CPU架构之ARM优化
1、资源
1.1、ARM开发者官网
https://developer.arm.com/
http://infocenter.arm.com
1.2、纯汇编和inline汇编参考资源
32位ARM优化可以参考文档：
https://developer.arm.com/products/architecture/a-profile/docs/ddi0406/latest/arm-architecture-reference-manual-armv7-a-and-armv7-r-edition
64位ARM优化可以参考文档：
https://developer.arm.com/products/architecture/a-profile/docs/ddi0487/latest/arm-architecture-reference-manual-armv8-for-armv8-a-architecture-profile
其他资源（均来源于http://infocenter.arm.com）：
RealView编译工具《编译器参考指南》：
http://infocenter.arm.com/help/topic/com.arm.doc.dui0348bc/DUI0348BC_rvct_comp_ref_guide.pdf
RealView编译工具《汇编器指南》：
http://infocenter.arm.com/help/topic/com.arm.doc.dui0204ic/DUI0204IC_rvct_assembler_guide.pdf
RealView编译工具《链接器用户指南》：
http://infocenter.arm.com/help/topic/com.arm.doc.dui0206ic/DUI0206IC_rvct_linker_user_guide.pdf
1.3、Neon Intrinsics参考资源
https://developer.arm.com/technologies/neon/intrinsics
http://infocenter.arm.com/help/topic/com.arm.doc.ihi0073a/IHI0073A_arm_neon_intrinsics_ref.pdf
http://infocenter.arm.com/help/topic/com.arm.doc.ihi0073b/IHI0073B_arm_neon_intrinsics_ref.pdf
2、介绍
2.1、ARM优化简介
ARM是三大CPU架构（X86、ARM、MIPS）之一，是精简指令集计算机的代表，其功耗低、功能强的特点使之广泛应用于移动设备。目前常见的是ARM32和ARM64，下面对其分别简单介绍：
（1）ARM32以ARMv7为主要架构，是32位的，常见的设备有：iphone5、Cortex-A15；
（2）ARM64以ARMv8为主要架构，是64位的，常见的设备有：Cortex-A53、Cortex-A57、iphone5s的A7、iphone6和iphone6Plus的A8等。
2.2、ARM指令集简介
Thumb指令、ARM指令和NEON指令的区别和联系：Thumb指令是ARM指令中一种16位的指令集，具有16bit的代码密度；ARM指令集包含ARM32和ARM64，分别适用于ARM32位优化和ARM64位优化；NEON指令集同样包含NEON32和NEON64，分别适用于ARM32位优化和ARM64位优化。不管ARM指令集还是NEON指令集，虽然都包含适用于ARM32位优化和ARM64位优化的指令集，但是它们的指令名称、个数和使用方法均是不一样的，需要特别注意，尤其是在ARM32位优化改写为ARM64位优化时。
2.3、callee和caller简介
3、ARM32位优化
3.1、ARM32位寄存器
ARM32位寄存器共有16个（R0~R15），均是32位宽的，ARM32遵循ATPCS（ARM-THUMB procedure call standard，ARM-Thumb过程调用标准）规则：
a. R0~R3寄存器用于子程序间传递参数，当参数大于4时，将多余的参数用数据栈进行传递，入栈的顺序与参数顺序恰好相反，被调用子程序返回前无需恢复寄存器R0~R3的值，也就是说R0~R3无需出栈和入栈；
b. R4~R11寄存器用于子程序间保存变量，这些寄存器在子程序进入时必须保存，返回时必须恢复，也就是说R4~R11使用时必须出栈和入栈；
c. R13是堆栈指针寄存器SP（在进入子程序时的值和退出子程序时的值必须相等），R14是链接寄存器LR，R15是一个程序计数器PC；
d. R12时一般的通用寄存器，使用时不需要保存；
e. 子程序返回32位的整数，使用R0返回；返回64位的整数时，使用R0返回低位、R1返回高位。
3.2、NEON32位寄存器
NEON32位寄存器主要包含如下寄存器，由于NEON寄存器是有重叠部分物理地址的，所以使用时需要特别注意：
32个单字（32bits）的S寄存器（S0~S31）；
32个双字（64bits）的D寄存器（D0~D31）;
16个四字（128bits）的Q寄存器（Q0~Q15）。
neon的S/D/Q寄存器之间的关系举例如下：
| S0 | S1 | S2 | S3 | S4 | S5 | S6 | S7 | S8 | S9 | S10 | S11 | S12 | S13 | S14 | S15 |
| D0 | D1 | D2 | D3 | D4 | D5 | D6 | D7 |
| Q0 | Q1 | Q2 | Q3 |
在使用neon32位寄存器时，如果用到d8~d15寄存器，需要先入栈vpush {d8~d15}，使用完后要出栈vpop {d8~d15}；若对应于S寄存器，则是S16~S31；对应于Q寄存器，则是Q4~Q7。
4、ARM32位优化模板
假设我们有如下三个文件：
arm32_opt_c.c ：待优化的c源码和demo模板
arm32_opt_arm.s ：arm32汇编优化源码
makefile ：优化模板的makefile，编译出可执行文件测试出汇编性能提升倍数
arm32_opt_c.c内容如下：
#include
#incldue
#include
#include
#include
extern void arm32_opt_arm(unsigned short *output_asm,unsigned short *input,int width,int height,int blocksize,int stride);
void arm32_opt_c(unsigned short *output_c,unsigned short *input,int width,int height,int blocksize);
{
int x,y;
for(x=0;x
arm32_opt_arm.s内容如下：
.text
.arm
.align 4
.global arm32_opt_asm
arm32_opt_asm:
PUSH {R4-R12,LR} @ 入栈
ADD R11,SP,#40
LDM R11,{R4,R5} @ 加载多个寄存器 blcoksize stride
MOV R8,R0 @ output_asm
MOV R9,R1 @ input
MOV R6,R2 @ width
loop_x:
MOV R7,R4
MOV R10,R9
VEOR Q1,Q1 @ 按位异或
loop_y:
VLD1.16 {Q1},[R10] @ 向量加载
VADD.U16 Q1,Q0,Q1 @ 向量加法
ADD R10,R5,LSL#1
SUBS R7,#1
BGT loop_y @ branch greater than
VST1.16 {Q1},[R8]! @ 向量存储
ADD R9,#16
SUBS R6,#8
BGT loop_x
POP {R4-R12,PC}
.end
makefile内容如下：
ROOTSRC = .
PLATFORM ?= 666888
ifeq ($(PLATFORM),666888)
CORSS = arm-hisiv500-linux-
CFLAGS += -march=armv7-a -mfloat-abi=softfp
SFLAGS += -march=armv7-a -mfpu=neon
endif
CC = $(CROSS)gcc
CPP = $(CROSS)g++
LD = $(CROSS)ld
AR = $(CROSS)ar
AS = $(CROSS)as
CFALGS += -O3
CFLAGS += -I$(ROOTSRC)
TARGET_APP = test
OBJS = $(ROOTSRC)/arm32_opt_c.o \
$(ROOTSRC)/arm32_opt_asm.o
all:$(TARGET_APP)
$(TARGET_APP):$(OBJS)
$(CC) -O $@ $(OBJS)
rm -f $(OBJS)
rm -f *.o
%.o:%.c
$(CC) -c $< $(CFLAGS) -o $@
%.o:%.cpp
$(CPP) -c $< $(CFLAGS) -o $@
%.o:%.S
$(CC) -c $< $(CFLAGS) -o $@
%.o:%.s
$(AS) -c $< $(SFLAGS) -o $@
clean:
rm -rf $(OBJS)
rm -rf $(TARGET_APP)
5、ARM64位优化
5.1、ARM64位寄存器
ARM64有32个寄存器（X0~X31），均是64位宽的，ARM64遵循AAPCS64（ARM Archtecture Procedure Call Standard）规则，其中：
a. 其中w0~w30分别是x0~x30的低32位；
b. x0~x7寄存器用于子程序间传递参数，当参数大于8时，将多余的参数用数据栈进行传递，入栈的顺序与参数顺序恰好相反，被调用子程序返回前无需恢复寄存器x0~x7的值
c. x8是XR，用于保存子程序返回地址；
d. x9~x15是临时寄存器，使用时不需要保存；
e. x16（IP0）、x17（IP1）是子程序内部调用寄存器，使用时不需要保存；
f. x18（PR）是平台寄存器，它的使用和平台有关；
g. x19~x28是临时寄存器，使用必须保存（入栈）；
h. x29（FP）是帧指针寄存器，用于链接栈帧，使用时需要保存；
i. x30是链接寄存器LR，x31是堆栈指针寄存器SP；
j. PC是程序寄存器。
5.2、NEON64位寄存器
Neon64寄存器主要包含如下：
32个B寄存器（B0~B31），8bit；
32个H寄存器（H0~H31），16bit；
32个S寄存器（S0~S31），单字（32bit）；
32个D寄存器（D0~D31），双字（64bit）；
32个Q寄存器（V0~V31），四字（128bit）。
它们之间的关系举例如下：
S0是32位的，是D0（64位）的低半部分，D0是V0（128位）的低半部分；S1是32位的，是D1（64位）的低半部分，D1是V1（128位）的低半部分，这一点与NEON32是不同的，需要注意！！！
除此之外，仍需要特别注意的是NEON寄存器v0~v31的使用方法：
a. v0~v7：用于参数传递和返回值，callee（被调用者或者子程序）时不需要保存，即不需要出栈和入栈；
b. v8~v15：callee子程序调用时必须入栈保存（低64位进行保存即可）；
c. v16~v31：callee不需要保存；
d. caller可能需要保存的是v0~v7，v16~v31。
6、ARM64位优化模板
假设我们有如下三个文件：
arm64_opt_c.c ：待优化的c源码和demo模板
arm64_opt_arm.s ：arm64汇编优化源码
makefile ：优化模板的makefile，编译出可执行文件测试出汇编性能提升倍数
arm64_opt_c.c与arm32_opt_c.c一样；
arm64_opt_arm.s 如下：
.text
.align 4
.global arm64_opt_asm
arm64_opt_asm:
mov x9,x0 // output_asm
mov x10,x1 // input
mov x11,x2 // width
loop_x:
mov x12,x4
mov x13,x10
eor v1.16B,v1.16B,v1.16B // 按位异或
loop_y:
ldl {v0.8H},[x13] // 向量加载
add v1.8H,v0.8H,v1.8H // 向量加法
add x13,x13,x5,lsl #1
subs x12,x12,#1
bgt loop_y // branch greater than
st1 {v1.8H},[x9],#16 // 向量存储
add x10,x10,#16
subs x11,x11,#8
bgt loop_x
ret // 汇编调用的子程序返回
makefile与ARM32的异同点如下：
CORSS = aarch64-himix100-linux-
CFLAGS += -march=armv8-a -mfpu=cortex-a73
SFLAGS += -march=armv8-a -mfpu=cortex-a73或者
CORSS = aarch64-himix100v630-linux-
CFLAGS += -march=armv8-a
SFLAGS += -march=armv8-a
7、ARM的inline汇编
ARM32位的inline汇编与ARM64位的inline汇编格式一样，唯一不同的是里面使用的寄存器等，这也是ARM32位纯汇编和ARM64纯汇编的区别。除此之外，Inline汇编是由编译器管理入栈和出栈，而纯汇编则是由被调用者（子函数）管理寄存器入栈和出栈。还需注意的一点是汇编分“AT&T”和“Intel”格式。
模板如下：
__asm volatile
(
"汇编指令1\n\t"
"汇编指令1\n\t"
"汇编指令1\n\t"
:输出变量列表【可选】
:输入变量列表【可选】
:被破坏的寄存器列表【可选】
);举例如下：
__asm volatile
(
"mov r0,%[dst] \n\t"
"mov r1,%[src] \n\t"
"mov r2,%[stride] \n\t"
"mov r3,#16 \n\t"
"指令 \n\t"
:
:
[dst] "r" (dst),
[src] "r" (src),
[stride] "r" (stride)
:"r0","r1","r2","memory"
);
8、ARM的intrinsic汇编
Intrinsic作为内联函数，直接在调用的地方插入代码，即避免了函数调用的额外开销，又能够使用比较高级的机器指令对函数进行优化。
需要说明的是：intrinsics下，arm32和aarch64下的代码是一致的。
9、ARM32位优化与ARM64位优化的区别与联系
（1）无论是ARM32位优化还是ARM64位优化，均可混合使用ARM寄存器和NEON寄存器；
（2）ARM32位优化的注释方法为“@”，而ARM64位优化的注释方法为“//”或者“/**/”。
10、ARM指令集在linux/ios/android下的区别
后续补充。。。