memset関数は、メモリブロック中の全バイトを指定した文字で埋めます。単純な関数ですが、結構奥が深く、最適化の余地もかなりあります。ところが、いろいろ実験してみたところ、C言語レベルでの最適化は限界があり、あまりよい結果が得られません。

memset関数の最適化は、メモリブロックへの書き込みを、可能な限りワード単位で行うようにするものですが、memset関数の使用頻度が最も高いのは、構造体のゼロ初期化である可能性が高く、それほど大きなメモリブロックを扱わないのであれば、いっそバイト単位で操作した方が、無駄が少なく、効率が上がる可能性もあります。

とりあえず、ワード単位で書き込むコードを挙げます。

#include <stddef.h>
#include <stdint.h>

void *memset(void *s, int c, size_t n)
{
  if (n != 0)
  {
    register uintptr_t addr = (uintptr_t)s;
    register uintptr_t t = addr + n;
    if (((addr | n) & 1) == 0) {
      for (unsigned int val = (uint8_t)c | (uint8_t)c << 8;
          addr < t;
          addr += sizeof(uint16_t)) {
        *(uint16_t*)addr = val;
      }
    }
    for (; addr < t; ++addr)
      *(uint8_t*)addr = c;
  }
  return s;
}

上のコードを-mh -mint32 -O2 -fomit-frame-pointerオプションを指定してコンパイルすると、次のようになります。

_memset:
    mov.l  er4,@-er7
    mov.l  er5,@-er7
    mov.l  er6,@-er7
    mov.l  er0,er4
    mov.l  er1,er5
    mov.l  er2,er2
    beq .L2
    mov.l  er0,er3
    add.l  er2,er0
    or.l    er4,er2
    btst    #0,r2l
    bne .L3
    sub.l  er2,er2
    mov.b  r1l,r2l
    mov.l  er2,er1
    mov.w  e1,r6
    mov.b  r6l,r6h
    mov.b  r1h,r6l
    mov.b  r1l,r1h
    sub.b  r1l,r1l
    mov.w  r6,e1
    or.l    er2,er1
    cmp.l  er0,er4
    bhs .L3
.L7:
    mov.w  r1,@er3
    adds    #2,er3
    cmp.l  er0,er3
    blo .L7
.L3:
    cmp.l  er0,er3
    bhs .L2
    mov.b  r5l,@er3
    adds    #1,er3
    bra .L3
.L2:
    mov.l  er4,er0
    mov.l  @er7+,er6
    mov.l  @er7+,er5
    mov.l  @er7+,er4
    rts

内部的に使用しているレジスタが多く、そのためにer4, er5, er6の3つのレジスタを退避しなければならず、あまり好ましい結果になりませんでした。

現状では、メモリブロックへの書き込みを順方向（アドレスの小さい方から大きい方）に行っていますが、これを逆方向に行うようにすれば、変数 t が不要になるため、若干なしになる気もしますが、とりあえず、現時点ではこのままにしておき、アセンブリ言語で記述しなおす際に再検討したいと思います。