c - 为什么 gcc (ARM) 不使用全局寄存器变量作为源操作数？

Question

这是一个c源代码示例:

register int a asm("r8");
register int b asm("r9");

int main() {
    int c;
    a=2;
    b=3;
    c=a+b;
    return c;
}

这是使用 arm gcc 交叉编译器生成的汇编代码:

$ arm-linux-gnueabi-gcc  -c global_reg_var_test.c -Wa,-a,-ad

...
mov     r8, #2
mov     r9, #3
mov     r2, r8
mov     r3, r9
add     r3, r2, r3
...

使用 -frename-registers 时，行为是相同的。 (更新。在我用 -O3 说过之前。)

所以问题是:为什么 gcc 添加第 3 和第 4 个 MOV 而不是“ADD R3、R8、R9”？

上下文:我需要在不重命名寄存器的模拟中序 cpu (gem5 arm minorcpu) 中优化代码。

Answer 1

我举了真实的例子(发表在评论中)和put it on the godbolt compiler explorer . calc() 的主要低效率是 src1 和 src2 是它必须从内存加载的全局变量，而不是寄存器中传递的参数。

我没有看main，只看calc。

register int sum asm ("r4");
register int r asm ("r5");
register int c asm ("r6");
register int k asm ("r7");
register int temp1 asm ("r8");    // really?  you're using two global register vars for scratch temporaries?  Just let the compiler do its job.
register int temp2 asm ("r9");
register long n asm ("r10");
int *src1, *src2, *dst;

void calc() {
  temp1 = r*n;
  temp2 = k*n;

  temp1 = temp1+k;
  temp2 = temp2+c;

  // you get bad code for this because src1 and src2 are globals, not args passed in regs
  sum = sum + src1[temp1] * src2[temp2];
}

    # gcc 4.8.2 -O3 -Wall -Wextra -Wa,-a,-ad -fverbose-asm
    mla     r0, r10, r7, r6          @ temp2.9, n, k, c   @@ tmp = k*n + c
    movw    r3, #:lower16:.LANCHOR0  @ tmp136,
    mla     r8, r10, r5, r7          @ temp1, n, r, k     @@ temp1 = r*n + k
    movt    r3, #:upper16:.LANCHOR0  @ tmp136,
    ldmia   r3, {r1, r2}             @ tmp136,,           @@ load both pointers, since they're stored adjacently in memory
    mov     r9, r0                   @ temp2, temp2.9     @@ This insn is wasted: the first MLA should have had this as the dest
    ldr     r3, [r1, r8, lsl #2]     @ *_22, *_22
    ldr     r2, [r2, r9, lsl #2]     @ *_28, *_28
    mla     r4, r2, r3, r4           @ sum, *_28, *_22, sum
    bx      lr                       @

出于某种原因，其中一个整数乘法累加 (mla) 指令使用 r8 (temp1) 作为目标，但是另一个写入 r0(临时寄存器)，然后才将结果移动到 r9(temp2)。

sum += src1[temp1] * src2[temp2] 是通过 mla 读取和写入 r4 (求和).

为什么需要 temp1 和 temp2 是全局变量？这只会阻止优化器进行积极的优化，这些优化不会计算与 C 源代码完全相同的临时文件。幸运的是，C 内存模型足够弱，它应该能够重新排序分配给它们，尽管这实际上可能是它没有直接将 MLA 放入 temp2 的原因，因为它决定首先进行计算。 (嗯，内存模型是否适用？其他线程根本看不到我们的寄存器，所以这些全局变量都是有效的线程局部变量。它应该允许宽松的顺序分配给全局变量。信号处理程序可以看到这些全局变量，并且可以在任何时候运行。gcc 不遵循严格的源代码顺序，因为在源代码中，两个乘法都发生在任何一个加法之前。)

Godbolt 没有较新的 ARM gcc 版本，因此我无法轻松测试较新的 gcc。较新的 gcc 可能会在这方面做得更好。

---

顺便说一句，I tried a version of the function using local variables for temporaries, and didn't actually get better results .可能是因为仍然有太多寄存器全局变量，以至于 gcc 无法为临时变量选择方便的寄存器。

// same register globals, except for temp1 and temp2.

void calc_local_tmp() {
  int t1 = r*n + k;
  sum += src1[t1] * src2[k*n + c];
}
    push    {lr}                      @ gcc decides to push to get a tmp reg
    movw    r3, #:lower16:.LANCHOR0   @ tmp131,
    mla     lr, r10, r5, r7           @ tmp133, n.1, r, k.2
    movt    r3, #:upper16:.LANCHOR0   @ tmp131,
    mla     ip, r7, r10, r6           @ tmp137, k.2, n.1, c
    ldr     r2, [r3]                  @ src1, src1
    ldr     r0, [r3, #4]              @ src2, src2
    ldr     r1, [r2, lr, lsl #2]      @ *_10, *_10
    ldr     r3, [r0, ip, lsl #2]      @ *_20, *_20
    mla     r4, r3, r1, r4            @ sum, *_20, *_10, sum
    ldr     pc, [sp], #4              @

使用 -fcall-used-r8 -fcall-used-r9 编译没有帮助； gcc 生成与推送 lr 相同的代码以获得额外的临时文件。它无法使用 ldmia(加载多个)，因为它对将哪个临时文件放入哪个 reg 做出了次优选择。 (&src1 in r0 将让它加载 src1 和 src2 到 r2 和 r3.)