从 x86 CPU 生成 64 字节读取 PCIe TLP

将数据写入 PCIe 设备时，可以使用写入组合映射来提示 CPU 应生成针对该设备的 64 字节 TLP。

是否可以对读取做类似的事情？以某种方式提示 CPU 读取整个缓存行或更大的缓冲区，而不是一次读取一个字？

英特尔有关于从视频 RAM 复制到主内存的白皮书;这应该类似，但要简单得多（因为数据适合 2 或 4 个向量寄存器）。

它表示 NT 加载会将整个缓存行数据从 WC 内存拉入 LFB：

普通加载指令以与指令请求大小相同的单位从 USWC 内存中提取数据。相比之下，诸如 MOVNTDQA 之类的流式加载指令通常会将完整的高速缓存行数据拉到 CPU 中的特殊“填充缓冲区”。随后的流加载将从该填充缓冲区中读取，从而产生更少的延迟。

使用AVX2_mm256_stream_load_si256()或 SSE4.1/AVX1 128 位版本。

填充缓冲区是有限的资源，因此您肯定希望编译器生成 asm，它可以连续执行 64 字节缓存行的两个对齐加载，then存储到常规内存中。

如果您一次处理多个 64 字节块，请参阅 Intel 的白皮书，了解有关使用在 L1d 中保持热状态的小型反弹缓冲区的建议，以避免将存储与 NT 负载混合到 DRAM。 （L1d 驱逐到 DRAM，就像 NT 存储一样，也需要行填充缓冲区，LFB）。

注意_mm256_stream_load_si256()没用at allWC 以外的内存类型。 NT 提示在当前硬件上被忽略，但与常规负载相比，它无论如何都会花费额外的 ALU uop。有prefetchnta，但那是完全不同的野兽。