问当gcc想要额外的堆栈对齐时，奇怪的堆栈操作是怎么回事？
EN

Stack Overflow用户

提问于 2017-07-31 10:55:04

回答 1查看 365关注 0票数 4

我见过几次r10的怪异之处，所以让我们看看是否有人知道发生了什么。

用这个简单的函数：

#define SZ 4

void sink(uint64_t *p);

void andpop(const uint64_t* a) {
    uint64_t result[SZ];
    for (unsigned i = 0; i < SZ; i++) {
        result[i] = a[i] + 1;
    }

    sink(result);
}

它只是在传入数组的4个64位元素中每个添加1个，并将其存储在一个本地中，并对结果调用sink() (以避免对整个函数进行优化)。

下面是相对应程序集：

andpop(unsigned long const*):
        lea     r10, [rsp+8]
        and     rsp, -32
        push    QWORD PTR [r10-8]
        push    rbp
        mov     rbp, rsp
        push    r10
        sub     rsp, 40
        vmovdqa ymm0, YMMWORD PTR .LC0[rip]
        vpaddq  ymm0, ymm0, YMMWORD PTR [rdi]
        lea     rdi, [rbp-48]
        vmovdqa YMMWORD PTR [rbp-48], ymm0
        vzeroupper
        call    sink(unsigned long*)
        add     rsp, 40
        pop     r10
        pop     rbp
        lea     rsp, [r10-8]
        ret

几乎所有关于r10的事情都很难理解。首先，r10被设置为指向rsp + 8，然后是push QWORD PTR [r10-8]，据我所知，push QWORD PTR [r10-8]在堆栈上推送返回地址的副本。在此之后，将rbp设置为正常，然后最终推送r10本身。

为了解除所有这些，r10被从堆栈中弹出并用于将rsp还原到它的原始值。

一些意见：

从整个函数的角度来看，所有这些似乎都是简单地将rsp还原到ret之前的原始值的一种完全迂回的方式--但是通常mov rsp, rpb的epilog也会做得很好(参见clang)！
尽管如此，(昂贵的) push QWORD PTR [r10-8]甚至在这个任务中都没有帮助:这个值(返回地址？)显然从未被使用过。
为什么r10会被推和弹出呢？该值不会在非常小的函数体中被重击，并且没有寄存器压力。

这是怎么回事？我以前见过几次，它通常希望使用r10，有时使用r13。这似乎与将堆栈对齐为32个字节有关，因为如果将SZ更改为小于4，则使用xmm操作，问题就消失了。

例如，下面是SZ == 2：

andpop(unsigned long const*):
        sub     rsp, 24
        vmovdqa xmm0, XMMWORD PTR .LC0[rip]
        vpaddq  xmm0, xmm0, XMMWORD PTR [rdi]
        mov     rdi, rsp
        vmovaps XMMWORD PTR [rsp], xmm0
        call    sink(unsigned long*)
        add     rsp, 24
        ret

好多了！

assembly

x86

compiler-optimization

gcc

向量数据库

传统知识库搭建耗时费力？腾讯云向量数据库 + Dify混合检索，轻松实现高效知识管理与精准问答！

回答 1

Stack Overflow用户

发布于 2017-07-31 11:08:07

那么，您已经回答了您的问题:堆栈指针需要对齐到32个字节，然后才能使用对齐的AVX2加载和存储进行访问，但是ABI只提供了16个字节对齐。由于编译器无法知道对齐度有多大，所以必须将堆栈指针保存在划痕寄存器中，然后再恢复。但是保存的值必须超过函数调用，所以它必须放在堆栈上，并且必须创建堆栈帧。

一些x86-64 ABI有一个红色区域(堆栈指针下面的一个区域，信号处理程序不使用它)，所以完全不为这样的短函数更改堆栈指针是可行的，但是GCC显然没有实现这个优化，而且由于最后的函数调用，它也不适用于这里。

此外，默认的堆栈对齐实现也相当糟糕。在这种情况下，-maccumulate-outgoing-args使用GCC 6生成外观更好的代码，只需在保存RBP后对齐RSP，而不是在保存RBP之前复制返回地址：

andpop:
        pushq   %rbp
        movq    %rsp, %rbp            # make a traditional stack frame
        andq    $-32, %rsp            # reserve 0 or 16 bytes
        subq    $32, %rsp

        vmovdqu (%rdi), %xmm0         # split unaligned load from tune=generic
        vinserti128     $0x1, 16(%rdi), %ymm0, %ymm0   # use -march=haswell instead
        movq    %rsp, %rdi
        vpaddq  .LC0(%rip), %ymm0, %ymm0
        vmovdqa %ymm0, (%rsp)

        vzeroupper
        call    sink@PLT
        leave
        ret