C代码调用汇编&使用指令集优化

先写一个最简单的例子（在此针对的是64bit汇编），假设main函数里需要对两个数字求和，代码如下：

1 int sum(int a, int b);//此函数通过汇编实现
2 
3 int main(int argc, char *argv[])
4 {
5     int num = sum(2, 3);
6     return 0;
7 }

　　那麽对应的汇编实现sum函数的代码如下：

1 global sum
2 
3 sum:
4 
5     add ecx, edx ;直接使用ecx和edx寄存器中的参数
6     mov eax, ecx
7 
8     ret

 　　这是一个最简单的C调用汇编函数得demon，在写汇编函数的时候碰到了以下问题：

1. 之前学习的都是32位汇编的时候，函数参数的传递都是通过栈来完成的，在64位汇编中，前四个参数是通过寄存器rcx、rdx、r8、r9来传递的，只有参数个数大于4个后才通过栈来传递，所在在以上汇编代码中直接使用了寄存器ecx和edx中的值

　　当函数参数个数大于4时，假设C代码如下：

1 int sum(int a, int b, int c, int d, int e);
2 
3 int main(int argc, char *argv[])
4 {
5     int num = sum(2, 3, 4, 5, 6);
6     return 0;
7 }

　　对应的汇编代码如下：

 1 global sum
 2 
 3 sum:
 4 
 5     add rcx, rdx
 6     add rcx, r8
 7     add rcx, r9
 8 
 9     mov rdx, [rsp + 40] ;从栈中取出第5个参数放入rdx寄存器
10     add rcx, rdx
11 
12     mov rax, rcx
13 
14     ret

　　此处需要注意的是：前四个参数是通过寄存器传递，从栈中取出第五个参数时，并不是从rsp+8的地方取，而是从rsp+40（40 = 4*8 + 8）的地方取，说明虽然前四个参数是通过寄存器传递，但是在栈中还是占用了相应的空间，我对此的理解是为了__stdcall和__cdecll的兼容吧。

• 使用指令集优化（SSE AVX等）

　　首先来看一下SIMD寄存器

 

 

　　SSE使用到的SIMD寄存器是128bit，一共有16个，从XMM0到XMM15

　　AVX拓展出来的SIMD寄存器是256bit，一共也是16个，从YMM0到YMM16，当然AVX也能使用SSE的XMM寄存器

　　AVX2.0的时候将寄存器拓展到了512bit，一共有32个，从ZMM0到ZMM31

　　假设我们的main函数是对两个数组进行求和，代码如下：

 1 #define N 8
 2 
 3 int sum(float a[], float b[]);
 4 
 5 int sum_c(float a[], float b[])
 6 {
 7     for (int i = 0; i < N; i++)
 8     {
 9         a[i] += b[i];
10     }
11     return 0;
12 }
13 
14 int main(int argc, char *argv[])
15 {
16     float a[N] = { 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0 };
17     float b[N] = { 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0 };
18     //将数组b[N]中的数据加到数组a[n]中
19     sum_c(a, b);//不使用汇编优化
20     sum(a, b);//使用汇编优化
21     return 0;
22 }

　　可以看到，不使用汇编优化的话，在sum_c函数中，我们需要依次计算出a[i] + b[i]的和并保存在a[i]中。

　　如果使用SSE指令集优化的话，代码如下：

 1 global sum
 2 
 3 sum:
 4 
 5     movups xmm0, [rcx]
 6     movups xmm1, [rdx]
 7     movups xmm2, [rcx + 16]
 8     movups xmm3, [rdx + 16]
 9 
10     addps xmm0, xmm1
11     addps xmm2, xmm3
12 
13     movups [rcx], xmm0
14     movups [rcx + 16], xmm2
15     
16     ret

　　可以看到，只需要进行两次加法运算就能计算出a[8]和b[8]中8个数字相加的和，这里需要进行两次计算是因为xmm寄存器是128bit，所以每次只能计算4个float数据，8个数据得分两次计算。

　　使用AVX指令集优化代码如下：

 1 global sum
 2 
 3 sum:
 4 
 5     vmovups ymm1, [rcx]
 6     vmovups ymm2, [rdx]
 7 
 8     vaddps ymm0, ymm1, ymm2
 9     vmovups [rcx], ymm0
10     
11     ret

　　因为AVX使用到了256bit的ymm寄存器，所以一次可以处理8个32bit的float数据，一次计算就能完成两组8个float数据分别的求和操作。