C代码调用汇编&使用指令集优化

　　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：

int sum(int a, int b);//此函数通过汇编实现

int main(int argc, char *argv[])
{
    int num = sum(2, 3);
    return 0;
}

　　那麽对应的汇编实现sum函数的代码如下：

global sum

sum:

    add ecx, edx ;直接使用ecx和edx寄存器中的参数
    mov eax, ecx

    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：

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：

int sum(int a, int b, int c, int d, int e);

int main(int argc, char *argv[])
{
    int num = sum(2, 3, 4, 5, 6);
    return 0;
}

　　对应的汇编代码如下：

global sum

sum:

    add rcx, rdx
    add rcx, r8
    add rcx, r9

    mov rdx, [rsp + 40] ;从栈中取出第5个参数放入rdx寄存器
    add rcx, rdx

    mov rax, rcx

    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：

#define N 8

int sum(float a[], float b[]);

int sum_c(float a[], float b[])
{
    for (int i = 0; i < N; i++)
    {
        a[i] += b[i];
    }
    return 0;
}

int main(int argc, char *argv[])
{
    float a[N] = { 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0 };
    float b[N] = { 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0 };
    //将数组b[N]中的数据加到数组a[n]中
    sum_c(a, b);//不使用汇编优化
    sum(a, b);//使用汇编优化
    return 0;
}

　　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：

global sum

sum:

    movups xmm0, [rcx]
    movups xmm1, [rdx]
    movups xmm2, [rcx + 16]
    movups xmm3, [rdx + 16]

    addps xmm0, xmm1
    addps xmm2, xmm3

    movups [rcx], xmm0
    movups [rcx + 16], xmm2
    
    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：

global sum

sum:

    vmovups ymm1, [rcx]
    vmovups ymm2, [rdx]

    vaddps ymm0, ymm1, ymm2
    vmovups [rcx], ymm0
    
    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。