一、用GCC生成汇编模板
1、编写C语言头文件mul384.h,内容就下面一行
uint64_t mul384(uint64_t c[12], uint64_t a[6], uint64_t b[6]);//c = a * b
2、编写相应C程序文件mul384.c,写个空函数就行了
#include <stdint.h>
#include "mul384.h"
uint64_t mul384(uint64_t c[12], uint64_t a[6], uint64_t b[6])
{
return 0;
}
3、用GCC编译C程序文件生成汇编文件mul384.s,生成汇编模板文件
gcc -Wall -O2 mul384.c -S
这是mul384.s的全部内容
.file "mul384.c"
.text
.p2align 4,,15
.globl mul384
.type mul384, @function
mul384:
.LFB0:
.cfi_startproc
xorl %eax, %eax
ret
.cfi_endproc
.LFE0:
.size mul384, .-mul384
.ident "GCC: (GNU) 4.4.7 20120313 (Red Hat 4.4.7-11)"
.section .note.GNU-stack,"",@progbits
这个mul384.s文件之所以被称为汇编模板,是因为后面编写的汇编代码需要填入下面两句之间
.cfi_startproc
.cfi_endproc
替换原先的这两条指令
xorl %eax, %eax
ret
二、算法选择与汇编程序设计
1、C函数接口设计
在x64平台上,无符号整数位宽为64位,一个384位无符号整数需要6个64位无符号整数构成,两个384位无符号整数相乘,其结果需要不超过768位的存储空间,占用12个64位无符号整数空间,故此设计C函数声明为:
uint64_t mul384(uint64_t c[12], uint64_t a[6], uint64_t b[6]);//c = a * b
uint64_t的定义在头文件stdint.h中,因此应用中编译C程序时要包含此头文件。
2、汇编程序输入输出设计
为了提高代码性能,采用“一次输入,一次输出”的内存访问策略,除了最初的输入和最后的输出外,整个运算过程中不访问内存,过程数据全部缓存于SSE寄存器中,为此CPU必须支持SSE42指令集,本文代码只适用于用户态程序,不能用于内核态(不清楚内核态和用户态编程区别的读者请无视这句话)。另外就是调用者传给函数用于输入输出的数组指针a[]、b[]和c[]必须满足16字节对齐要求,否则必将触发CPU错误导致进程崩溃。
3、乘法算法选择
384位乘法在大数运算中属于短位长运算,FFT乘法神马的就别想了,还不够折腾的,Karatsuba算法也不用考虑,对于常用x64处理器来讲,若将基本64位加法指令 addq 耗时设定为1单位,那么带进位64位加法指令 adcq 耗时为2单位,64位无符号乘法指令 mulq 耗时为4单位,综合考虑得失后,采用最基本的分治乘法算法作为本文使用的算法,详细如下:
|====|====|====|====|====|====|====|====|====|====|=====|=====|
|c[0]|c[1]|c[2]|c[3]|c[4]|c[5]|c[6]|c[7]|c[8]|c[9]|c[10]|c[11]|
|====|====|====|====|====|====|====|====|====|====|=====|=====|
|a[0]*b[0]| | | | | | | | | | |
|----|----|----|----|----|----|----|----|----|----|-----|-----|
| |a[0]*b[1]| | | | | | | | | |
| |a[1]*b[0]| | | | | | | | | |
|----|----|----|----|----|----|----|----|----|----|-----|-----|
| | |a[0]*b[2]| | | | | | | | |
| | |a[1]*b[1]| | | | | | | | |
| | |a[2]*b[0]| | | | | | | | |
|----|----|----|----|----|----|----|----|----|----|-----|-----|
| | | |a[0]*b[3]| | | | | | | |
| | | |a[1]*b[2]| | | | | | | |
| | | |a[2]*b[1]| | | | | | | |
| | | |a[3]*b[0]| | | | | | | |
|----|----|----|----|----|----|----|----|----|----|-----|-----|
| | | | |a[0]*b[4]| | | | | | |
| | | | |a[1]*b[3]| | | | | | |
| | | | |a[2]*b[2]| | | | | | |
| | | | |a[3]*b[1]| | | | | | |
| | | | |a[4]*b[0]| | | | | | |
|----|----|----|----|----|----|----|----|----|----|-----|-----|
| | | | | |a[0]*b[5]| | | | | |
| | | | | |a[1]*b[4]| | | | | |
| | | | | |a[2]*b[3]| | | | | |
| | | | | |a[3]*b[2]| | | | | |
| | | | | |a[4]*b[1]| | | | | |
| | | | | |a[5]*b[0]| | | | | |
|----|----|----|----|----|----|----|----|----|----|-----|-----|
| | | | | | |a[1]*b[5]| | | | |
| | | | | | |a[2]*b[4]| | | | |
| | | | | | |a[3]*b[3]| | | | |
| | | | | | |a[4]*b[2]| | | | |
| | | | | | |a[5]*b[1]| | | | |
|----|----|----|----|----|----|----|----|----|----|-----|-----|
| | | | | | | |a[2]*b[5]| | | |
| | | | | | | |a[3]*b[4]| | | |
| | | | | | | |a[4]*b[3]| | | |
| | | | | | | |a[5]*b[2]| | | |
|----|----|----|----|----|----|----|----|----|----|-----|-----|
| | | | | | | | |a[3]*b[5]| | |
| | | | | | | | |a[4]*b[4]| | |
| | | | | | | | |a[5]*b[3]| | |
|----|----|----|----|----|----|----|----|----|----|-----|-----|
| | | | | | | | | |a[4]*b[5] | |
| | | | | | | | | |a[5]*b[4] | |
|----|----|----|----|----|----|----|----|----|----|-----|-----|
| | | | | | | | | | | a[5]*b[5] |
|====|====|====|====|====|====|====|====|====|====|=====|=====|
4、寄存器规划
以高性能运算为目的的汇编语言编程设计中,寄存器规划是重中之重,还好384位乘法对x64处理器来讲只是入门级小菜,所以我用了两周时间完成了寄存器规划,详细使用规划如下:
(1).rdi是输出数据c[]的首地址,rsi是输入数据a[]的首地址,rdx是输入数据b[]的首地址
(2).xmm0 ~ xmm5这个6个SSE寄存器用于缓存运算过程与结果数据
|---------|---------|---------|---------|---------|-----------|
| %xmm0 | %xmm1 | %xmm2 | %xmm3 | %xmm4 | %xmm5 |
|----|----|----|----|----|----|----|----|----|----|-----|-----|
|c[0]|c[1]|c[2]|c[3]|c[4]|c[5]|c[6]|c[7]|c[8]|c[9]|c[10]|c[11]|
|----|----|----|----|----|----|----|----|----|----|-----|-----|
(3).xmm6 ~ xmm8这个6个SSE寄存器用于输入数据a和b
|---------|---------|---------|---------|---------|---------|
| %xmm6 | %xmm7 | %xmm8 | %xmm6 | %xmm7 | %xmm8 |
|----|----|----|----|----|----|----|----|----|----|----|----|
|a[0]|a[1]|a[2]|a[3]|a[4]|a[5]|b[0]|b[1]|b[2]|b[3]|b[4]|b[5]|
|----|----|----|----|----|----|----|----|----|----|----|----|
(4).xmm14和xmm15用于r12 ~ r15的备份与恢复
|---------|---------|
| %xmm14 | %xmm15 |
|----|----|----|----|
|%r12|%r13|%r14|%r15|
|----|----|----|----|
(5).r10 ~ r15用于乘法指令mulq的操作数,其数值固定
|----|----|----|----|----|----|
|%r10|%r11|%r12|%r13|%r14|%r15|
|----|----|----|----|----|----|
|a[1]|a[3]|a[5]|b[1]|b[3]|b[5]|
|----|----|----|----|----|----|
(6).r8, r9, rsi三个通用寄存器用于累加过程,循环使用
|----|----|----|----|----|----|----|----|----|----|-----|-----|
|c[0]|c[1]|c[2]|c[3]|c[4]|c[5]|c[6]|c[7]|c[8]|c[9]|c[10]|c[11]|
|----|----|----|----|----|----|----|----|----|----|-----|-----|
| |%r8 |%r9 |%rsi|%r8 |%r9 |%rsi|%r8 |%r9 |%rsi|%r8 |%r9 |
|----|----|----|----|----|----|----|----|----|----|-----|-----|