为什么ARMv7中的一条指令有多个编码答案

【问题标题】：why is there severals encodings for one instruction in ARMv7为什么ARMv7中的一条指令有多个编码
【发布时间】：2013-04-13 01:00:46
【问题描述】：

我目前正在尝试为实现 ARMv7 指令集的 ARM cortex A9 实现反汇编程序。

为此，我正在使用可以在此处下载的手册“DDI0406C_b_arm_architecture_reference_manual.pdf”（在 arm 网站上注册后）：

http://infocenter.arm.com/help/index.jsp?topic=/com.arm.doc.set.architecture/index.html

在本手册中，在 A8.8 部分的指令详细信息中，我无法理解为什么一条指令有多种编码（如 A1、A2、...），这些似乎都是用 ARMv7 实现的.

另外，由于 ARM 皮质 A9 使用 thumb-2，它是否也实现了 A1/A2/... 编码，还是仅实现 T1/T2...？

我确实阅读了本手册的所有部分都与编码有关，但我仍然不明白我们如何知道程序使用哪种编码。

【问题讨论】：

非常感谢大家，你们的回答都非常有用。没想到这么快就有答案了。

标签： encoding binary arm thumb instruction-set

【解决方案1】：

没有办法在指令流中真正区分 ARM 和 Thumb。您只能根据调用函数的方式来决定（如果最低位设置为 1，则为拇指，否则为手臂）。

ARM-Encoding 相当“稳定”，你只会发现少数 A1 编码，BLX 是一个给出 A2 编码的例子，但这主要是因为新的 ARM-ARM 的结构与旧的不同那些。 BL 和 BLX 是两条不同的指令，BLX 是在额外的指令空间中添加的（通常用于条件的高 4 位设置为 1111，在 v5 之前的 ARM 中意味着“从不执行”。

对于 Thumb-Encodings 它是不同的，它们有很多，因为它们必须被放置在一个更压缩的指令空间中，A6-220 页有关于如何决定一个 Thumb 指令由两个或两个组成的信息的信息只有一个半字。

【讨论】：

【解决方案2】：

当处理器处于 arm 模式时，Ax 编码是 arm 的，它将使用这些编码对找到的位进行解码。如果有不止一个 A1、A2，那么显然存在不同的特征或原因。这两条指令可以被认为是分开的（例如，看看 x86 中 mov 指令的过度使用，它有很多编码）。将每个编码视为单独的“指令”。

然后是 Tx 变体，即 thumb 和 thumb2 扩展。 thumb 都是 16 位的（bl 可以被解码为两个单独的 16 位指令），它们下面的描述表示“所有 thumb 变体”或“armv4t to the present”或一些这样的语言。 thumb2 扩展都是 32 位的，前 16 位是拇指世界中未定义的指令。这些对支持它们的架构有更多限制。

您将无法为这些处理器之一完全创建反汇编程序，原因与您不能为 x86 或许多其他处理器（全部？）做一个相同的原因。如果您假设所有指令都是一种模式（手臂或拇指或拇指+拇指2）但没有模式混合（手臂+拇指），那么您可以，因为一切都是固定的指令长度，您可以简单地反汇编所有数据和代码，您不会运行任何问题。为了反汇编混合模式，您必须基本上模拟/执行指令并遵循指令流（就像可变字长指令集反汇编器一样）来尝试找到转换，这里的问题当然是在最小负载下的多指令一个寄存器然后 bx 该寄存器，有时指令计算涉及数学，并且不能保证地址计算或加载发生在 bx 之前的指令。所以你可以做一些这样的事情，并通过反汇编程序获得很长的路要走。

如果您使用的处理器支持/允许 thumb2，那么您在检测到 thumb 代码的入口点时会遇到可变指令长度问题。除非你已经这样做了，否则你必须遵循代码的执行来确定指令从哪里开始（基本可变指令长度反汇编的东西）。

技术参考手册和架构参考手册的组合将告诉您该架构 (trm) 的架构和实现是否允许手臂和拇指模式。我假设 A9 支持 arm thumb 和 thumb2，所有这三个。

cortex-m 家族是迄今为止唯一仅限于不支持手臂的家族，它们的 thumb2 变化很大，因为 cortex-m0（和 m1）是 armv6m，m3 和 m4 是 armv7m（几十个（ armv6m) 对 armv7m 中的许多 thumb2 扩展的说明)。有专门针对 -m 变体的单独架构参考手册，例如 armv7-m 与 armv7-ar 手册。

【讨论】：

真的很困扰我，我不能真正正确地反汇编一个混合手臂和拇指指令的程序。但现在我想知道像 objdump 这样的著名反汇编程序是如何处理这个问题的？
在某种程度上他们作弊，elf 文件可以/确实（？）包含告诉他们二进制文件的哪些部分是什么的信息，因此他们不必从数据中挑选代码，从拇指中挑选手臂，等等。大多数指令集都是可变指令长度的，所以反汇编程序总是有这个问题。 mips 和 arm 暂时缓解了固定指令长度，然后又添加了不同长度的指令集，将它们与规范混为一谈。
你可以反汇编其中的大部分，但就像任何其他指令集一样，如果你只有二进制文件，那么可能会有一些你无法静态确定的东西。今天的优势是大部分代码都是编译器生成的，大部分是干净的，所以不太可能有反汇编程序陷阱。
好吧，我拥有的是可执行文件，所以对我来说它与“二进制”相同，但也许我错了......因为我想我也可以使用包含在 elf 文件中的信息帮我。再次感谢您。

【解决方案3】：

指令的不同编码在功能上做不同的事情。

使用不同编码的一个例子是A8.9.12 ADR

该指令将立即数加到 PC 值上以形成 PC 相对地址，并将结果写入目的地寄存器。

如果指令编码为A1，则偏移量必须解释为零或正数，如果编码为A2，则偏移量为负数。

另一个例子是A8.8.132 POP

如果列表包含多个寄存器，则将指令汇编为编码 A1。如果列表只包含一个寄存器，则将指令汇编为编码 A2。

我可以想象创建不同的POP 编码可能是出于性能原因创建不同的微码。

对于您问题的第二部分，Cortex-A9 是一个 ARMv7-A 架构 CPU，它支持您指出的手册中指定的所有指令。也许你也应该阅读Cortex™-A9 Technical Reference Manual。

【讨论】：

好，简洁的答案。 Nitpick：Cortex-A9 不支持架构参考手册中定义的所有指令；它不支持 VFPv4/AdvSIMDv2 和虚拟化扩展引入的那些指令。