inline bool compareSSE2(const char * p1, const char * p2)
return 0xFFFF == _mm_movemask_epi8( // 4) translate _m128i to int32
_mm_cmpeq_epi8( // 3) 比较两个String
_mm_loadu_si128(reinterpret_cast<const __m128i *>(p1)), // 1) 将String 1加载到寄存器
_mm_loadu_si128(reinterpret_cast<const __m128i *>(p2)))); // 2) 将String 2加载到寄存器
三、PodArray
PodArray是ClickHouse的自定义vector，ClickHouse中几乎所有的数据类型的列在内存中的表示都会用到PodArray，所以ClickHouse对PodArray也是进行了大量的优化。
绝大多数细致的优化都是针对场景的，所以首先明确PodArray设计的应用场景，它主要用于存储列式的数据，ClickHouse中列式的数据在内存中会划分为小的Chunk，默认Chunk的长度是6.5w左右，总结下来PodArray主要用于存储大量的数据的类似vector的数据结构。
1. 支持Stack内存分配
因为栈的空间是有限的，传统的动态数组结构比如std::vector，数据都是分配在堆上，这样的设计具有普适性，但是对数据的访问会有一次跳转，不利于数据cacheline的命中率。针对这一点ClickHouse提供了Stack上的内存分配方案PODArrayWithStackMemory。
其工作原理如下。首先PodArray继承了AllocatorWithStackMemory，AllocatorWithStackMemory是一个内存分配器，其特点是当需要分配的内存小于一定阈值的时候使用栈上的空间，当大于阈值的时候分配对上的空间，并把栈上的数据拷贝到堆上。
2. Padding
PaddedPodArray是带有Padding的PodArray，其左右都填充了一些空白的内存空间，这些内存空间被初始化为了0，其内存结构如下：
/// Size of i-th element, including terminating zero.
size_t ALWAYS_INLINE sizeAt(ssize_t i) const
auto end_offset = i == 0 ? 0 : offsets[i - 1];
return offsets[i] - end_offset;
每次都需要判断i是不是为0，if语句会大大影响CPU指令的cache命中率，并且不能触发编译器的自动向量化操作，从而影响性能。
当有了left padding后，代码可以优化为：
/// Size of i-th element, including terminating zero.
size_t ALWAYS_INLINE sizeAt(ssize_t i) const
return offsets[i] - offsets[i - 1];
去掉了if，消除了对CPU指令cache命中率的影响，同时如果循环调用，可以触发编译器的自动向量化操作。
PS：CPU指令cache命中率对性能的影响可以参考：ClickHouse内幕（5）基于硬件的性能优化
PS：编译器自动向量化触发条件：requirements-for-vectorizable-loops
2.2 right padding
Right padding设计的主要作用是提升SIMD指令函数的效率并简化编码。比如：一个简单的SSE版本的memory copy函数，在没有right padding的情况下，其实现可能如下：
inline void memcpy(char * __restrict dst, const char * __restrict src, size_t n)
auto aligned_n = n / 16 * 16;
auto left = n - aligned_n;
while (aligned_n > 0)
_mm_storeu_si128(reinterpret_cast<__m128i *>(dst),
_mm_loadu_si128(reinterpret_cast<const __m128i *>(src)));
dst += 16;
src += 16;
aligned_n -= 16;
::memcpy(dst, src, left);
但是如果dst和src各有15个byte的right padding，那么实现可以优化为如下：
inline void memcpy(char * __restrict dst, const char * __restrict src, size_t n)
while (n > 0)
_mm_storeu_si128(reinterpret_cast<__m128i *>(dst),
_mm_loadu_si128(reinterpret_cast<const __m128i *>(src)));
dst += 16;
src += 16;
n -= 16;
// 这里无需额外处理结尾部分
3. emplace_back函数
PodArray的emplace_back函数，直接在末尾的内存空间上构建要插入的对象，相对提前构建然后在拷贝的方式减小了一次内存拷贝的开销。这个优化方式跟std::vector的emplace_back函数类似。
template <typename... Args>
void emplace_back(Args &&... args) /// NOLINT
if (unlikely(this->c_end + sizeof(T) > this->c_end_of_storage))
this->reserveForNextSize();
new (t_end()) T(std::forward<Args>(args)...); /// 在末尾构建对象，减少了数据拷贝的开销
this->c_end += sizeof(T);
在创建对象的时候使用了placement new operator，其允许在指定内存地址创建对象，关于placement new operator请参考：stackoverflow
