32-bit x86 Linux上进行。我正在做一些静态二进制检测工作，基本上我想在下面的每个基本块的开头插入一些指令。
BB23 : push %eax
movl index,%eax
movl BB_23 : push %eax
pushf
movl index,%eax
movl q4312078qx17,buf(,%eax,0x4)
add q4312078qx1,%eax
cmp q4312078qx400000,%eax
jle BB_23_stub
movl q4312078qx0,%eax
BB_23_stub:movl %eax,index
popf
pop %eax
x80823d0,buf(,%eax,0x4)
add q4312078qx1,%eax
cmp q4312078qx400000,%eax
jle BB_23_stub
movl q4312078qx0,%eax
BB_23_stub:movl %eax,index
pop %eax
请注意，我需要使用
cmp指令，并且为了确保flags可以恢复到原始值，我使用pushf和popf来存储/加载flags在堆栈上。 然后变成这个：
q4312078q
我测试了有无
pushf和popf的性能（我使用的是gzip和bzip）。令我惊讶的是，使用pushf和popf指令后，性能损失甚至可以提高3倍！但是，如果没有
pushf和popf，则性能下降。 gzip和bzip的压缩结果不正确。所以这是我的问题：
为什么pushf和popf这么慢？我是否以正确的方式使用它？
我负担不起pushf和popf引入的过多性能损失。有什么办法可以避免高昂的开销并保持正确的语义？ （基本上是保护标志中的值。）
我清楚了吗？有人可以给我些帮助吗？
#1 楼
巧妙地（有些人会说难以理解）滥用x86功能可以为您做到这一点。loop指令将递减ecx寄存器，如果非零则跳转，并且不修改标志。您也可以将其用作jump forward指令，如下所示：从4的地址中减去buf，分析时需要从上至下读取缓冲区。不要忘记在代码开始的地方将index初始化为0x400000。与删除loop / pushf收益要多少相比，您必须测试popf中分支成本的损失。评论
循环确实很慢（7微码，每5个循环1个吞吐量），但是保存/恢复标志的速度甚至更慢。 （pushf = 3 oups，popf = 9）。 （英特尔SnB / Haswell）。
– Peter Cordes
15年7月15日在3:11
是的，听起来循环是您的最佳选择。请记住，与所有其他6条指令的总和相比，一个循环占用了更多的执行资源和uop缓存中的更多空间。希望它仍然足够轻巧，可以满足您的需求。
– Peter Cordes
2015年7月15日14:06
可能更快：按％eax / lahf /使用标志/ sahf /弹出％eax。从/向标志加载/存储AH是当前Intel和AMD CPU上的单线程，单周期等待时间指令。如果您要检测的东西不触及MMX / x87寄存器，则可以使用它们存储索引，也可以在环绕之后屏蔽它。哦，我知道已经有了答案。
– Peter Cordes
15年7月22日在6:46
#2 楼
如果您查看lib/Target/X86/X86InstrInfo.cpp源代码中的LLVM，则出于速度原因，他们会比LAHF和SAHF更喜欢PUSHF和POPF指令。这些指令没有处理溢出标志OF，因此必须单独处理。alt_pushf: seto %al ; save OF to AL
lahf ; save other flags to AH
push %eax ; push
alt_popf: pop %eax ; pop
addb 7, %al ; restore OF
sahf ; restore other flags
我不知道这是否会比@GuntramBlohm快聪明的
LOOP选项，因此可能值得进行基准测试。 #3 楼
发布另一种方法的第二个答案，结合使用cmov来避免跳过1指令分支和@Ian Cook的漂亮的lahf / sahf。 ，所有单uup单周期延迟（在Intel上）。因此，它可能仍然比LOOP版本慢，但如果此代码在所有地方重复都不会影响分支预测变量，则不会影响分支预测器。允许两个dep链并行），则可以避免破坏溢出标志。但这并不需要立即使用arg，因此您需要内存中的常量（-4）。您需要检测到零附近的回绕，并避免cmp。该指令集扩展最初是在Broadwell中支持的（几乎不支持台式机，甚至不是所有目前正在销售的笔记本电脑都具有它。）无论如何，clc / adcx minus_one, %ecx代替dec %ecx可以节省网络指令（一个clc保存一个seto和一个addb 7来保存/恢复溢出标志），这并不多。 13 uops仍然比我的其他答案还多，对子/掩码使用MMX reg以避免接触标志。右移（BMI2（Haswell）指令集的lea）。这样可以避免完全触摸标志： push %ecx
movl index, %ecx
push %eax
seto %al # save OF to AL
lahf # save other flags to AH
movl push %ecx
movl index, %ecx
movl q4312078qx17, buf(,%ecx,0x4)
lea -1(%ecx), %ecx
push %eax
movl $bit_count, %eax # 32 - significant bits in buflen
shlx %eax, %ecx, %ecx # shift count has to be in a reg
shrx %eax, %ecx, %ecx
pop %eax
movl %ecx,index
pop %ecx
x17, buf(,%ecx,0x4)
dec %ecx
cmovc buflen, %ecx # load buflen constant from memory on wraparound
addb 7, %al # restore OF
sahf # restore other flags
pop %eax
movl %ecx,index
pop %ecx
废话，无标志移位仅作为（Intel语法）
SHLX / SHRX可用，加载要移位的值，而不是班次计数。而且也不提供立即移位计数，因此我仍然需要推/弹出eax以获得第二个寄存器。所以这是Intel上的11微秒，所有单周期延迟。它仍然没有超越mmx版本。
#4 楼
如果您让index向下计数，并无条件地对其进行掩盖处理而不是有条件地处理该怎么办？嗯，AND设置所有标志，包括OF（不会用lahf/safh保存/恢复）。您可以使用MMX寄存器，但是PAND没有立即数形式，因此您需要在内存中具有常量。是10 oups，因此它可能比使用LOOP的版本快。如果您要检测的代码不使用MMX或不使用SSE，则只有8个，所以可以避免保存/恢复向量reg。跳转会中断来自解码器或uop缓存的uops流，因此它也需要这样做。它还需要另外8个字节的常量。如果它们与索引位于相同的缓存行中，那没什么大不了的。它确实需要更多的指令字节。从好的方面来说，它是无分支的，因此将其插入整个位置不会污染带有大量分支的分支预测变量。 （安排分支以使不使用的情况更为常见。保存/恢复标志版本可以使用零内存位置的cmov而不是分支。）
在SnB和在较新的版本中，商店的按比例缩放版本可能无法实现微型保险丝。如果立即数据不算作第三输入依赖项，那么它仍然可以。否则，将所有内容按比例放大4，包括
psubd的常量，然后存储为movl movq %mm0, -8(%rsp)x17, buf(%ecx)。这将使它成为11个，计算在push之前插入的堆栈引擎同步uop，因为它遵循堆栈指令（q4312079q）。
评论
1）只是一个想法，没有任何正确性的主张：pushf可能破坏指令流水线，因为它需要所有标志有效，而其他大多数指令都不关心标志。同样，如果遵循需要标志的指令，则流水可能会被popf延迟。 2）我将用inc％eax和$ 0x3fffff，％eax替换您的add-cmp-jle-mov组合，由于避免了分支，应该会加快代码的速度。这不会对您的标志有帮助，但是，我看不到不触摸标志的方法。哦，用lea eax代替inc％eax，[eax + 1]（对不起，Intel语法，我不太喜欢AT＆T语法，现在也不知道如何翻译）将避免像inc那样更改标志。现在，如果我能弄清楚如何做并且不更改标志，那么您就可以摆脱那些讨厌的pushf和popf指令...
@GuntramBlohm。辉煌！！非常感谢您的帮助！真的省了我的屁股。
您似乎从索引0开始，递增到0x400000并环绕在那。如果您有能力以其他方式这样做，则可以滥用不会更改标志的循环指令。将索引初始化为0x400000，使用ecx代替eax，并递减并重新初始化为零，使用循环正向，mov $ 0x400000，％ecx，正向：movl％ecx，索引。将循环视为递减，如果不为零则跳转。