校验和快速计算方法

先将代码贴上

uint16_tcal_checksum(uint32_t*pstart,uint16_tlen)
{
uint64_tchecksum;
uint32_t*pend;
uint32_tv0,v1,v2,v3,v4;
　　　　checksum=0;
pend=(uint32_t*)((char*)pstart+(len&(~0xF)));
while(pstart<pend)
{
v0=*pstart;
v1=*(pstart+1);
v2=*(pstart+2);
v3=*(pstart+3);

checksum+=v0;
checksum+=v1;
checksum+=v2;
checksum+=v3;

pstart+=4;
}

len=len&0xF;
pend=(uint32_t*)((char*)pstart+(len&(0xF)));
while(pstart<pend)
{
v0=(uint32_t)(*(uint16_t*)pstart);
v1=(uint32_t)(*((uint16_t*)pstart+1));

pstart+=1;

checksum+=v0;
checksum+=v1;
}

switch(len&0x3)
{
case3:
v0=(uint32_t)(*(uint16_t*)pstart);
v1=((uint32_t)(*((uint8_t*)pstart+2))<<8);
checksum+=v0;
checksum+=v1;
break;
case2:
v0=(uint32_t)(*(uint16_t*)pstart);
checksum+=v0;
break;
case1:
v0=((uint32_t)(*((uint8_t*)pstart+2))<<8);
checksum+=v0;
default:
break;
}

checksum=(checksum>>32)+(checksum&0xFFFFFFFF);
checksum=(checksum>>32)+(checksum&0xFFFFFFFF);
checksum=(checksum>>16)+(checksum&0xFFFF);
checksum=(checksum>>16)+(checksum&0xFFFF);

returnchecksum^0xFFFF;
}

RFC规定的checksum的计算方法是对每两个字节当做一个数进行计算，出现进位则加到低位上。

此处的代码优化有两个点：

1　　交叉使用变量，以便节省装载延迟导致CPU等待

2　　一次加法完成两对16字节数据相加，低16位进位则先加到高16位上，最终高16位也会加回低16位；为了防止高16位溢出，使用了uint64_t类型以便记录溢出

优化的第二条借鉴自Cavium的代码，不过可惜的是其代码由于使用非对齐加载以及未使用第一条优化，并且判断条件过多等，导致其性能严重低下。

优化后的代码性能基本上达到，cycle_num=len/2(不考虑cachemiss)，也就是说一个1500的数据包大概只需要不到800个cycles就能够完成checksum计算(CPU1GHZ);

当然此代码也存在限制，那就是pstart指针至少需要4字节对齐，这就是为什么将其类型写成uint32_t*的原因。若不对齐，轻者严重影响效率；重者CPU出错。

一般来说，buff的首地址至少4字节对齐，计算checksum时，数据应该都已经在buff中装配好了，假设说buff中的开始数据是MAC头，接着是IP头，再跟着TCP头，那么只需要将

checksum=0

替换成

checksum=*(uint16_t*)pstart;

pstart=(uint32_t*)((uint16_t*)pstart+1);

len-=2;

即可直接将IP的payload首地址直接传进更正之后的函数，这是因为不管是EthernetII还是802.3定义的MAC头都满足4n+2字节，甚至VLAN字段数据长度也是4的倍数。

在含有PREFETCH指令的系统，值得将一次处理16个字节改成32个字节，以便加入PREFETCH指令而不会产生比较大的性能损失。

最初接触第二条优化方式，是在看<高效程序的奥秘>时；查看Linux内核时，发现其checksum计算方法也是使用此技巧。