如果您关心性能，pusha / popa 几乎没有用处。它们仅在以牺牲速度为代价优化代码大小时才有用，例如保存/恢复函数周围的寄存器。但是对于非void 函数来说非常不方便，因为它们会重新加载 all 寄存器，因此您必须将返回值存储在内存中（例如，在将加载到 eax 的堆栈槽上，或在popad之后重新加载的其他地方）。
只推送需要保存的寄存器，或者你想作为函数参数传递的寄存器。或者，在inline-assembly 中，只需让编译器通过为任何临时寄存器声明"=r"(dummy1) 虚拟输出操作数来为您管理寄存器，或者在特定寄存器上使用clobbers。通常，编译器可以选择可以让您在不保存的情况下破坏的寄存器。 （或者在笨重的 MSVC 风格的内联 asm 中，编译器无法为您分配寄存器，因此您必须手动选择。编译器会解析您的 asm 以查找 clobber。）
您通常不需要保存/恢复eax；为了性能，如果您首先无法计算esi 中的值，您可能应该mov esi, eax / 调用/使用esi 中的值。 即对需要在call 中存活的值使用调用保留寄存器，因此重要值的存储/重新加载不在关键路径上。相反，存储/重新加载位于调用者的调用保留寄存器之一的关键路径上，您（或编译器）push/pop 在整个函数周围，在任何循环之外。
详细了解call-preserved vs. call-clobbered registers 以及保存/恢复应该如何正常工作。什么是好的调用约定，例如how x86-64 System V was designed 和 this Q&A 关于应该在寄存器中传递多少个参数，以及为什么不将 XMM 寄存器用于整数参数。当然，辅助函数可以使用自定义调用约定。
pusha / popa 在大多数 CPU 上都很慢
即使您确实想要推送所有 8 个整数寄存器（包括 esp！），在现代 CPU 上使用 8 个单独的 push 指令实际上更快。 pusha/popa 是微编码的，which can be a problem for the front-end。 （虽然 8 条单字节指令对于 uop-cache 也可能是个问题。但在实际代码中，您通常只需要推送几个寄存器，而不是全部。）
如果您正在针对过时的 CPU（如原始有序 Pentium 和 Pentium II/III）进行优化，pusha/popa 与 8 个 push r 或 8 个 pop r 一样快，而且实际上更少的微指令，因为它们没有堆栈引擎来消除 ESP 更新微指令。
来自Agner Fog's instruction tables：现代 CPU 具有单微指令 push reg 和 pop reg，因为编译器一直使用这些指令，因此对性能很重要。 push/pop 吞吐量通常与存储/加载吞吐量相匹配（通常每个时钟 1 个存储或每个时钟 2 个加载）。但是pusha / popa 不被编译器使用，因此 CPU 设计人员没有特别的支持来使它们变得更快。 popa 如果只是 运行 popa，吞吐量将限制为每个时钟仅 1 个负载。 （我认为在 Intel CPU 上，测量性能最可能的解释是 popa 不使用堆栈引擎，因此它依赖于 esp 成为瓶颈。）
英特尔：
- Skylake：
pusha：11 微指令，8c 吞吐量。 popa：18 微指令/8c 吞吐量。
- Sandybridge：
pusha：16 微指令/8c 吞吐量。 popa：18 微指令/9c 吞吐量。
- Nehalem：
pusha：18 微指令/8c 吞吐量。 popa：10 微秒/8c 吞吐量。
- Silvermont/KNL：
pusha：10 uop / 10c 吞吐量。 popa：17 微指令/14c 吞吐量。
- Pentium4：
pusha：4/10 微指令/19c 吞吐量。 popa：4/16 uops / 14c 吞吐量。
- P5 Pentium 1 / MMX：5-9 个周期，不可配对。 “如果 SP 可被 4 整除，则为 9（不完美配对）。”
AMD：pusha/popa 在某些 AMD CPU，尤其是 K8 上的表现出奇的好。
- 锐龙：
pusha：9 微指令，8c 吞吐量。 popa：9 微指令，4c 吞吐量。 （与 Intel 不同，AMD 的新设计 popa 不比 pop 差 8 倍。）
- Jaguar：
pusha：9 微指令/8c 吞吐量。 popa：9 微指令/8c 吞吐量。 （Jaguar 通常每个时钟只能执行一次加载。）
- 打桩机：
pusha：9 uops / 9c 吞吐量。 popa：14 微指令/8c 吞吐量。 （Agner 将 Bulldozer 系列的常规 pop reg 吞吐量列为每时钟 1 个，尽管我认为它们确实有一个堆栈引擎并且每个时钟可以执行 2 个负载。也许堆栈引擎一次只能处理一个堆栈指令？）
- K8：
pusha：9 微指令/4c 吞吐量！！ （IDK 这怎么可能，要么这是表中的错误或拼写错误，要么 K8 合并了 32 位寄存器并进行了四个 64 位存储）。 popa：9 微指令/4c 吞吐量。这些数字似乎是真实的：InstLatx86 measurements 同意 Clawhammer（第一代 K8 微架构）上 pushad / popad 的 4c 吞吐量。很明显，AMD 在优化 pushad 方面付出了一些努力。
你标记了这个inline-assembly。通常你应该避免在 inline-asm 中使用call，这样 C 编译器就会知道这个调用。
让编译器担心寄存器；只需告诉它您修改了哪些（GNU C asm("..." ::: "eax", "ecx") 或其他），或者在 MSVC 样式的内联汇编中，它会解析您的汇编并知道写入了哪些寄存器。如果这包括任何保留调用的寄存器，编译器将在整个函数的开始/结束处保存/恢复这些寄存器，即使 asm 语句处于循环中也是如此。 （它可能需要在 asm 语句或块之前/之后溢出和/或重新加载一些本地变量，但会使用 mov，而不是 push/pop。）