我有这个简单的 c 代码
#include <stdio.h>
#include <alloca.h>
int main()
{
char* buffer = (char*)alloca(600);
snprintf(buffer, 600, "Hello %d %d %d\n", 1, 2, 3);
return 0;
}
我希望为 alloca 函数生成的汇编代码只会递减堆栈指针(一个子指令),并且可能会进行一些对齐(一和指令),但生成的汇编代码非常复杂,甚至比你的效率低'预计。
这是 objdump -d main.o
的输出,基于 gcc -c
的输出(没有优化,所以默认的 -O0
)
0000000000400596 <main>:
400596: 55 push %rbp
400597: 48 89 e5 mov %rsp,%rbp
40059a: 48 83 ec 10 sub $0x10,%rsp
40059e: b8 10 00 00 00 mov $0x10,%eax
4005a3: 48 83 e8 01 sub $0x1,%rax
4005a7: 48 05 60 02 00 00 add $0x260,%rax
4005ad: b9 10 00 00 00 mov $0x10,%ecx
4005b2: ba 00 00 00 00 mov $0x0,%edx
4005b7: 48 f7 f1 div %rcx
4005ba: 48 6b c0 10 imul $0x10,%rax,%rax
4005be: 48 29 c4 sub %rax,%rsp
4005c1: 48 89 e0 mov %rsp,%rax
4005c4: 48 83 c0 0f add $0xf,%rax
4005c8: 48 c1 e8 04 shr $0x4,%rax
4005cc: 48 c1 e0 04 shl $0x4,%rax
4005d0: 48 89 45 f8 mov %rax,-0x8(%rbp)
4005d4: 48 8b 45 f8 mov -0x8(%rbp),%rax
4005d8: 41 b9 03 00 00 00 mov $0x3,%r9d
4005de: 41 b8 02 00 00 00 mov $0x2,%r8d
4005e4: b9 01 00 00 00 mov $0x1,%ecx
4005e9: ba a8 06 40 00 mov $0x4006a8,%edx
4005ee: be 58 02 00 00 mov $0x258,%esi
4005f3: 48 89 c7 mov %rax,%rdi
4005f6: b8 00 00 00 00 mov $0x0,%eax
4005fb: e8 a0 fe ff ff callq 4004a0 <snprintf@plt>
400600: b8 00 00 00 00 mov $0x0,%eax
400605: c9 leaveq
400606: c3 retq
400607: 66 0f 1f 84 00 00 00 nopw 0x0(%rax,%rax,1)
40060e: 00 00
知道生成的汇编代码的目的是什么吗?我正在使用 gcc 8.3.1。
最佳答案
当然,通常的 Debug模式/反优化行为是将每个 C 语句编译为单独的 block ,并且非 register
变量实际上在内存中。 (Why does clang produce inefficient asm with -O0 (for this simple floating point sum)?)。
但是,是的,这超出了“未优化”的范围。没有一个理智的人会期望 GCC 的固定指令序列(或 GIMPLE 或 RTL 逻辑,无论它扩展到什么阶段) alloca
涉及 div
的逻辑通过编译时常数 2 的幂,而不是移位或只是 AND。 x /= 16;
不会编译为 div
如果你自己用 C 源代码编写,即使使用 gcc -O0
.
通常,GCC 会尽可能多地对常量表达式进行编译时求值,例如 x = 5 * 6
不会在运行时使用imul。但它扩展其alloca
的点逻辑必须在该点之后,可能很晚(在大多数其他传递之后)来解释所有这些错过的优化。因此,它不会受益于在 C 源逻辑上运行的相同 channel 。
它做了两件事:
将分配大小向上舍入(将其放入寄存器后的常量
600
)将其舍入为 16 的倍数,方法是:((16ULL - 1) + x) / 16 * 16
。一个理智的编译器至少会使用右移/左移,如果不优化到(x+15) & -16
。但不幸的是 GCC 使用div
和imul
到 16,即使它是 2 的恒定幂。将分配空间的最终地址舍入为 16 的倍数(尽管这已经是因为 RSP 开始 16 字节对齐并且分配大小已向上舍入。)这与
((p+15) >> 4) << 4
它比 div/imul 效率高得多(特别是对于 Ice Lake 之前的 Intel 上的 64 位操作数大小),但仍然比and $-16, %rax
效率低。 。当然,做那些已经毫无意义的工作是愚蠢的。
那么当然它必须将指针存储到 char* buffer
中.
在下一条语句的 asm block 中,将其重新加载为 sprintf
的参数(低效地进入 RAX 而不是直接进入 RDI,通常为 gcc -O0
),以及设置寄存器参数。
所以这很糟糕,但是通过 alloca
的预设逻辑的后期扩展来解释是非常合理的。 ,在大多数转换(“优化”)过程已经运行之后。请注意-O0
doesn't literally mean "no optimization" ,它只是意味着“快速编译,并提供一致的调试”。
相关:
How does gcc choose to number temporary variables from -fverbose-asm? - 另一个讨论
-O0
alloca asm,同样的猜测是在 GIMPLE channel 后期扩展它,甚至在 RTL 中。还有为 alloca/snprintf 优化的 asm,它要简单得多。事实上,这几乎是重复的;这个问题也询问了分配代码。doing seemingly un-needed ops (crackme) - 我很少评论基本相同的 asm(对于 32 位模式),但主要是讨论手工混淆的 asm。
How does GCC implement variable-length arrays?显示了这个糟糕代码的 32 位版本,但没有评论它有多糟糕。
关于c - 禁用优化的 c alloca 函数的奇怪汇编代码 - gcc 按常量 16 使用 DIV 和 IMUL,并进行移位?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66289556/