现状与问题 #

在基于Win32窗口的软件渲染场景中，使用单核心i5-12450H CPU，每帧需将RGBA像素数组清除为单一颜色后再绘制内容并显示，但清除操作耗时远超预期，以下是两次尝试的实现及性能分析：

最初实现：memcpy逐像素复制 #

通过memcpy逐像素复制颜色值，代码如下：

typedef struct PXLimage
{
    int width;
    int height;
    unsigned char* data;
} PXLimage;

typedef struct PXLcolor
{
    unsigned char rgba[4];
} PXLcolor;

void pxlImageClearColor(PXLimage* image, PXLcolor color)
{
    for(uint32_t i = 0; i < image->width * image->height; i++)
    {
        memcpy(image->data + (i * 4), color.rgba, 4);
    }
}

经gprof性能分析，该函数CPU占比达49.85%，具体结果：

Flat profile:
每个样本代表0.01秒。
  占比  累计时间(秒)  自身时间(秒)  调用次数  单次耗时(微秒)  总耗时(微秒)  函数名    
 49.85     45.70    45.70   200000   228.50   228.50  pxlImageClearColor
 23.42     67.17    21.47                             _mcount_private
 11.52     77.73    10.56 1137265408     0.01     0.01  pxlImageSetPixelColor
  9.75     86.67     8.94                             __fentry__
  4.51     90.80     4.13   200000    20.65   206.13  pxlRendererDrawTriangle
  0.76     91.50     0.70   200000     3.50    66.64  pxlRendererDrawRect
  0.14     91.63     0.13   200000     0.65     4.23  pxlRendererDrawLine
  0.01     91.64     0.01   200000     0.05     0.05  pxlGetKey
  0.01     91.65     0.01   200000     0.05   228.55  pxlRendererClearColor
  0.01     91.66     0.01                             _pxlOutOfImageRange
  0.01     91.67     0.01                             main
  0.00     91.67     0.00  2000000     0.00     0.00  pxlRendererSetDrawColor
  0.00     91.67     0.00   200000     0.00     0.00  pxlWindowPresent
  0.00     91.67     0.00   100000     0.00     0.00  pxlWindowPollEvents
  0.00     91.67     0.00       10     0.00     0.00  _pxlFree
  0.00     91.67     0.00       10     0.00     0.00  _pxlMalloc

优化后实现：uint32_t直接赋值 #

改为直接将颜色值按uint32_t类型赋值，代码如下：

void pxlImageClearColor(PXLimage* image, PXLcolor color)
{
    for(uint32_t i = 0; i < image->width * image->height; i++)
    {
        ((uint32_t*)image->data)[i] =  *((uint32_t*)color.rgba);
    }
}

再次分析后，CPU占比仍为48.45%，性能提升有限：

Flat profile:
每个样本代表0.01秒。
  占比  累计时间(秒)  自身时间(秒)  调用次数  单次耗时(微秒)  总耗时(微秒)  函数名    
 48.45     39.80    39.80   200000   199.00   199.00  pxlImageClearColor
 24.31     59.77    19.97                             _mcount_private
 11.43     69.16     9.39 1137265408     0.01     0.01  pxlImageSetPixelColor
 10.24     77.57     8.41                             __fentry__
  4.59     81.34     3.77   200000    18.85   183.78  pxlRendererDrawTriangle
  0.73     81.94     0.60   200000     3.00    59.15  pxlRendererDrawRect
  0.15     82.06     0.12                             pxlImageGetPixelColor
  0.09     82.13     0.07   200000     0.35     3.54  pxlRendererDrawLine
  0.01     82.14     0.01   200000     0.05     0.05  pxlGetKey
  0.00     82.14     0.00  2000000     0.00     0.00  pxlRendererSetDrawColor
  0.00     82.14     0.00   200000     0.00   199.00  pxlRendererClearColor
  0.00     82.14     0.00   200000     0.00     0.00  pxlWindowPresent
  0.00     82.14     0.00   100000     0.00     0.00  pxlWindowPollEvents
  0.00     82.14     0.00       10     0.00     0.00  _pxlFree
  0.00     82.14     0.00       10     0.00     0.00  _pxlMalloc

可实施的优化方案 #

• 使用批量内存填充函数：利用系统提供的高效内存填充接口，比如Windows的FillMemory，提前将颜色打包为uint32_t后批量写入，避免逐像素循环的开销：

  void pxlImageClearColor(PXLimage* image, PXLcolor color)
  {
      uint32_t color32 = *((uint32_t*)color.rgba);
      size_t totalBytes = image->width * image->height * 4;
      FillMemory(image->data, totalBytes, color32);
  }
  

  也可以直接使用SIMD指令（如SSE/AVX）手动实现批量填充，一次处理16/32字节数据，大幅减少循环次数。

• 预转换变量减少循环内操作：将颜色值和目标指针提前转换并缓存，避免每次循环都执行类型转换和内存取值：

  void pxlImageClearColor(PXLimage* image, PXLcolor color)
  {
      uint32_t colorVal = *((uint32_t*)color.rgba);
      uint32_t* destBuffer = (uint32_t*)image->data;
      size_t pixelCount = image->width * image->height;
      for(uint32_t i = 0; i < pixelCount; i++)
      {
          destBuffer[i] = colorVal;
      }
  }
  

• 开启编译器高级优化：启用O2/O3级别的优化选项，同时指定CPU架构（如MSVC的/arch:AVX2、GCC的-mavx2），让编译器自动完成循环展开、向量化、指令重排等优化，充分利用CPU的SIMD能力。

• 内存对齐优化：确保图像数据的内存按缓存行或SIMD指令要求对齐（如16/32字节对齐），避免未对齐内存访问带来的性能损耗。可以使用_aligned_malloc（Windows）或posix_memalign（跨平台）分配图像缓冲区。

• 延迟清除或区域清除：如果每帧绘制会覆盖整个像素区域，可直接跳过清除操作；若仅部分区域需要更新，只清除对应区域，减少不必要的内存写入。

内容的提问来源于stack exchange，提问作者zakariamoknine