我们在鲲鹏920服务器上使用BoostKit提供的ARM原生加速库，希望利用其优化的内存操作函数来提升数据处理性能。按照文档替换了标准库中的memcpy，测试程序在单线程下拷贝大块内存（比如几十MB）时性能确实有明显提升。但在实际业务场景中，程序是多线程的，每个线程都会频繁调用memcpy拷贝大小不一的内存块，从几百字节到几兆字节都有。在这种混合负载下，加速库的memcpy表现反而不如glibc默认版本，整体吞吐下降了大约15%。我们尝试过调整线程绑核和NUMA亲和性，情况没有改善。用perf观察发现，加速库版本的memcpy在拷贝小尺寸内存时，函数调用开销占比异常高，而且多线程同时调用时出现了大量的缓存行争用。想请教这是加速库本身的设计取舍问题，还是我们没有正确启用某些多线程优化开关。