如何在C++中用memcpy将unsigned long long复制到字节数组指定位置

现有CUDA代码通过逐字节移位和位运算，把unsigned long long类型变量i的每个字节依次赋值给字节数组m的索引4到11位置，考虑到逐位操作可能拖慢性能，希望改用memcpy单次完成复制并测试速度。原代码如下：

int thread = blockIdx.x * blockDim.x + threadIdx.x + 0xeafe7436;
uchar m[12];
uint res[4];
m[0] = (uchar)(thread & 0x000000ff);
m[1] = (uchar)((thread >> 8) & 0x000000ff);
m[2] = (uchar)((thread >> 16) & 0x000000ff);
m[3] = (uchar)((thread >> 24) & 0x000000ff);

for (unsigned long long i = 0; i < 0xffffffffffffffff; i++) {
    m[4] = (uchar)(i & 0x00000000000000ff);
    m[5] = (uchar)((i >> 8) & 0x00000000000000ff);
    m[6] = (uchar)((i >> 16) & 0x00000000000000ff);
    m[7] = (uchar)((i >> 24) & 0x00000000000000ff);
    m[8] = (uchar)((i >> 32) & 0x00000000000000ff);
    m[9] = (uchar)((i >> 40) & 0x00000000000000ff);
    m[10] = (uchar)((i >> 48) & 0x00000000000000ff);
    m[11] = (uchar)((i >> 56) & 0x00000000000000ff);
    md5(m, 12, res);
}

替换方案 #

直接用memcpy将i的内存内容一次性复制到m数组的m+4位置即可，因为unsigned long long正好占8字节，完全覆盖m[4]到m[11]的8个元素。替换后的循环代码如下：

for (unsigned long long i = 0; i < 0xffffffffffffffff; i++) {
    memcpy(m + 4, &i, sizeof(unsigned long long));
    md5(m, 12, res);
}

关键注意点 #

• 字节序匹配：原代码的移位操作是把i的最低字节（0-7位）存入m[4]，次低字节存入m[5]，直到最高字节（56-63位）存入m[11]——这和x86、ARM等主流架构默认的小端字节序完全一致。如果你的运行环境是小端系统，memcpy的结果和原代码完全等价；如果是大端系统，复制后的字节顺序会反转，需要额外处理。
• 进一步优化：原代码中thread变量的4个字节拆分也可以用memcpy简化，一行代码替代四行移位操作：

  memcpy(m, &thread, sizeof(int));
  

• 性能测试：可以用CUDA事件计时对比两种实现的速度，在循环前后创建并记录cudaEvent_t时间戳，计算总耗时即可。

内容的提问来源于stack exchange，提问作者Ömer Enes Özmen