1、ARM 编程技巧,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,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,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：
2、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 ,自动优化,int f(int *p) return (*p = = *p); ,armcc -c -O0,fMOV r1, r0MOV r0, #1MOV 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,使用 “volatile”,int f(volatile int *p) return (*p = = *p); ,armcc -c,fLDR r1,r0LDR r0,r0CMP r1,r0M
3、OVNE r0,#0MOVEQ r0,#1MOV pc,lr,int f(int *p) return (*p = = *p); ,fMOV r0,#1MOV pc,lr,armcc -c,这个代码用的编译级别是：-o2,下面是一个冗余代码清除的例子，他只用了-o1的优化选项:,冗余代码的清除,int dummy() int a=10, b=20;int c;c=a+b;return 0; ,armcc -c -O1,dummyMOV r0, #0MOV pc, lr,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
4、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
5、cpu arm7tdmi,armcc cpu arm9tdmi,Tail-call Optimization,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; ,嵌套优化,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
6、 -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.,Inline example,内嵌例子,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,C和汇编的混合编程,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
7、能 使用新的或不支持的指令 产生更高效的代码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,ATPCS（arm/thumb程序调用规范）,r8,r9/sb,r10/sl,r11,r12,r13/sp,r14/lr,r15/pc,r0,r1,r2,r3,r4,r5,r6,r7,寄存器变量 必须保护,作为函数传递的参数值,Scratch register (corruptible),Stack Pointer Link Register Program
8、Counter,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,Register,- 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,- 可作为临时的一个值栈一样来使用,- 子程序内部调用的可改写的寄存器,- 程序计数器,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 m
9、ystrcopy(char *d, const char *s); int main(void) const char *src = “Source”; char dest10; . mystrcopy(dest, src);.,AREA StringCopy, CODE, READONLYEXPORT mystrcopymystrcopyLDRB r2, r1, #1STRB r2, r0, #1CMP r2, #0BNE mystrcopyMOV pc, lrEND,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,CALL,内嵌汇编,允许使用一些不
10、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”,#define Q_Flag 0x08000000 / Bit 27_inline void Clear_Q_flag (void) int temp;_asm MRS temp, CPSRBIC temp, temp, #Q_FlagMSR CPSR_f, temp _inline int mult16(short a, short b, int c)
11、int temp;_asm SMLABB temp,a,b,creturn temp; ,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,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.,Parameter Passing (4 parameters)int func1(int a, int b, int c,
12、 int d) return a+b+c+d; int caller1(void) return func1(1,2,3,4); ,func10x000000 : ADD r0,r0,r10x000004 : ADD r0,r0,r20x000008 : ADD r0,r0,r30x00000c : MOV pc,lrcaller10x000014 : MOV r3,#40x000018 : MOV r2,#30x00001c : MOV r1,#20x000020 : MOV r0,#10x000024 : B func1,Parameter Passing (4 parameters),P
13、arameter Passing (6 parameters),Parameter Passing (6 parameters),func20x000000 : STR lr, sp,#-4!0x000004 : ADD r0,r0,r10x000008 : ADD r0,r0,r20x00000C : ADD r0,r0,r30x000010 : LDMIB sp,r12,r140x000014 : ADD r0,r0,r120x000018 : ADD r0,r0,r140x00001C : LDR pc,sp,#4caller20x000020 : STMFD sp!,r2,r3,lr0
14、x000024 : MOV r3,#60x000028 : MOV r2,#50x00002C : STMIA sp,r2,r30x000030 : MOV r3,#40x000034 : MOV r2,#30x000038 : MOV r1,#20x00003C : MOV r0,#10x000040 : BL func20x000044 : LDMFD sp!,r2,r3,pc,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,
15、6); ,This code is compiled with “-O2 -Ono_autoinline”,循环终止,在for(), while() dowhile()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.,Loop Termination,Count upint fact1(int limit) int i;int fact
16、 = 1;for (i = 1; i = limit; i+)fact = fact * i;return fact; ,Count downint fact2(int limit) int i;int fact = 1;for (i = limit; i != 0; i-)fact = fact * i;return fact; ,fact20x000000 : MOVS r1,r00x000004 : MOV r0,#10x000008 : MOVEQ pc,lr0x00000c : MUL r0,r1,r00x000010 : SUBS r1,r1,#10x000014 : BNE 0x
17、0c0x000018 : MOV pc,lr,fact10x000000 : MOV r2,#10x000004 : MOV r1,#10x000008 : CMP r0,#10x00000c : BLT 0x200x000010 : MUL r2,r1,r20x000014 : ADD r1,r1,#10x000018 : CMP r1,r00x00001c : BLE 0x100x000020 : MOV r0,r20x000024 : MOV pc,lr,This code is compiled with “-O2 -Otime”,除法操作(1),ARM核不含除法硬件 除法通常用一个运
18、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); ,divB _rt_udiv,unsigned div2(unsigned b) return (b / 2); ,div2MOV r0,r0,LSR #1MOV pc,lr,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,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：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 impo
19、rt _use_realtime_division Assembler - IMPORT _use_realtime_division,div10MOV r1,r0 LDR r0,=0xCCCCCCCD UMULL r2,r1,r0,r1 MOV r0,r1,LSR #3 MOV pc,lr,unsigned div10(unsigned c) return (c / 10); ,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59count = (coun
20、t+1) % 60;用下面的句子代替if (+count = 60) count = 0;,moduloADD r1,r0,#1MOV r0,#0x3cBL _rt_udivMOV r0,r1,test_and_resetADD r0,r0,#1CMP r0,#0x3cMOVCS r0,#0,这个代码用“-O1 -Ospace”编译,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 obs
21、olete -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.,float foo(float num1, float num2) float temp, temp2;temp = num1 + num2;
22、temp2 = num2 * num2;return temp2-temp; ,Floating point examples,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,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.,int wordsi
23、ze(int a) wordsize 0x000000 : MOV r0,r0,LSL #1return (a*2); 0x000004 : MOV pc,lr short halfsize(short b) halfsize 0x000008 : MOV r0,r0,LSL #17return (b*2); 0x00000c : MOV r0,r0,ASR #16 0x000010 : MOV pc,lrchar bytesize(char c) bytesize 0x000014 : MOV r0,r0,LSL #25return (c*2); 0x000018 : MOV r0,r0,L
24、SR #24 0x00001c : MOV pc,lr,变量大小,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,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
25、 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,全局数据布局,char one; short two; char three; int four;,char,short,char,e.g. 声明的数据,Declared alignment 12 bytes (4 bytes of padding),Optimal alignment 8 bytes (Zero bytes of padding
26、),ADS 1.1+ 将自动 用此风格排序,short,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,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
27、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,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 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); ,STMFD r13!,r4,r14
28、 LDR r4,0x58LDR r1,r4,#0 LDR r0,r4,#4 LDMIA r1,r2,r3,r12 STMIA r0,r2,r3,r12LDR r0,r4,#8 LDR r1,r4,#0 MOV r2,#0xc BL _rt_memcpyLDR r0,r4,#8 STR r0,r4,#4 LDR r1,r4,#0 LDMIA r1,r2,r3,r12 STMIA r0,r2,r3,r12LDR r0,r4,#8 LDR r1,0x5c MOV r2,#0xc STR r0,r1,#0 LDR r1,r4,#0 BL _rt_memcpyLDMFD r13!,r4,pc,结构的打包
29、,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,_packed struct mystruct int aligned_i;short aligned_s;int unaligned_i; ;extern struct mystruct S;,short,int,U_int,U_int,_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,优化的指针基地址,extern int a; extern int b
30、; void foo (int x, int y) a = x; b = y;,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.,外部全局变量,extern int a; extern int b;int main(void) return a+b; ,int a; int b;,main LDR r0,0x000080c0 000080a
31、c LDR r1,0x000080c4 000080b0 LDR r0,r0,#0 000080b4 LDR r1,r1,#0 000080b8 ADD r0,r0,r1 000080bc MOV pc,lr 000080c0 DCD 0x000083d4 000080c4 DCD 0x000083d8,data.c,code.c,Assembler output,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？,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 ReferenceADS 1.2 Developer Guide Chapter 4: Mixing C, C+ and Assembly LanguageApplication Note 34, Writing Efficient C Application Note 36, Declaring Global Data in C,
