问题描述
我在 c 中有这个简单的代码
#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),并且可能会做一些对齐(一个和指令),但是生成的汇编代码非常复杂,甚至比你低效' d 期待。
这是objdump -d main.o
的输出,在gcc -c
的输出上(没有优化,所以默认-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,1)
40060e: 00 00
知道生成的汇编代码的目的是什么吗?我使用的是 gcc 8.3.1。
解决方法
当然有通常的调试模式/反优化行为,将每个 C 语句编译到一个单独的块,实际上在内存中具有非 register
变量。 (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。没有理智的人会期望 GCC 的预制指令序列(或 GIMPLE 或 RTL 逻辑,无论它扩展到什么阶段)使 alloca
逻辑通过编译时常量涉及 div
2 的幂,而不是移位或只是一个 AND。如果您自己用 C 源代码编写 x /= 16;
,即使使用 div
,也不会编译为 gcc -O0
。
通常 GCC 会尽可能多地在编译时评估常量表达式,例如 x = 5 * 6
不会在运行时使用 imul。但是它扩展其 alloca
逻辑的点必须在那点之后,可能很晚(在大多数其他传递之后)来解释所有那些错过的优化。因此,它不会从对 C 源代码逻辑进行操作的相同传递中受益。
它在做两件事:
-
将分配大小向上舍入(将其放入寄存器后的常量
600
)为 16 的倍数,执行以下操作:{ {1}}。一个健全的编译器至少会使用右移/左移,如果不是将其优化为((16ULL - 1) + x) / 16 * 16
。但不幸的是 GCC 使用了(x+15) & -16
和div
by 16,即使它是 2 的常数次幂。 -
将分配空间的最终地址四舍五入为 16 的倍数(即使它已经是因为 RSP 开始 16 字节对齐并且分配大小被四舍五入。)它确实这与
imul
比 div/imul 效率高得多(特别是对于 Ice Lake 之前 Intel 上的 64 位操作数大小),但仍然不如((p+15) >> 4) << 4
效率。当然,做已经毫无意义的工作很愚蠢。
当然,它必须将指针存储到 and $-16,%rax
中。
在下一条语句的 asm 块中,将其重新加载为 char* buffer
的 arg(效率低下,而不是直接进入 RDI,通常用于 sprintf
),同时设置寄存器参数。
所以这很糟糕,但是在大多数转换(“优化”)传递已经运行之后,gcc -O0
的固定逻辑的后期扩展非常有说服力地解释了。注意alloca
doesn't literally mean "no optimization",它的意思就是“编译速度快,调试一致”。
相关:
-
How does gcc choose to number temporary variables from -fverbose-asm? - 另一个关于
-O0
alloca asm 的讨论,同样的猜测是在 GIMPLE pass 的后期,甚至在 RTL 中扩展它。还为 alloca / snprintf 优化了 asm,这要简单得多。事实上,这几乎是重复的;这个问题也询问了 alloca 代码。 -
doing seemingly un-needed ops (crackme) - 我非常轻松地评论了基本相同的 asm(对于 32 位模式),但主要是讨论手动混淆的 asm。
-
How does GCC implement variable-length arrays? 展示了这段糟糕代码的 32 位版本,但没有评论它有多糟糕。