使用 C++ 中的内联汇编对缓冲区中的数字求和

Question

我是汇编语言编程的新手，遇到的问题对于有经验的汇编语言用户来说可能很明显。我有一个 100 字节的缓冲区，我需要找到 n = 1 到 5 的每个第 n 个字节的总和，并将结果存储在 5 个整数的数组中。我需要在我的 c++ 代码中使用内联汇编来执行此操作。我写了以下代码：

void main()
{
    char *buffer = new char[100];
    int *result = new int[5]();

    for (int i = 0; i < 100; i++)
        buffer[i] = i;

    char *start = buffer;
    for (int k = 0; k < 20; k++)
    {
        for (int j = 0; j < 5; j++)
        {
        __asm
            {
                mov eax, start[j]
                mov ebx, result[j]
                add eax, ebx
                mov result[j], eax

            }

        }
        start += 5;
    }
}

所以最后，result[0] 应该有 buffer[0], buffer[5], buffer[10] .... 的总和，result[1] 会有 buffer[1], buffer[ 的总和6]，缓冲区[11] ....等等。 我在第一条汇编指令本身（mov eax，start [j]）中遇到访问冲突错误。谁能帮我找出我犯的错误？如果有人可以帮助我用汇编语言编写整个循环和求和部分，那就太好了

Answer 1

显然我不知道你的实际意图，但我质疑“我想使用这个概念的真实场景可能会带来一些优势”的假设。

说人类不能再为 i386 编写高效的汇编程序可能不是 100% 准确，但这几乎是真的。如果您熟悉流水线和乱序执行，您就会明白为什么会这样。如果你不熟悉这些，你已经在说你不知道如何编写高效的汇编程序。

这并不是说您不应该查看程序热点的汇编程序。但是你应该尽可能写出最高效的 c 代码并对其进行基准测试，然后再尝试看看你是否可以在 asm 中写出更好的东西。如果您做不到，请不要感到惊讶。

• 请记住，仅仅因为一些微小的例程在微小的测试程序中表现得更好，这并不能保证它在重新包含在原始程序中时也会这样做。
• 或者它会在所有处理器上表现更好。
• 或者在新版本的编译器中。
• 当然，使用 asm 意味着迁移到新平台（如 x64）可能需要重新编写 asm，导致工作人员骂你的名字。

也就是说，您可以尝试像这样进行基准测试。我的猜测是它会更好，但这只是一个猜测。

#include <stdio.h>
#include <stdlib.h>

#define MAXSIZE 100
#define MAXTOT 5

typedef unsigned char BYTE;

int main()
{
    BYTE *buffer = (BYTE *)malloc(MAXSIZE);
    const BYTE *start = buffer;
    unsigned int t0, t1, t2, t3, t4;

    for (int i = 0; i < MAXSIZE; i++)
        buffer[i] = i;

    t0 = 0;
    t1 = 0;
    t2 = 0;
    t3 = 0;
    t4 = 0;

    for (int j=0; j < (MAXSIZE / MAXTOT); j++)
    {
        t0 += start[0];
        t1 += start[1];
        t2 += start[2];
        t3 += start[3];
        t4 += start[4];

        start += MAXTOT;
    }

    printf("%u %u %u %u %u\n", t0, t1, t2, t3, t4);

    free(buffer);

    return 0;
}

asm 中的循环如下所示（使用 gcc -O2）：

L3:
    movzbl  (%edx), %edi
    addl    $5, %edx
    addl    %edi, 44(%esp)
    movzbl  -4(%edx), %edi
    addl    %edi, %ebx
    movzbl  -3(%edx), %edi
    addl    %edi, %eax
    movzbl  -2(%edx), %edi
    addl    %edi, %ecx
    movzbl  -1(%edx), %edi
    addl    %edi, %esi
    cmpl    40(%esp), %edx
    jne     L3

这会在计算期间尽可能多地将“结果”保留在寄存器中（而不是像现有代码一样不断地将它们全部读/写到内存中）。更少的循环也意味着更少的 cmp 指令，而且这只需要一次通过缓冲区而不是 5 次。为 x64 编译（现在没有 asm 更容易）可以提供更好的代码，因为可用的寄存器更多。

如果 MAXTOT 变得更大，这显然会分崩离析。但是我只能评论我能看到的代码，5是你用的。

FWIW。