rte_memcpy的对齐优化术

内存拷贝看似没有算法难度，但rte_memcpy的性能秘密全在”如何对齐”上：非对齐的Load/Store往往要多花时钟周期，所以rte_memcpy优先保证Store地址对齐；在对非对齐Load惩罚更重的平台（如Sandy Bridge）上，还会连Load地址也一起对齐，代价是多读一条首尾冗余数据、再用移位指令拼出对齐结果，用一条多余的Load换后续所有Load/Store都跑在对齐的最优路径上。这说明同样用SIMD搬数据，真正决定性能的往往不是”用不用SIMD”，而是数据摆放的姿势。