C代码调用汇编&使用指令集优化——x264汇编代码原理

小咪咪 2022-06-10 08:25 299阅读 0赞

http://www.cnblogs.com/JeroZeng/p/4782438.html

最近研究x264汇编代码，感觉使用到的优化思想和手法非常不错，在此写一个demon来记录我学习过程

*  **从搭建环境开始**

x264使用汇编优化的思想是将汇编代码编译到一个静态库里，供C代码调用，所以首先需要构建一个汇编函数得静态库。因为手动配置使用yasm来编译汇编文件，并生成一个lib相当麻烦，我选择的是使用cmake来构建。

在demon里有一个sum.asm的汇编文件，文件里是所有的汇编函数，通过yasm编译后生成sum.obj，然后通过sum.obj来创建一个sum.lib库供C代码使用。还有一个main。c的C文件，用来生成可执行文件main，CMakeLists.txt文件如下：

![复制代码][copycode.gif]

cmake_minimum_required(VERSION 3.0.00)
    
    project (asm)
    
    find_program(YASM_EXECUTABLE 
        NAMES yasm yasm-1.2.0-win32 yasm-1.2.0-win64
        HINTS $ENV{YASM_ROOT} ${YASM_ROOT}
        PATH_SUFFIXES bin
    )
    set(FLAGS -f win64 -DARCH_X86_64=1)
    add_custom_command(
            OUTPUT sum.obj
            COMMAND ${YASM_EXECUTABLE}  ARGS ${FLAGS} ../source/sum.asm -o sum.obj
            DEPENDS sum.asm)
    
    #添加静态库sum
    add_library( sum  STATIC sum.obj sum.asm )
    set_target_properties(sum PROPERTIES LINKER_LANGUAGE C)
    
    #添加使用静态库的可执行程序main
    add_executable( main main.c )
    target_link_libraries(main sum )

![复制代码][copycode.gif]

其中find\_program是在系统环境变量中寻找看是否有yasm汇编器，在此假设是有的。

需要注意的是在COMMAND $\{YASM\_EXECUTABLE\} ARGS $\{FLAGS\} ../source/sum.asm -o sum.obj中指定汇编文件的路径得是相对与工程文件所在的相对路径，所以这里是../source/sum.asm

至此环境搭建完毕，使用cmake就能生成需要的汇编lib工程和调用汇编函数得可执行文件工程。在vs上如下图所示

![662947-20150904231130998-279033106.png][]

*  ** 关于汇编**

先写一个最简单的例子（在此针对的是64bit汇编），假设main函数里需要对两个数字求和，代码如下：

![复制代码][copycode.gif]

1 int sum(int a, int b);//此函数通过汇编实现
    2 
    3 int main(int argc, char *argv[])
    4 {
    5     int num = sum(2, 3);
    6     return 0;
    7 }

![复制代码][copycode.gif]

那麽对应的汇编实现sum函数的代码如下：

![复制代码][copycode.gif]

1 global sum
    2 
    3 sum:
    4 
    5     add ecx, edx ;直接使用ecx和edx寄存器中的参数
    6     mov eax, ecx
    7 
    8     ret

![复制代码][copycode.gif]

这是一个最简单的C调用汇编函数得demon，在写汇编函数的时候碰到了以下问题：

1.  之前学习的都是32位汇编的时候，函数参数的传递都是通过栈来完成的，在64位汇编中，前四个参数是通过寄存器rcx、rdx、r8、r9来传递的，只有参数个数大于4个后才通过栈来传递，所在在以上汇编代码中直接使用了寄存器ecx和edx中的值

当函数参数个数大于4时，假设C代码如下：

![复制代码][copycode.gif]

1 int sum(int a, int b, int c, int d, int e);
    2 
    3 int main(int argc, char *argv[])
    4 {
    5     int num = sum(2, 3, 4, 5, 6);
    6     return 0;
    7 }

![复制代码][copycode.gif]

对应的汇编代码如下：

![复制代码][copycode.gif]

1 global sum
     2 
     3 sum:
     4 
     5     add rcx, rdx
     6     add rcx, r8
     7     add rcx, r9
     8 
     9     mov rdx, [rsp + 40] ;从栈中取出第5个参数放入rdx寄存器
    10     add rcx, rdx
    11 
    12     mov rax, rcx
    13 
    14     ret

![复制代码][copycode.gif]

此处需要注意的是：前四个参数是通过寄存器传递，从栈中取出第五个参数时，并不是从rsp+8的地方取，而是从rsp+40（40 = 4\*8 + 8）的地方取，说明虽然前四个参数是通过寄存器传递，但是在栈中还是占用了相应的空间，我对此的理解是为了\_\_stdcall和\_\_cdecll的兼容吧。

*  使用指令集优化（SSE AVX等）

首先来看一下SIMD寄存器

![662947-20150905125830373-1517295046.png][]

SSE使用到的SIMD寄存器是128bit，一共有16个，从XMM0到XMM15

AVX拓展出来的SIMD寄存器是256bit，一共也是16个，从YMM0到YMM16，当然AVX也能使用SSE的XMM寄存器

AVX2.0的时候将寄存器拓展到了512bit，一共有32个，从ZMM0到ZMM31

假设我们的main函数是对两个数组进行求和，代码如下：

![复制代码][copycode.gif]

1 #define N 8
     2 
     3 int sum(float a[], float b[]);
     4 
     5 int sum_c(float a[], float b[])
     6 {
     7     for (int i = 0; i < N; i++)
     8     {
     9         a[i] += b[i];
    10     }
    11     return 0;
    12 }
    13 
    14 int main(int argc, char *argv[])
    15 {
    16     float a[N] = { 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0 };
    17     float b[N] = { 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0 };
    18     //将数组b[N]中的数据加到数组a[n]中
    19     sum_c(a, b);//不使用汇编优化
    20     sum(a, b);//使用汇编优化
    21     return 0;
    22 }

![复制代码][copycode.gif]

可以看到，不使用汇编优化的话，在sum\_c函数中，我们需要依次计算出a\[i\] + b\[i\]的和并保存在a\[i\]中。

如果使用SSE指令集优化的话，代码如下：

![复制代码][copycode.gif]

1 global sum
     2 
     3 sum:
     4 
     5     movups xmm0, [rcx]
     6     movups xmm1, [rdx]
     7     movups xmm2, [rcx + 16]
     8     movups xmm3, [rdx + 16]
     9 
    10     addps xmm0, xmm1
    11     addps xmm2, xmm3
    12 
    13     movups [rcx], xmm0
    14     movups [rcx + 16], xmm2
    15     
    16     ret

![复制代码][copycode.gif]

可以看到，只需要进行两次加法运算就能计算出a\[8\]和b\[8\]中8个数字相加的和，这里需要进行两次计算是因为xmm寄存器是128bit，所以每次只能计算4个float数据，8个数据得分两次计算。

使用AVX指令集优化代码如下：

![复制代码][copycode.gif]

1 global sum
     2 
     3 sum:
     4 
     5     vmovups ymm1, [rcx]
     6     vmovups ymm2, [rdx]
     7 
     8     vaddps ymm0, ymm1, ymm2
     9     vmovups [rcx], ymm0
    10     
    11     ret

![复制代码][copycode.gif]

因为AVX使用到了256bit的ymm寄存器，所以一次可以处理8个32bit的float数据，一次计算就能完成两组8个float数据分别的求和操作。

[copycode.gif]: /images/20220610/a77cfc4ff20549f995720f18cd1f5289.png
[662947-20150904231130998-279033106.png]: /images/20220610/94428c37e7b8486098c1512202a5006f.png
[662947-20150905125830373-1517295046.png]: /images/20220610/3b04065cfbf74713b73410db9cf3e552.png