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。之前我用 -O3 说过。）

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

我举了一个真实的例子（张贴在 cmets）和put it on the godbolt compiler explorer。 calc() 的主要低效之处在于 src1 和 src2 是必须从内存加载的全局变量，而不是在寄存器中传递的 args。

我没看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                       @

由于某种原因，整数乘加 (mla) 指令之一使用 r8 (temp1) 作为目标，但另一个写入 r0（暂存寄存器），并且仅稍后将结果移动到r9 (temp2)。

sum += src1[temp1] * src2[temp2] 是通过读取和写入 r4 (sum) 的 mla 完成的。

为什么需要 temp1 和 temp2 成为全局变量？这只会阻止优化器进行激进的优化，这些优化不会计算出与 C 源代码完全相同的临时变量。幸运的是，C 内存模型足够弱，它应该能够对它们的分配重新排序，尽管这实际上可能是它没有直接将 MLA 转换为 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，所以这些全局变量实际上都是线程局部的。它应该允许对全局变量的分配进行宽松的排序。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 没有遵循严格的源顺序，因为在源中，两个乘法都发生在任何一个相加之前。）

Godbolt 没有更新的 ARM gcc 版本，所以我不能轻易测试更新的 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，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 编写了相同的代码来推送lr 以获得额外的临时代码。它无法使用ldmia (load-multiple)，因为它对将哪个临时放入哪个 reg 做出了次优选择。 （&src1 in r0 将让它加载 src1 和 src2 到 r2 和 r3。）