Slide_Master

Size: px

Start display at page:

Download "Slide_Master"

奉范
5 years ago
Views:

1 ARM 编程技巧 T H E A R C H I T E C T U R E F O R T H E D I G I T A L 1 W O R L D

2 Agenda ARM 编译器优化 C/C++ 和汇编混合模式编程使用 ARM 编译器编码局部和全局数据讨论 2 2

3 优化级别使用的编译器优化级别是可选择的 -O0---DEBUG 关闭大多数优化. 最好的调试信息, 最少的优化 -O1---DEBUGREL 多数优化选项许可给一个满意的调试, 好的代码密度 -O2---RELEASE (default) 完全的优化有限的调试信息, 最好的代码密度为代码大小或运行速度的优化, 可选择 : -Ospace ( 默认的 ) 或 -Otime. 使用 -g 选像可包含源码级调试信息 3 3

4 自动优化 ADS 编译器在所有级别中执行一些简单的优化 i.e. -O0, -O1, -O2 下面是一个例子 : 即使用 -O0, 多余的表达式也被清除了 : ATPCS 标准中子程序结果返回规则结果为 32 位整数,R0 返回结果为 64 位整数,R0,R1 返回位数更多时, 用内存来传递 int f(int *p) return (*p = = *p); armcc -c -O0 f MOV r1, r0 MOV r0, #1 MOV pc, lr 注意 : 在这种情况下, 可使用 C 的关键字 volatile 强制使用这些变量 4 4

5 使用 volatile int f(int *p) return (*p = = *p); armcc -c f MOV r0,#1 MOV pc,lr int f(volatile int *p) return (*p = = *p); armcc -c f LDR r1,[r0] LDR r0,[r0] CMP r1,r0 MOVNE r0,#0 MOVEQ r0,#1 MOV pc,lr 这个代码用的编译级别是 :-o2 5 5

6 冗余代码的清除下面是一个冗余代码清除的例子, 他只用了 -o1 的优化选项 : int dummy() int a=10, b=20; int c; c=a+b; return 0; armcc -c -O1 dummy MOV r0, #0 MOV pc, lr 6 6

7 指令编排指令编排在高级优化选项中是有效的 (-O1, -O2). 指令的重新编排是为了使要运行的代码更适合对应的核为 arm9 和以后的处理器提高吞吐量 ( 一般可达到 4%), 并防止互锁 (interlock) 选择处理器可决定使用的运算法则, 在默认情况下, 使用针对 ARM9 的优化方案 ( 对 ARM7 的运行没有影响 ) 例如 : int f(int *p, int x) return *p + x * 3; 没用指令编排 (-O0) 使用指令编排 (-O1,-O2) ADD r1,r1,r1,lsl #1 LDR r0,[r0,#0] LDR r0,[r0,#0] ADD r1,r1,r1,lsl #1 ADD r0,r0,r1 ; interlock on ARM9 ADD r0,r0,r1 MOV pc,lr MOV pc,lr armcc cpu arm7tdmi armcc cpu arm9tdmi 7 7

8 Tail-call Optimization 嵌套优化嵌套优化可避免在函数级里的不必要的返回在可能的情况下 BL 译码成 B 在高级优化里有效 (-O1, -O2). int main() int x = f(); : int f() int y = g(); return y; int g() return 10; BL f : BL f : STR lr,[sp,#-4]! BL g MOV r1,r0 MOV r0,r1 LDR pc,[sp],#4 B g MOV r0, #10 MOV pc, lr MOV r0, #10 MOV pc, lr 8 8

9 内嵌函数 (inline) 内嵌可通过删除子函数调用的开销来提高性能这个 inline 关键字显示哪个函数将被内嵌在高级优化选项中,ADS 1.2 编译器默认自动内嵌 -Oautoinline (default -O2) -Ono_autoline (default for -O0,-O1) 哪个函数是否被内嵌取决于 : 他们是否被 inline 标示优化的级别 -Otime / -Ospace 函数被调用的次数如果函数在别的模块中不被调用, 一个好的建议是用 static 标识函数, 否则, 编译器将在内嵌译码里把该函数编译乘非内嵌的加代码的长度使调试信息更复杂 Example

10 Inline 内嵌例子 example int bar(int a) a=a+5; return a; int foo(int i) i=bar(i); i=i-2; i=bar(i); i++; return i; bar foo ADD r0,r0,#5 MOV pc,lr STR lr,[sp,#-4]! BL bar SUB r0,r0,#2 BL bar ADD r0,r0,#1 LDR pc,[sp],#4 inline int bar(int a) a=a+5; return a; int foo(int i) i=bar(i); i=i-2; i=bar(i); i++; return i; foo ADD r0,r0,#5 SUB r0,r0,#2 ADD r0,r0,#5 ADD r0,r0,#1 MOV pc,lr 10 10

11 Agenda ARM 编译器的优化 C/C++ 和汇编混合模式编程使用 ARM 编译器编码局部和全局数据讨论 11 11

12 C/C++ 和汇编能很容易的混合 : 可实现在 c 中无法实现的处理器功能使用新的或不支持的指令产生更高效的代码 C 和汇编的混合编程直接链接变量和程序确定符合程序调用规范输入 / 输出相关的符号编译器也可包含内嵌汇编大多数 arm 指令集都可实现寄存器操作数可支持任意的 c/c++ 的表达式内嵌汇编代码可由编译器的优化器来传递 12 12

13 ATPCS(arm/thumb 程序调用规范 ) 作为函数传递的参数值寄存器变量必须保护 Register r0 r1 r2 r3 r4 r5 r6 r7 r8 r9/sb r10/sl r11 编译器使用一套规则的来设置寄存器的用法 ARM-Thumb Procedure Call Standard or ATPCS (or APCS) CPSR 标志位可被函数调用所破坏任何和编译过的代码交互工作的汇编码在接口层必须满足 ATPCS 的规范 - 如果 RWPI 选项有效, 作为栈的基地址 - 如果软件堆栈检查有效, 作为栈的限制值 Scratch register (corruptible) Stack Pointer Link Register Program Counter r12 r13/sp r14/lr r15/pc - 子程序内部调用的可改写的寄存器 - 可作为临时的一个值栈一样来使用 - 程序计数器 13 13

14 在 C 程序中调用汇编在汇编程序中用 export name 来定义在 C 程序中直接调用, 用 EXTERN 声明正常链接 extern void mystrcopy(char *d, const char *s); int main(void) const char *src = Source ; char dest[10];... mystrcopy(dest, src);... CALL AREA StringCopy, CODE, READONLY EXPORT mystrcopy mystrcopy LDRB r2, [r1], #1 STRB r2, [r0], #1 CMP r2, #0 BNE mystrcopy MOV pc, lr END 这里所有的参数都是可以用寄存器来传递的, 所以不需要在汇编程序中使用 PUSH/POP 来保护 14 14

15 内嵌汇编 #define Q_Flag 0x // Bit 27 允许使用一些不能由编译器自动生成的指令 : MSR / MRS 新的指令协处理器指令通常在关联的内嵌函数中使用使用 C 变量代替寄存器不是一个真正的汇编文件通过优化器实现 ADS FAQ 入口 Using the Inline Assembler inline void Clear_Q_flag (void) int temp; asm MRS temp, CPSR BIC temp, temp, #Q_Flag MSR CPSR_f, temp inline int mult16(short a, short b, int c) int temp; asm SMLABB temp,a,b,c return temp; 15 15

16 Agenda ARM 编译器的优化 C/C++ 和汇编混合模式编程使用 ARM 编译器编码局部和全局数据讨论 16 16

17 参数传递开始四个字大小的参数直接使用寄存器的 R0-R3 来传递 ( 快速且高效的 ) 更多的信息可参看 ATPCS 如果需要更多的参数, 将使用堆栈 ( 需要额外的指令和慢速的存储器操作 ) 所以通常限制参数的个数, 使它为 4 或更少如果不可避免, 把常用的参数前 4 个放在 R0-R3 中 Example

18 Parameter Passing (4 parameters) Parameter Passing (4 parameters) int func1(int a, int b, int c, int d) return a+b+c+d; int caller1(void) return func1(1,2,3,4); func1 0x : ADD r0,r0,r1 0x : ADD r0,r0,r2 0x : ADD r0,r0,r3 0x00000c : MOV pc,lr caller1 0x : MOV r3,#4 0x : MOV r2,#3 0x00001c : MOV r1,#2 0x : MOV r0,#1 0x : B func

19 Parameter Passing (6 parameters) Parameter Passing (6 parameters) int func2(int a,int b,intc, int,d,int e,int f) return a+b+c+d+e+f; int caller2(void) return func1(1,2,3,4,5,6); This code is compiled with -O2 -Ono_autoinline func2 0x : STR lr, [sp,#-4]! 0x : ADD r0,r0,r1 0x : ADD r0,r0,r2 0x00000C : ADD r0,r0,r3 0x : LDMIB sp,r12,r14 0x : ADD r0,r0,r12 0x : ADD r0,r0,r14 0x00001C : LDR pc,sp,#4 caller2 0x : SFD sp!,r2,r3,lr 0x : MOV r3,#6 0x : MOV r2,#5 0x00002C : SIA sp,r2,r3 0x : MOV r3,#4 0x : MOV r2,#3 0x : MOV r1,#2 0x00003C : MOV r0,#1 0x : BL func2 0x : LDMFD sp!,r2,r3,pc 19 19

20 循环终止在 for(), while() do while() 的循环中, 用减到 0 代替加到某个值比如, 用下面的代替 : for (loop = 1; loop <= total; loop++) //(ADD,CMP) 代替为 : for (loop = total; loop!= 0; loop--) //(SUBS) 尽量减少循环的次数代码小, 且使用更少的寄存器 Example

21 Loop Termination Count up int fact1(int limit) int i; int fact = 1; Count down int fact2(int limit) int i; int fact = 1; for (i = 1; i <= limit; i++) fact = fact * i; return fact; for (i = limit; i!= 0; i--) fact = fact * i; return fact; fact1 0x : MOV r2,#1 0x : MOV r1,#1 0x : CMP r0,#1 0x00000c : BLT 0x20 0x : MUL r2,r1,r2 0x : ADD r1,r1,#1 0x : CMP r1,r0 0x00001c : BLE 0x10 0x : MOV r0,r2 0x : MOV pc,lr fact2 0x : MOVS r1,r0 0x : MOV r0,#1 0x : MOVEQ pc,lr 0x00000c : MUL r0,r1,r0 0x : SUBS r1,r1,#1 0x : BNE 0x0c 0x : MOV pc,lr This code is compiled with -O2 -Otime 21 21

22 除法操作 (1) ARM 核不含除法硬件除法通常用一个运行库函数来实现运行需要很多的周期 unsigned div(unsigned a, unsigned b) return (b / a); div B rt_udiv 一些除法操作在编译时作为特例来处理除 2 操作, 被左移代替 unsigned div2(unsigned b) return (b / 2); div2 MOV r0,r0,lsr #1 MOV pc,lr 22 22

23 除法操作 (2) 在 -O1 和 -O2 ( 使用 -Otime), 其他的常量将使用一个标准的乘法序列来完成例如 : unsigned div10(unsigned c) return (c / 10); div10 MOV r1,r0 LDR r0,=0xcccccccd UMULL r2,r1,r0,r1 MOV r0,r1,lsr #3 MOV pc,lr 实时除法程序使用 CLZ 指令只有 V5te 体系结构才有效用下面的办法来选择 C - #pragma import use_realtime_division Assembler - IMPORT use_realtime_division 23 23

24 余数模算法余数的操作符 %, 通常使用模算法如果这个值的模不是 2 的 n 次幂, 它将花费大量的时间和代码空间避免这种情况发生的办法使用 if() 作状态检查比如说 :count 的范围是 0 到 59 count = (count+1) % 60; 用下面的句子代替 if (++count >= 60) count = 0; modulo ADD r1,r0,#1 MOV r0,#0x3c BL rt_udiv MOV r0,r1 test_and_reset ADD r0,r0,#1 CMP r0,#0x3c MOVCS r0,#0 这个代码用 -O1 -Ospace 编译 24 24

25 浮点软件浮点库 (fplib) 默认 :-fpu softvfp (or softfpa) 浮点协处理器 VFP (ARM10 and ARM9) -fpu vfp (or vfpv1 or vfpv2) FPA (eg ARM7 500fe) - now obsolete -fpu fpa 软件浮点仿真 (FPE) 通过未定义的异常来捕获协处理器指令 VFP (and FPA) 实际上是硬件协处理器和仿真的混合要求支持代码去实现混合运算在 AFS 1.3 和以后的版本里有 VFP 的支持代码, 在 ADS 的 FPA 里. 在 thumb 代码使用 fp 处, vfp 系统用 -fpu softvfp+vfp 编译使用 -auto_float_constants 预防常量被处理为双精度类型, 关闭警告用 -Wk. Example

26 Floating point examples float foo(float num1, float num2) float temp, temp2; armcc float.c temp = num1 + num2; temp2 = num2 * num2; return temp2-temp; armcc -fpu vfpv2 float.c foo SFD sp!,r3-r5,lr MOV r4,r1 BL _fadd MOV r5,r0 MOV r0,r4 MOV r1,r4 BL _fmul MOV r1,r5 LDMFD sp!,r3-r5,lr B _fsub foo FADDS s0,s0,s1 FMULS s1,s1,s1 FSUBS s0,s1,s0 MOV pc,lr 使用协处理器指令使用浮点库 26 26

27 Agenda ARM 编译器优化 C/C++ 和汇编混合模式编程使用 ARM 编译器编码局部和全局数据 27 27

28 变量类型全局和静态变量保留在 RAM 里需使用 loads/stores 访问外部存储器局部变量通常放在寄存器中, 用来快速且高效的处理如果编译器的寄存器分配算法认为超过现有的寄存器数量, 将把变量压入栈中对局部变量, 用 word-sized (int) 代替 halfword 和 byte: 为了确保不受其他条件的影响, 可特别指定使用 32-bit 寄存器变量

29 变量大小 int wordsize(int a) wordsize 0x : MOV r0,r0,lsl #1 return (a*2); 0x : MOV pc,lr short halfsize(short b) halfsize 0x : MOV r0,r0,lsl #17 return (b*2); 0x00000c : MOV r0,r0,asr #16 0x : MOV pc,lr char bytesize(char c) bytesize 0x : MOV r0,r0,lsl #25 return (c*2); 0x : MOV r0,r0,lsr #24 0x00001c : MOV pc,lr 29 29

30 堆栈的用法 C/C++ 代码的堆栈使用, 堆栈用来保留 : 子程序的返回地址溢出的局部变量局部数组和结构体注意 : 函数越小越好 : ( 更少的变量, 更少的溢出 ); 更少数量的 live 变量 ( 比如 : 函数里每个点保存的有用的数据 ) 避免使用大的局部结构体或数组 ( 使用 malloc/free 代替 ) 避免递归 30 30

31 堆栈使用估计链接使用 -callgraph 显示静态堆栈的开销 (html 文件 ). 编译时使用软件堆栈检查 -apcs /swst 在栈结束点设置 watchpoint 测试堆栈定义大的栈填充某个值, 看覆盖了多少, 从而判定栈的使用情况 ARMulator 映射文件拒绝访问栈下面的区域, 栈溢出将导致一个 data abort 异常 stackuse.c ARMulator 模式, 跟踪堆栈的大小, 用 ARMulator 的统计来输出报告当要对堆栈使用情况进行估计时, 使用 worst case 31 31

32 全局数据布局全局数据保存在存储器里, 不是寄存器需要 load / store 指令来访问用物理尺寸的边界对齐 ADS 1.2 会优化在一个模块里的全局数据的布局用 -Ono_data_reorder 将关闭排序 e.g. 声明的数据 char one; short two; char three; int four; char char int short Declared alignment 12 bytes (4 bytes of padding) ADS 1.1+ 将自动用此风格排序 char char int short Optimal alignment 8 bytes (Zero bytes of padding) 32 32

33 不对齐访问 ARM 硬件需要在自然尺寸的边界访问内存 Word 访问在 word 尺寸 Halfword 访问在 halfword 尺寸 Byte 访问在 byte 尺寸不对齐访问遗留代码特定协议需要必须告诉编译器, 让它产生适当的指令序列使用 packed 属性可能导致多字节访问代替单字节访问用 LDM 指令的结果有 2 字, 转变为生成单字不对齐数据的访问所产生的意外的结果取决于指令的使用将是不可预知的 33 33

34 指针的对齐必须非常小心指针的对齐可能导致程序的失败 #include <string.h> int *a = (int *)0x1000; int *b = (int *)0x2000; char *c = (char *)0x3001; packed int *d; void foo (void) memcpy (b,a,12); memcpy (c,a,12); b = (int *)c; memcpy (b,a,12); d = ( packed int *)c; memcpy ((void *)d,a,12); SFD r13!,r4,r14 LDR r4,0x58 LDR r1,[r4,#0] LDR r0,[r4,#4] LDMIA r1,r2,r3,r12 SIA r0,r2,r3,r12 LDR r0,[r4,#8] LDR r1,[r4,#0] MOV r2,#0xc BL rt_memcpy LDR r0,[r4,#8] STR r0,[r4,#4] LDR r1,[r4,#0] LDMIA r1,r2,r3,r12 SIA r0,r2,r3,r12 LDR r0,[r4,#8] LDR r1,0x5c MOV r2,#0xc STR r0,[r1,#0] LDR r1,[r4,#0] BL rt_memcpy LDMFD r13!,r4,pc memcpy inline d memcpy called memcpy inline d unsafely memcpy called safely 34 34

35 结构的打包 _packed 限定的数据为 1 字节对齐不实现字节对齐调整很高的访问代价, 不会节省存储空间 short U_int int U_int packed struct mystruct int aligned_i; short aligned_s; int unaligned_i; ; extern struct mystruct S; PREFER... struct mystruct int aligned_i; short aligned_s; packed int unaligned_i; ; extern struct mystruct S; 在结构里定义打包的元素代替结构的打包他将帮助减小访问输出的结构的开销 ADS FAQ 入口 : Aligned v. unaligned accesses and use of packed 35 35

36 优化的指针基地址 extern int a; extern int b; void foo (int x, int y) a = x; b = y; a 和 b 被定义为外部的 LDR r2, [pc,#12] STR r0, [r2,#0] LDR r3, [pc,#8] STR r1, [r3,#0] MOV pc, lr DCD address of a DCD address of b b a int a; int b; void foo (int x, int y) a = x; b = y; a 和 b 被定义为模块内用的数据 LDR r2, [pc,#8] STR r0, [r2,#0] STR r1, [r2,#4] MOV pc, lr DCD base address of a and b 注意 : 在用 -o0 时无效 36 36

37 优化外部全局指针如果全局数据放在结构体里, 每个元素的访问将自动的在基指针上偏移在结构体里的元素将按大小的边界对齐编译器不对结构体重新排列把数据放在多个逻辑结构体内, 代替一个大的结构 #define 将对主应用代码的改变隐藏起来 #define value mystruct.value Example

38 外部全局变量 data.c code.c Assembler output int a; int b; extern int a; extern int b; int main(void) return a+b; main ac b b b bc c c4 LDR r0,0x000080c0 LDR r1,0x000080c4 LDR r0,[r0,#0] LDR r1,[r1,#0] ADD r0,r0,r1 MOV pc,lr DCD 0x000083d4 DCD 0x000083d8 struct data int a; int b; mystruct; extern struct data mystruct; int main(void) return mystruct.a+mystruct.b; main ac b b b bc LDR r0,0x000080bc LDR r1,[r0,#0] LDR r0,[r0,#4] ADD r0,r1,r0 MOV pc,lr DCD 0x000083cc 38 38

39 测验 1) 默认的优化级别是什么? 2) 给 tail-call 优化有什么好处 3) 在函数调用时, 管理寄存器用法的标准的名字是什么? 4) 在参数传递时, 被推荐的最大的量是多少? 5) 为什么在 arm 里要尽可能避免使用除法? 6) packed 的效果是什么? 39 39

40 参考需要更多的信息, 请看 : ADS 1.2 Compilers and Libraries Guide Section 2 : C and C++ Compilers Section 3 : ARM Compiler Reference ADS 1.2 Developer Guide Chapter 4: Mixing C, C++ and Assembly Language Application Note 34, Writing Efficient C Application Note 36, Declaring Global Data in C 40 40

CC213

CC213 : (Ken-Yi Lee), E-mail: feis.tw@gmail.com 49 [P.51] C/C++ [P.52] [P.53] [P.55] (int) [P.57] (float/double) [P.58] printf scanf [P.59] [P.61] ( / ) [P.62] (char) [P.65] : +-*/% [P.67] : = [P.68] : ,