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：
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 )
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
- 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：
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 }
那麽对应的汇编实现sum函数的代码如下：
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
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：
- 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：
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 }
对应的汇编代码如下：
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
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
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：
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 }
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：
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
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：
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
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。