ARM 程序集中分支上的延迟结果指令会发生啥情况？

Posted 2023-02-16

【中文标题】ARM 程序集中分支上的延迟结果指令会发生啥情况？

【英文标题】：What happens with delayed result instructions on branch in ARM assembly?ARM 程序集中分支上的延迟结果指令会发生什么情况？

【发布时间】：2012-03-23 14:17:58

【问题描述】：

我正在优化 ARM 汇编中的算法，需要弄清楚指令的放置顺序以最大限度地减少流水线停顿。 http://pulsar.webshaker.net/ccc/index.php?lng=us 的循环计数器在这方面非常有用，但对函数调用/分支发生的情况缺乏了解。我想做的基本上是（这只是一个例子）：

mul       r4, r0, r1
mov       r0, #0
mov       r1, #12
mov       r4, r4, ASR #14
str       r4, [r5]
bl        foo

mul 和mov 指令之间的流水线停顿非常可怕，没有什么能阻止我在它们之间进行函数调用。但是当我做分支时，管道到底发生了什么？我知道foo 将执行push r4-r12, lr 作为第一条指令。我可以看到两种可能的结果：

分支指令需要几个周期，这使得mul 指令能够在执行push 之前传递其结果，从而减少流水线停顿。 由于push 在执行之前需要r4 几个周期，因此管道停顿增加了（ARMv7 IIRC 之前就是这种情况，链接中的周期计数器似乎认为不需要这样做）。李>

简而言之： 当您执行函数调用（假定将寄存器压入堆栈）甚至是正常分支时，结果延迟的指令（mul 是主要示例）会发生什么情况？

【问题讨论】：

只有当您尝试使用未准备好的寄存器时，您才会遇到流水线停顿。这就是流水线的重点——即使之前的结果还没有准备好，指令也会继续执行。

是的，我知道，这就是问题的重点。在执行mov r4, r4, ASR #14 时，r4 尚未准备好。即使函数将相关寄存器推入堆栈，我是否会通过在 mov 指令之前执行函数调用来减少管道停顿？

你为什么认为 mov 会出现管道停顿？乘法指令应该只需要 1 或 2 个额外时钟，具体取决于 ARM 内核的版本。如果由于某种原因，r4 需要超过 2 个时钟才能准备好，则 BL 会给它更多时间。

我认为你需要计时。不要在上一代和下一代、管道之间做任何假设，一切都可能完全不同。 Michael Abrash，汇编语言的 Zen，使用过的副本很容易获得。主题之一是，无论您认为自己对正在发生的事情有多了解，您仍然需要对其进行计时、实验和验证。另外，尝试一些疯狂的事情并计时，并弄清楚为什么应该很慢的答案要快得多。您需要在所有缓存关闭、i 缓存开启和 i/d 开启、mmu 开启和关闭等情况下进行计时（以找到不会有一个具体答案）

@BitBank: 像mul 和ldr 这样的指令如果你事后不尝试直接使用结果，只需要一两个周期。即使指令看起来已经完成，尝试使用结果直到几个时钟周期后会导致流水线停顿（这就是为什么要交错独立指令的原因）。阅读参考手册中的时间或检查计算器，你会明白我在说什么。如果以最佳方式交错指令，性能可以大大提高。

【参考方案1】：

如果我理解你不需要执行

mov       r4, r4, ASR #14
str       r4, [r5]

在通话之前。 在 mov 之前进行调用

bl        foo
mov       r4, r4, ASR #14
str       r4, [r5]

是个好主意。

通话期间 mul 将有更多时间完成。 STM 将是一个显而易见的问题。当然你可以在计算之前推送 R4。

如果 foo 是一个 asm 函数，你可以稍后在 foo 函数中保存 R4（可能你可以尝试不使用 r4 然后不保存它）。

如果 foo 函数是 C 函数（或者如果您可以更改 push 指令）。使用 r12 而不是 r4 作为 MUL 的目标寄存器。

STM 指令稍后将需要 R12。那么在 STM 需要目标寄存器（R12）之前，mul 可能有足够的时间完成！

【参考方案2】：

我不确定答案是什么，但我很确定如果答案是公开的，那么它会在Cortex-A8 Technical Reference Manual 中。