              \
 444             src = (const uint8_t *)src + 32;                                                                \
 445             _mm_storeu_si128((__m128i *)((uint8_t *)dst + 0 * 16), _mm_alignr_epi8(xmm1, xmm0, offset));    \
 446             _mm_storeu_si128((__m128i *)((uint8_t *)dst + 1 * 16), _mm_alignr_epi8(xmm2, xmm1, offset));    \
 447             dst = (uint8_t *)dst + 32;                                                                      \
 448         }                                                                                                   \
 449         tmp = len;                                                                                          \
 450         len = ((len - 16 + offset) & 31) + 16 - offset;                                                     \
 451         tmp -= len;                                                                                         \
 452         src = (const uint8_t *)src + tmp;                                                                   \
 453         dst = (uint8_t *)dst + tmp;                                                                         \
 454     }                                                                                                       \
 455 })
 456
 457 /**
 458  * Macro for copying unaligned block from one location to another,
 459  * 47 bytes leftover maximum,
 460  * locations should not overlap.
 461  * Use switch here because the aligning instruction requires immediate value for shift count.
 462  * Requirements:
 463  * - Store is aligned
 464  * - Load offset is <offset>, which must be within [1, 15]
 465  * - For <src>, make sure <offset> bit backwards & <16 - offset> bit forwards are available for loading
 466  * - <dst>, <src>, <len> must be variables
 467  * - __m128i <xmm0> ~ <xmm8> used in MOVEUNALIGNED_LEFT47_IMM must be pre-defined
 468  */
 469 #define MOVEUNALIGNED_LEFT47(dst, src, len, offset)                   \
 470 ({                                                                    \
 471     switch (offset) {                                                 \
 472     case 0x01: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x01); break;    \
 473     case 0x02: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x02); break;    \
 474     case 0x03: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x03); break;    \
 475     case 0x04: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x04); break;    \
 476     case 0x05: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x05); break;    \
 477     case 0x06: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x06); break;    \
 478     case 0x07: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x07); break;    \
 479     case 0x08: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x08); break;    \
 480     case 0x09: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x09); break;    \
 481     case 0x0A: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x0A); break;    \
 482     case 0x0B: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x0B); break;    \
 483     case 0x0C: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x0C); break;    \
 484     case 0x0D: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x0D); break;    \
 485     case 0x0E: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x0E); break;    \
 486     case 0x0F: MOVEUNALIGNED_LEFT47_IMM(dst, src, n, 0x0F); break;    \
 487     default:;                                                         \
 488     }                                                                 \
 489 })
 490
 491 static inline void *
 492 rte_memcpy(void *dst, const void *src, size_t n)
 493 {
 494         __m128i xmm0, xmm1, xmm2, xmm3, xmm4, xmm5, xmm6, xmm7, xmm8;
 495         void *ret = dst;
 496         int dstofss;
 497         int srcofs;
 498
 499         /**
 500          * Copy less than 16 bytes
 501          */
 502         if (n < 16) {
 503                 if (n & 0x01) {
 504                         *(uint8_t *)dst = *(const uint8_t *)src;
 505                         src = (const uint8_t *)src + 1;
 506                         dst = (uint8_t *)dst + 1;
 507                 }
 508                 if (n & 0x02) {
 509                         *(uint16_t *)dst = *(const uint16_t *)src;
 510                         src = (const uint16_t *)src + 1;
 511                         dst = (uint16_t *)dst + 1;
 512                 }
 513                 if (n & 0x04) {
 514                         *(uint32_t *)dst = *(const uint32_t *)src;
 515                         src = (const uint32_t *)src + 1;
 516                         dst = (uint32_t *)dst + 1;
 517                 }
 518                 if (n & 0x08) {
 519                         *(uint64_t *)dst = *(const uint64_t *)src;
 520                 }
 521                 return ret;
 522         }
 523
 524         /**
 525          * Fast way when copy size doesn't exceed 512 bytes
 526          */
 527         if (n <= 32) {
 528                 rte_mov16((uint8_t *)dst, (const uint8_t *)src);
 529                 rte_mov16((uint8_t *)dst - 16 + n, (const uint8_t *)src - 16 + n);
 530                 return ret;
 531         }
 532         if (n <= 48) {
 533                 rte_mov32((uint8_t *)dst, (const uint8_t *)src);
 534                 rte_mov16((uint8_t *)dst - 16 + n, (const uint8_t *)src - 16 + n);
 535                 return ret;
 536         }
 537         if (n <= 64) {
 538                 rte_mov32((uint8_t *)dst, (const uint8_t *)src);
 539                 rte_mov16((uint8_t *)dst + 32, (const uint8_t *)src + 32);
 540                 rte_mov16((uint8_t *)dst - 16 + n, (const uint8_t *)src - 16 + n);
 541                 return ret;
 542         }
 543         if (n <= 128) {
 544                 goto COPY_BLOCK_128_BACK15;
 545         }
 546         if (n <= 512) {
 547                 if (n >= 256) {
 548                         n -= 256;
 549                         rte_mov128((uint8_t *)dst, (const uint8_t *)src);
 550                         rte_mov128((uint8_t *)dst + 128, (const uint8_t *)src + 128);
 551                         src = (const uint8_t *)src + 256;
 552                         dst = (uint8_t *)dst + 256;
 553                 }
 554 COPY_BLOCK_255_BACK15:
 555                 if (n >= 128) {
 556                         n -= 128;
 557                         rte_mov128((uint8_t *)dst, (const uint8_t *)src);
 558                         src = (const uint8_t *)src + 128;
 559                         dst = (uint8_t *)dst + 128;
 560                 }
 561 COPY_BLOCK_128_BACK15:
 562                 if (n >= 64) {
 563                         n -= 64;
 564                         rte_mov64((uint8_t *)dst, (const uint8_t *)src);
 565                         src = (const uint8_t *)src + 64;
 566                         dst = (uint8_t *)dst + 64;
 567                 }
 568 COPY_BLOCK_64_BACK15:
 569                 if (n >= 32) {
 570                         n -= 32;
 571                         rte_mov32((uint8_t *)dst, (const uint8_t *)src);
 572                         src = (const uint8_t *)src + 32;
 573                         dst = (uint8_t *)dst + 32;
 574                 }
 575                 if (n > 16) {
 576                         rte_mov16((uint8_t *)dst, (const uint8_t *)src);
 577                         rte_mov16((uint8_t *)dst - 16 + n, (const uint8_t *)src - 16 + n);
 578                         return ret;
 579                 }
 580                 if (n > 0) {
 581                         rte_mov16((uint8_t *)dst - 16 + n, (const uint8_t *)src - 16 + n);
 582                 }
 583                 return ret;
 584         }
 585
 586         /**
 587          * Make store aligned when copy size exceeds 512 bytes,
 588          * and make sure the first 15 bytes are copied, because
 589          * unaligned copy functions require up to 15 bytes
 590          * backwards access.
 591          */
 592         dstofss = 16 - (int)((long long)(void *)dst & 0x0F) + 16;
 593         n -= dstofss;
 594         rte_mov32((uint8_t *)dst, (const uint8_t *)src);
 595         src = (const uint8_t *)src + dstofss;
 596         dst = (uint8_t *)dst + dstofss;
 597         srcofs = (int)((long long)(const void *)src & 0x0F);
 598
 599         /**
 600          * For aligned copy
 601          */
 602         if (srcofs == 0) {
 603                 /**
 604                  * Copy 256-byte blocks
 605                  */
 606                 for (; n >= 256; n -= 256) {
 607                         rte_mov256((uint8_t *)dst, (const uint8_t *)src);
 608                         dst = (uint8_t *)dst + 256;
 609                         src = (const uint8_t *)src + 256;
 610                 }
 611
 612                 /**
 613                  * Copy whatever left
 614                  */
 615                 goto COPY_BLOCK_255_BACK15;
 616         }
 617
 618         /**
 619          * For copy with unaligned load
 620          */
 621         MOVEUNALIGNED_LEFT47(dst, src, n, srcofs);
 622
 623         /**
 624          * Copy whatever left
 625          */
 626         goto COPY_BLOCK_64_BACK15;
 627 }
 628
 629 #endif /* RTE_MACHINE_CPUFLAG_AVX2 */
 630
 631 #ifdef __cplusplus
 632 }
 633 #endif
 634
 635 #endif /* _RTE_MEMCPY_X86_64_H_ */