x86匯編pushad / popad，它的速度有多快？

Question

我只是想嘗試在x86程序集中進行非常快速的基於計算的程序，但我需要在調用程序之前推送累加器，計數器和數據寄存器。 手動推動它們的速度更快：

push eax
push ecx
push edx

或者只是使用，

pushad

與彈出一樣。 謝謝

Answer 1

如果你關心性能， pusha / popa幾乎從來popa 。 它們僅在以速度為代價優化代碼大小時才有用，例如在函數周圍保存/恢復寄存器。 但是對於非void函數來說非常不方便，因為它們會重新加載所有寄存器，因此你必須將返回值存儲在內存中（例如，在將被加載到eax的堆棧槽中，或者在popad之后重新加載的其他地方）。

只推送需要保存的寄存器 ，或者想要作為函數args傳遞的寄存器 。 或者， 在內聯匯編中 ，只需讓編譯器通過為任何臨時寄存器聲明"=r"(dummy1)虛擬輸出操作數來管理寄存器，或者在特定寄存器上使用clobbers。 通常情況下，編譯器可以選擇它可以讓你破壞但不保存的寄存器。 （或者在笨重的MSVC樣式的內聯asm中，編譯器無法為您分配寄存器，因此您必須手動選擇。編譯器解析您的asm以查找clobbers。）

您通常不需要保存/恢復eax ; 對於性能，你可能應該移動mov esi, eax / call /使用esi的值，如果你不能首先計算esi中的值。 即使用調用保留寄存器來獲取需要在call存活的值 ，因此重要值的存儲/重新加載不在關鍵路徑上。 相反，存儲/重新加載位於調用者的一個調用保留寄存器的關鍵路徑上，您（或編譯器）在任何循環之外push / pop整個函數。

---

即使您確實想要推送所有8個整數寄存器（包括esp ！） ，在現代CPU上使用8個單獨的push指令實際上更快。 pusha / popa是微編碼的， 這可能是前端的問題 。 （雖然8個單字節指令也可能是uop-cache的一個問題。但在實際代碼中，你通常只需要推幾個寄存器，而不是所有寄存器。）

如果您正在優化過時的CPU（如原始的有序Pentium和Pentium II / III），pusha / popa的速度與8 push r或8 pop r一樣快，實際上更少的uops，因為它們沒有堆棧引擎消除ESP更新uops。

來自Agner Fog的指令表 ：現代CPU具有單uop push reg和pop reg ，因為這些指令一直被編譯器使用，因此對性能很重要。 推/彈吞吐量通常匹配存儲/負載吞吐量（通常每個時鍾1個存儲或每個時鍾2個負載）。 但popa器不使用pusha / popa ，因此CPU設計人員沒有特別的支持來使它們快速。 如果只運行popa popa吞吐量僅限於每個時鍾1個負載。 （我認為在Intel CPU上，測量性能最可能的解釋是popa不使用堆棧引擎，所以它依賴於esp 。）

英特爾：

• Skylake： pusha ：11 uops，8c吞吐量。 popa ：18 popa / 8c吞吐量。
• Sandybridge： pusha ：16 uops / 8c吞吐量。 popa ：18 popa / 9c吞吐量。
• Nehalem： pusha ：18 uops / 8c吞吐量。 popa ：10 popa / 8c吞吐量。
• Silvermont / KNL： pusha ：10 uops / 10c吞吐量。 popa ：17 popa / 14c吞吐量。
• Pentium4： pusha ：4/10 uops / 19c吞吐量。 popa ：4/16 popa / 14c吞吐量。
• P5奔騰1 / MMX：5-9個循環，不可配對。 “如果SP可被4整除（不完美的配對），則為9。”

AMD： pusha / popa在一些AMD CPU上出奇的好，尤其是K8。

• Ryzen： pusha ：9 uops，8c吞吐量。 popa ：9 popa ， 4c吞吐量 。 （與英特爾不同，AMD的新設計popa並不比8倍pop差。）
• 美洲虎： pusha ：9 uops / 8c吞吐量。 popa ：9 popa / 8c吞吐量。 （捷豹每個時鍾通常只能負載一次。）
• 打樁機： pusha ：9 uops / 9c吞吐量。 popa ：14 popa / 8c吞吐量。 （Agner將Bulldozer系列的常規pop reg吞吐量列為每時鍾1個，雖然我認為它們確實有堆棧引擎並且每個時鍾可以執行2次加載。也許堆棧引擎一次只能處理一個堆棧指令？）
• K8： pusha ：9 uops / 4c吞吐量!! （IDK如何可能，這是表中的錯誤或拼寫錯誤，或者K8合並32位寄存器並執行四個64位存儲）。 popa ：9 popa / 4c吞吐量。 這些數字似乎確實是真實的： InstLatx86測量結果與Clawhammer（第一代K8微體系結構）上的pushad / popad 4c吞吐量一致。 顯然，AMD在優化pushad方面付出了一些努力。

---

您標記了此內聯匯編 。 通常你應該避免在inline-asm中使用call ，所以C編譯器知道這個調用。