Проблема с производительностью 64-битного Linux с memset

Я отлаживаю приложение, которое работает немного медленнее, когда оно построено как 64-битный исполняемый файл Linux ELF, чем как 32-битный исполняемый файл Linux ELF . Используя Rational (IBM) Quantify, я отследил большую часть разницы в производительности вплоть до (барабанная дробь ...) memset . Как ни странно, memset занимает много больше в 64-битном исполняемом файле.

Я даже могу увидеть это с помощью небольшого простого приложения:

#include <stdlib.h>
#include <string.h>

#define BUFFER_LENGTH 8000000

int main()
{
  unsigned char* buffer = malloc(BUFFER_LENGTH * sizeof(unsigned char));
  for(int i = 0; i < 10000; i++)
    memset(buffer, 0, BUFFER_LENGTH * sizeof(unsigned char));
}

Я строю так:
$ gcc -m32 -std = gnu99 -g -O3 ms.c
и
$ gcc -m64 -std = gnu99 -g -O3 мс.c

Время настенных часов, указанное в time , больше для сборки -m64 , и Quantify подтверждает, что дополнительное время тратится в memset .

Пока что я тестировал в VirtualBox и VMWare (но не в Linux без операционной системы; я понимаю, что мне нужно сделать это дальше). Количество затрачиваемого дополнительного времени немного варьируется от одной системы к другой.

Что здесь происходит? Есть ли хорошо известная проблема, которую мой Google-foo не может обнаружить?

РЕДАКТИРОВАТЬ: Дизассемблирование ( gcc ... -S ) в моей системе показывает, что memset вызывается как внешняя функция:

32-разрядная:

.LBB2:
    .loc 1 14 0
    movl    $8000000, 8(%esp)
    .loc 1 12 0
    addl    $1, %ebx
    .loc 1 14 0
    movl    $0, 4(%esp)
    movl    %esi, (%esp)
    call    memset

64-разрядная:

.LBB2:
    .loc 1 14 0
    xorl    %esi, %esi
    movl    $8000000, %edx
    movq    %rbp, %rdi
.LVL1:
    .loc 1 12 0
    addl    $1, %ebx
    .loc 1 14 0
    call    memset

Система:

• CentOS 5.7 2.6.18-274.17.1.el5 x86_64
• GCC 4.1.2
• Intel (R) Core (TM) i7-2600K CPU @ 3,40 ГГц / VirtualBox
  (расхождение хуже на Xeon E5620 @ 2,40 ГГц / VMWare)