汇编 68k - 有效地从地址开始清除
assembly 68k - clear starting from address efficently
这是我将数据从 SCREEN 地址清除到 600 字节的代码段。
lea SCREEN,a3
move.w #(600/4)-1,d0 ; bytes / 4 bytes (long)
clear_data:
clr.l (a3)+
dbra d0,clear_data
这可行，但我想知道如何在不循环 600/4 次的情况下获得相同的结果。
基本上我想直接指向 SCREEN 并做类似
的事情
; point PC to SCREEN ?
dcb.b 600,0
有可能吗？
编辑POST回答
仍然使用软件代码，这个周期快了大约 2 倍（从 RamJam 课程中偷来的）：
lea SCREEN,a3
move.w #(600/32)-1,d0 ; bytes / 32 bytes (long*8)
clear_data:
clr.l (a3)+
clr.l (a3)+
clr.l (a3)+
clr.l (a3)+
clr.l (a3)+
clr.l (a3)+
clr.l (a3)+
clr.l (a3)+
dbra d0,clear_data
然而，正如 Peter 在回答中提到的那样，使用 blitter（如果硬件提供）可以极大地优化性能。
不，在一个循环中一次存储 4 个字节可能是您所能得到的最好的了。也许展开一点以减少循环开销，如果那个紧密的循环不会在您关心的任何 m68k 硬件上最大化内存带宽。或者可能不是：@jasonharper 评论说后来的 m68k 芯片对 2 指令循环有特殊支持。
dcb.b 600,0 是一个 assemble 时间的东西，它 assembles 字节到你的输出文件中。
你不能 "run" 它在 运行 时间。请记住，asm 源代码不直接 运行；这是一种创建包含 m68k 机器代码 and/or 数据的二进制文件的方法。
您可以使用混合指令的数据指令来 "manually" 通过指定您想要的机器代码字节来编码指令，但是 600 个字节的零只会解码为一些 m68k 指令。 （我没有检查 00 00 如何在 m68k 上解码。）
一些基于 m68k 的计算机具有用于处理大内存块的硬件芯片。这通常称为 blitter chip (Wikipedia)。例如一些 Atari m68k 台式机，如 Mega STe，有一个 BLiTTER 芯片。
您可以 运行 在 CPU 上编写一些指令来编程 blitter 以在 CPU 继续 运行 时清除或复制一大块内存其他说明。这基本上是一个 DMA 复制引擎。
用MOVEM真正烧穿设置内存！
我建议你不要使用CLR.L；如果您查看时钟计时，您会发现它似乎效率很低。最好将要设置内存的值加载到寄存器中，然后 MOVE.L ,(A0)+
但是，为了极速，请使用MOVEM.L到set/clear大面积内存。它比使用 CLR 或标准 MOVE.L
快 2 到 3 倍
这是一个设置 64 字节块的子例程示例，然后设置任何剩余的长字，但可以自定义。
ORG 00
MOVE.L #MEMSTART,A0 ; memory to clear
MOVE.L #ZEROS,A1 ; value to set memory to e.g. 0
MOVE.L #600,D7 ; number of bytes
BSR SETBLOCK
STOP #2700
SETBLOCK
; MOVEM doesn't support destination = (Ax)+,
; does support destination = -(Ax)
ADD.L D7,A0 ; so start at end
LSR.L #2,D7 ; divide by 4 for Long words.
MOVE.L D7,D6
LSR.L #4,D6 ; # of 16 longword blocks
BEQ.S NOBLOCK ; branch if no none
SUBQ.L #1,D6 ; one less so DBRA works
MOVEM.L (A1),D0-D4/A2-A4 ; 8 registers = 32 bytes
ZAPBLOCK MOVEM.L D0-D4/A2-A4,-(A0) ; 8 x 4 = 32 bytes
MOVEM.L D0-D4/A2-A4,-(A0) ; 8 x 4 again for 64 bytes
DBRA D6,ZAPBLOCK ; loop ends when D7=-1
NOBLOCK AND.W #[=10=]F,D7 ; how many long words left
BEQ.S NONE
; do any remainder
SUBQ.W #1,D7 ; 1 less so DBRA works
MOVE.L (A1),D0 ; pattern in D0 if not there b4
ZAP MOVE.L D0,-(A0) ; set memory long word at a time
DBRA D7,ZAP
NONE
RTS
ZEROS DC.L 0,0,0,0,0,0,0,0 ; 8x4 = 32
ORG 00
MEMSTART DS.B 600
本例使用D0-D4和A2-A4分别得到8个寄存器一次设置32字节，重复两次为64字节。没有理由不能向 ZAPBLOCK 循环添加更多 MOVEM 指令，以便为每个循环迭代写入 128、256 或更多字节，相应地更改 LSR/ AND 指令。
请注意，DBRA 仅对字进行操作，因此这只会设置 65k x 块大小。这可以解决，例如使用 SUBQ 和 BGT，而不是 DBRA。
出于某种原因，我记得 CLR 指令在某些 68k 上进行了读取和写入
时机
比较 3 个备选方案，假设标准 68000 具有 16 位数据总线...
使用 CLR
LOOP:
CLR (A0)+ 12+8
DBRA D7,LOOP 10/14
每个长字 30 个周期，每个长字 20 个，多次清除。
使用MOVE.L
MOVEQ #0,D0 ; 4
LOOP:
MOVE.L D0,(A0)+ ; 12
DBRA D7,LOOP ; 10/14
每个长字 22 个周期，每个长字 12 个周期，具有多个 MOVE.L 操作。
使用MOVEM.L
LOOP:
MOVEM.L D0-D4/A2-A4,-(A0) ; 8+8*8 = 72
MOVEM.L D0-D4/A2-A4,-(A0) ; 8+8*8 = 72
DBRA D6,LOOP ; 10/14
154 cycles/iteration 但只有 每个长字约 9.5 个周期 。这可能与硬件 blitter 的性能具有竞争力。
Vogomatix 方法 3 实际上很快，但没有声称的那么快。出于某种原因，他在此示例中省略了初始寄存器加载设置时间，这非常重要。
您必须添加 'Moveq #0,d0-4（16 个周期），然后是 4 个地址寄存器：12 个周期，每个 reg x 4 是 48，因此设置需要 64 个周期。
在 218 cyc/iteration 那就是每个长字约 13.6 个周期；不如解决方案 2 好。
我发现最快的方法是尽可能多地使用寄存器（通常使用 13 个），然后：
movem.l (An),a0-4/d0-7; 13 Longs 12+8n = 116 cycles
movem.l a0-4/d0-7,(An); 8+8n = 112 cycles
上面的 mem move (112 cycles) 行可以重复，但是需要多次写入。 cyc/long 速度并没有赶上前面示例的速度，直到在一个迭代循环中写入至少 48 个或更多，到那时我们刚好低于 12 cyc/long。所以例如128 个多头，我们得到 1300 个周期或大约 10.2 cyc/long。
写入越多，循环设置+执行滚动平均值就越低，直到它慢慢接近理论的 8+8n 循环/长限制。
您还可以通过使用所有寄存器 (16) 来进一步最大化迭代效率，但是通过使用 15 个寄存器和用于 SP 的寄存器 A7 的棘手解决方法，您会遇到更难的数据流控制的复杂性，如果使用所有 16.
这是我将数据从 SCREEN 地址清除到 600 字节的代码段。
lea SCREEN,a3
move.w #(600/4)-1,d0 ; bytes / 4 bytes (long)
clear_data:
clr.l (a3)+
dbra d0,clear_data
这可行，但我想知道如何在不循环 600/4 次的情况下获得相同的结果。 基本上我想直接指向 SCREEN 并做类似
的事情; point PC to SCREEN ?
dcb.b 600,0
有可能吗？
编辑POST回答
仍然使用软件代码，这个周期快了大约 2 倍（从 RamJam 课程中偷来的）：
lea SCREEN,a3
move.w #(600/32)-1,d0 ; bytes / 32 bytes (long*8)
clear_data:
clr.l (a3)+
clr.l (a3)+
clr.l (a3)+
clr.l (a3)+
clr.l (a3)+
clr.l (a3)+
clr.l (a3)+
clr.l (a3)+
dbra d0,clear_data
然而，正如 Peter 在回答中提到的那样，使用 blitter（如果硬件提供）可以极大地优化性能。
不，在一个循环中一次存储 4 个字节可能是您所能得到的最好的了。也许展开一点以减少循环开销，如果那个紧密的循环不会在您关心的任何 m68k 硬件上最大化内存带宽。或者可能不是：@jasonharper 评论说后来的 m68k 芯片对 2 指令循环有特殊支持。
dcb.b 600,0 是一个 assemble 时间的东西，它 assembles 字节到你的输出文件中。
你不能 "run" 它在 运行 时间。请记住，asm 源代码不直接 运行；这是一种创建包含 m68k 机器代码 and/or 数据的二进制文件的方法。
您可以使用混合指令的数据指令来 "manually" 通过指定您想要的机器代码字节来编码指令，但是 600 个字节的零只会解码为一些 m68k 指令。 （我没有检查 00 00 如何在 m68k 上解码。）
一些基于 m68k 的计算机具有用于处理大内存块的硬件芯片。这通常称为 blitter chip (Wikipedia)。例如一些 Atari m68k 台式机，如 Mega STe，有一个 BLiTTER 芯片。
您可以 运行 在 CPU 上编写一些指令来编程 blitter 以在 CPU 继续 运行 时清除或复制一大块内存其他说明。这基本上是一个 DMA 复制引擎。
用MOVEM真正烧穿设置内存！
我建议你不要使用CLR.L；如果您查看时钟计时，您会发现它似乎效率很低。最好将要设置内存的值加载到寄存器中，然后 MOVE.L ,(A0)+
但是，为了极速，请使用MOVEM.L到set/clear大面积内存。它比使用 CLR 或标准 MOVE.L
快 2 到 3 倍这是一个设置 64 字节块的子例程示例，然后设置任何剩余的长字，但可以自定义。
ORG 00
MOVE.L #MEMSTART,A0 ; memory to clear
MOVE.L #ZEROS,A1 ; value to set memory to e.g. 0
MOVE.L #600,D7 ; number of bytes
BSR SETBLOCK
STOP #2700
SETBLOCK
; MOVEM doesn't support destination = (Ax)+,
; does support destination = -(Ax)
ADD.L D7,A0 ; so start at end
LSR.L #2,D7 ; divide by 4 for Long words.
MOVE.L D7,D6
LSR.L #4,D6 ; # of 16 longword blocks
BEQ.S NOBLOCK ; branch if no none
SUBQ.L #1,D6 ; one less so DBRA works
MOVEM.L (A1),D0-D4/A2-A4 ; 8 registers = 32 bytes
ZAPBLOCK MOVEM.L D0-D4/A2-A4,-(A0) ; 8 x 4 = 32 bytes
MOVEM.L D0-D4/A2-A4,-(A0) ; 8 x 4 again for 64 bytes
DBRA D6,ZAPBLOCK ; loop ends when D7=-1
NOBLOCK AND.W #[=10=]F,D7 ; how many long words left
BEQ.S NONE
; do any remainder
SUBQ.W #1,D7 ; 1 less so DBRA works
MOVE.L (A1),D0 ; pattern in D0 if not there b4
ZAP MOVE.L D0,-(A0) ; set memory long word at a time
DBRA D7,ZAP
NONE
RTS
ZEROS DC.L 0,0,0,0,0,0,0,0 ; 8x4 = 32
ORG 00
MEMSTART DS.B 600
本例使用D0-D4和A2-A4分别得到8个寄存器一次设置32字节，重复两次为64字节。没有理由不能向 ZAPBLOCK 循环添加更多 MOVEM 指令，以便为每个循环迭代写入 128、256 或更多字节，相应地更改 LSR/ AND 指令。
请注意，DBRA 仅对字进行操作，因此这只会设置 65k x 块大小。这可以解决，例如使用 SUBQ 和 BGT，而不是 DBRA。
出于某种原因，我记得 CLR 指令在某些 68k 上进行了读取和写入
时机
比较 3 个备选方案，假设标准 68000 具有 16 位数据总线...
使用 CLR
LOOP: CLR (A0)+ 12+8 DBRA D7,LOOP 10/14
每个长字 30 个周期，每个长字 20 个，多次清除。
使用MOVE.L
MOVEQ #0,D0 ; 4 LOOP: MOVE.L D0,(A0)+ ; 12 DBRA D7,LOOP ; 10/14
每个长字 22 个周期，每个长字 12 个周期，具有多个 MOVE.L 操作。
使用MOVEM.L
LOOP: MOVEM.L D0-D4/A2-A4,-(A0) ; 8+8*8 = 72 MOVEM.L D0-D4/A2-A4,-(A0) ; 8+8*8 = 72 DBRA D6,LOOP ; 10/14
154 cycles/iteration 但只有 每个长字约 9.5 个周期 。这可能与硬件 blitter 的性能具有竞争力。
Vogomatix 方法 3 实际上很快，但没有声称的那么快。出于某种原因，他在此示例中省略了初始寄存器加载设置时间，这非常重要。
您必须添加 'Moveq #0,d0-4（16 个周期），然后是 4 个地址寄存器：12 个周期，每个 reg x 4 是 48，因此设置需要 64 个周期。
在 218 cyc/iteration 那就是每个长字约 13.6 个周期；不如解决方案 2 好。
我发现最快的方法是尽可能多地使用寄存器（通常使用 13 个），然后：
movem.l (An),a0-4/d0-7; 13 Longs 12+8n = 116 cycles
movem.l a0-4/d0-7,(An); 8+8n = 112 cycles
上面的 mem move (112 cycles) 行可以重复，但是需要多次写入。 cyc/long 速度并没有赶上前面示例的速度，直到在一个迭代循环中写入至少 48 个或更多，到那时我们刚好低于 12 cyc/long。所以例如128 个多头，我们得到 1300 个周期或大约 10.2 cyc/long。 写入越多，循环设置+执行滚动平均值就越低，直到它慢慢接近理论的 8+8n 循环/长限制。
您还可以通过使用所有寄存器 (16) 来进一步最大化迭代效率，但是通过使用 15 个寄存器和用于 SP 的寄存器 A7 的棘手解决方法，您会遇到更难的数据流控制的复杂性，如果使用所有 16.