Я так понял, что каждое обращение к памяти, встречающееся в программе, долго и упорно обрабатывается системой на предмет залезания не туда, и если действительно было нарушение, вызывается обработчик исключения. Я сделал одну процедуру, у которой основной рабочий цикл (заполнении линии одинаковым, пока что, значением) выглядел так:

    // заполнение регистра ecx длиной участка...
        jle @@; @:
          mov [eax], edx
          add eax, 4
    //      sub eax, 4
        dec ecx; jnz @; @@:

Сделал замер скорости. Огорчился.
Решил смеха ради добавить одну паразитную команду (она тут закомментирована). Получил резкое ускорение - то есть теперь данные стали выводиться в одно и то же место в памяти. Видимо система запомнила, куда в последний раз обращалась программа и не стала проверять обращение на корректность лишний раз.
Как на самом деле обрабатываются обращения к памяти в винде? И можно ли использовать эту информацию для ускорения?
Кстати, почему пара deс; jnz работает намного быстрее, чем loop, который специально предназначен для циклов?

Во-первых, не факт, что на всех процессорах будет тот же эффект. Давай сделаем так: приведи простейшую программку, которая будет использовать LOOP, и которая будет использовать DEC+JNZ, и сравнивать скорости их выполнения. И протестируем эту программку на разных процессорах. Скажем, на DualCore, QuadCore, P4, на Селеронах, на AMD-шках, можно на i7 попробовать потестировать... Я уверен, результаты будут не такими уж однозначными.

Теперь - почему на твоей модели процессора (если можно, формулируй в следующий раз именно так, я еще раз говорю: не факт, что это выполняется везде) LOOP может быть медленнее, чем DEC/JNZ - см. здесь: Оптимизация для процессоров семейства Pentium: 17. Выполнение кода не по порядку

Добавлено через 22 сек.
P.S. Перенести в Ассемблер?

Добавлено через 3 мин.
P.P.S. А заменить dec ecx на sub ecx,1 не пробовал? Попробуй...

> Давай сделаем так: приведи простейшую программку, которая будет использовать LOOP, и которая будет использовать DEC+JNZ

Ну что-то типа этого:

program Test;

{$APPTYPE CONSOLE}

uses
  Windows;

var
  T: integer;
  i: integer;

procedure Delay1;
begin
  asm
	mov ecx, $FFFFFFF
	@:
	loop @;
  end;
end;

procedure Delay2;
begin
  asm
	mov ecx, $FFFFFFF
	@:
	dec ecx; jnz @;
  end;
end;

begin

  T := GetTickCount;
  while T = GetTickCount do;
  T := GetTickCount;
  Delay1;
  i := GetTickCount - T;
  WriteLn('loop: ', i);

  T := GetTickCount;
  while T = GetTickCount do;
  T := GetTickCount;
  Delay2;
  i := GetTickCount - T;
  WriteLn('dec;jnz: ', i);

  ReadLn;
end.

> Во-первых, не факт, что на всех процессорах будет тот же эффект.

То есть чаще будет наоборот и поэтому имеет смысл сделать луп? Вот дельфийский компилятор тоже делает через вычитание, причём почему-то в качестве счётчика цикла выбран ebx.
Ещё забавный эффект - если перед циклом записать что-то в стек и сразу извлечь обратно, то получится полуторакратное замедление.

> см. здесь

Ща почитаю.

> P.S. Перенести в Ассемблер?

Подтему с циклами - да. Но меня больше интересовала скорость заполнения фрагмента памяти, а она, мне кажется, связана с особенностями системы.

> А заменить dec ecx на sub ecx,1 не пробовал?

Если в исходном виде поменять - эффекта ноль. Усилил эффект, убрав всё тело цикла, заметил полуторакратное замедление суба по сравнению с деком. Луп же вышел ещё вдвое медленне суба.

Вот, посмотри, что у меня получилось:
На более старой машине (там видно характеристики)
Нажмите для просмотра прикрепленного файла

А это на двухядернике:
Нажмите для просмотра прикрепленного файла

И там и там Win XP SP3... Запускался один и тот же EXE-шник, если что.

От типа памяти + кэша должно сильно зависеть. TarasBer, давно пора забыть про классическую схему с обращением напрямую к каждому адресу..

> TarasBer, давно пора забыть про классическую схему с обращением напрямую к каждому адресу...

А какие бывают другие? И как заставить процессор выводить не в память, а в кэш?

А можно озвучить задачу, которую ты пытаешься решить?
- это конечно хорошо, но еще бы знать, что и чем заполняется...

В рабочем цикле будет заполняться экранный буфер цветом примитива, с учётом тумана и будет заполняться з-буфер.
Если что, на моей видяхе изобретение велосипедов очень даже оправдано.

То есть, я так понимаю (ключевое слово выделено), цикла самого еще нет, а ты уже занимаешься его оптимизацией? Не надо этого делать... Во-первых, так завещал Кнут ("Premature optimization is the root of all evil" ©, если что), а во-вторых, открывай книгу Криса Касперски "Техника оптимизации программ", и читай, что и как надо оптимизировать, а что и как - не надо. И что надо делать, чтобы оптимизация была именно таковой, а не борьбой с ветряными мельницами...

Так что, пока разговор ни о чем. Если есть какой-то конкретный кусок кода, который надо оптимизировать, потому что ты точно знаешь, что в нем содержится проблема, и именно он не дает твоей программе работать как положено, а не какой-то наведенный эффект из другой части программы, то давай продолжим... Но для этого тебе надо по меньшей мере прогнать свой код через профилировщик, причем не раз и не два, и на большом количестве повторений. Ну, это все есть у Касперски, я ж не буду сейчас перепечатывать сюда всю книгу...

Update:
Кстати, ссылка в тему: Зачастую оптимизация противоречит интуиции

Я не просто так спросил, если что.
Я бы не стал задавать вопрос, если бы сам код закраски полигона у меня не был готов. Причём большие полигоны у меня закрашиваются медленнее, чем опенглом, а маленькие - быстрее. Это говорит о том, что у меня тормозит внутренний цикл. То есть, как я понял, проблема с fillrate. У меня внутренний цикл написан на асме, рядом стоит его закомментированная копия на Паскале, чтобы, если что, вернуться и перепроверить алгоритм.

И да, тогда перенесите тему в ассемблер, пожалуйста.

Ну, и где этот код и результаты его прогонов на разных компьютерах?

Тему перенес...

Результаты скорости меня интересуют, в первую очередь, для моего компьютера. Я рассуждаю так - что идёт у меня, то пойдёт у всех остальных.
Вот скрин. Сверху - моя заливка полигона (в одном месте вместо мов поставлен ксор для красоты, он на скорость не влияет), снизу - опенгл. В заголовке - сколько миллисекнуд заняла скольки-кратная отрисовка сцены.

Попробовал выводить по 8 байт, при помощи команды movq.
Не помогло.

Добавлено через 10 мин.
Попробовал выводить по 8 байт, при помощи команды movq.
Не помогло - скорость абсолютно та же осталась.

Так в виндовсе память работает в защищённом режиме, имхо, на конечном этапе ресурсами распоряжается менеджер памяти. При выводе картинки задействуется малый объём ресурсов, ситуация напоминает оплату электричества: при низком потреблении за почтовые услуги нужно постоянно платить в разы больше чем за потреблённую энергию (привет экономичным лампочкам)). Если занять у менеджера памяти ~100Мб (или больше) памяти и не дать ему усомниться в том что она нужна приложению всегда и полностью, статистика скорости доступа должна быть более точной. Это только скорость оперативки, видеокарты, отдельный вопрос.