REP执行什么设置？

Question

引用英特尔 ®64 和IA-32体系结构优化参考手册，第2.4.6节“ REP字符串增强”：

使用REP字符串的性能特征可以归结为两个组成部分： 启动开销和数据传输吞吐量。

[...]

对于较大粒度数据传输的REP字符串，随着ECX值的增加，REP字符串的启动开销将逐步增加：

短字符串（ECX <= 12）：REP MOVSW / MOVSD / MOVSQ的延迟约为20个周期，

快速字符串（ECX> = 76：不包括REP MOVSB）：处理器实现通过将尽可能多的数据移入16个字节来提供硬件优化。如果16字节数据传输之一跨越高速缓存行边界，则REP字符串延迟的延迟将有所不同：

不分割：延迟包括大约40个周期的启动成本，每64字节的数据增加4个周期，

缓存拆分：延迟包括大约35个周期的启动成本，每个64字节的数据增加6个周期。

中间字符串长度：REP MOVSW / MOVSD / MOVSQ的等待时间具有大约15个周期的启动成本，并且每个字/双字/ qword中的数据移动迭代需要一个周期。

（强调我的）

没有进一步提及这种启动成本。它是什么？它做什么，为什么总是要花更多时间？