为什么使用 push/pop 而不是 sub 和 mov？
Why use push/pop instead of sub and mov?
当我在 https://godbolt.org 上使用不同的编译器时，我注意到编译器生成这样的代码是很常见的：
push rax
push rbx
push rcx
call rdx
pop rcx
pop rbx
pop rax
我知道每个 push 或 pop 做两件事：
- 将操作数to/from移入堆栈space
- increment/decrement 堆栈指针 (rsp)
所以在我们上面的例子中，我假设 CPU 实际上进行了 12 次操作（6 步，6 adds/subs），不包括 call。结合 adds/subs 不是更有效吗？例如：
sub rsp, 24
mov [rsp-24], rax
mov [rsp-16], rbx
mov [rsp-8], rcx
call rdx
mov rcx, [rsp-8]
mov rbx, [rsp-16]
mov rax, [rsp-24]
add rsp, 24
现在只有8个操作（6个动作，2个adds/subs），不包括call。为什么编译器不使用这种方法？
如果你用 -mtune=pentium3 或早于 -mtune=pentium-m 的东西编译，GCC 将 像你想象的那样进行代码生成，因为在那些旧的 CPUs push/pop 确实解码为堆栈指针上的单独 ALU 操作以及 load/store。 （您必须使用 -m32 或 -march=nocona（64 位 P4 Prescott），因为那些旧的 CPU 也不支持 x86-64）。 Why does gcc use movl instead of push to pass function args?
但是 Pentium-M 在前端引入了 "stack engine"，消除了堆栈操作的堆栈调整部分，如 push/call/ret/pop。它以零延迟有效地重命名堆栈指针。参见 Agner Fog's microarch guide and
作为一般趋势，任何在现有二进制文件中广泛使用的指令都会激励 CPU 设计人员使其更快。比如Pentium 4试图让大家停止使用INC/DEC；那没有用； 。现代 x86 晶体管和功率预算可以支持这种复杂性，至少对于大核 CPUs（不是 Atom / Silvermont）。不幸的是，我认为对于像 sqrtss 或 cvtsi2ss 这样的指令的错误依赖（在目的地）没有任何希望。
在像add rsp, 8这样的指令中显式使用堆栈指针需要英特尔CPU中的堆栈引擎插入一个同步微指令来更新乱序后端的值登记。如果内部偏移量太大，则相同。
事实上 pop dummy_register 比现代 CPU 上的 add rsp, 8 或 add esp,4 更高效 ，因此编译器通常会使用它来弹出一个带有默认调整的堆栈槽，或者例如 -march=sandybridge。
另见 回复：使用 push 而不是 sub rsp, n / mov 来初始化堆栈上的局部变量。在某些情况下，这可能是一个胜利，尤其是对于具有较小值的代码大小，但编译器不会这样做。
此外，不，GCC / clang 不会生成与您显示的完全相同的代码。
如果他们需要在函数调用周围保存寄存器，他们通常会使用 mov 来存储。或者 mov 到他们保存在函数顶部的调用保留寄存器，并将在最后恢复。
除了传递堆栈参数外，我从未见过 GCC 或 clang 在函数调用之前压入多个被调用破坏的寄存器。之后绝对不会有多个 pops 恢复到相同（或不同）的寄存器中。 Spill/reload 函数内部通常使用 mov。这避免了循环内 push/pop 的可能性（除了将堆栈参数传递给 call），并允许编译器进行分支而不必担心匹配推送与弹出。它还降低了堆栈展开元数据的复杂性，该元数据必须为移动 RSP 的每条指令都有一个条目。 （将 RBP 用作传统帧指针的指令计数与元数据和代码大小之间的有趣权衡。）
有些东西像你的代码生成可以通过调用保留寄存器看到+一些reg-reg在一个小函数中移动，这个函数只是调用另一个函数然后returned 一个 __int128，它是寄存器中的函数 arg。所以传入的RSI:RDI需要保存，到return in RDX:RAX.
或者，如果您在非内联函数调用之后存储到全局变量或通过指针，编译器还需要在调用之后保存函数参数。
当我在 https://godbolt.org 上使用不同的编译器时，我注意到编译器生成这样的代码是很常见的：
push rax
push rbx
push rcx
call rdx
pop rcx
pop rbx
pop rax
我知道每个 push 或 pop 做两件事：
- 将操作数to/from移入堆栈space
- increment/decrement 堆栈指针 (rsp)
所以在我们上面的例子中，我假设 CPU 实际上进行了 12 次操作（6 步，6 adds/subs），不包括 call。结合 adds/subs 不是更有效吗？例如：
sub rsp, 24
mov [rsp-24], rax
mov [rsp-16], rbx
mov [rsp-8], rcx
call rdx
mov rcx, [rsp-8]
mov rbx, [rsp-16]
mov rax, [rsp-24]
add rsp, 24
现在只有8个操作（6个动作，2个adds/subs），不包括call。为什么编译器不使用这种方法？
如果你用 -mtune=pentium3 或早于 -mtune=pentium-m 的东西编译，GCC 将 像你想象的那样进行代码生成，因为在那些旧的 CPUs push/pop 确实解码为堆栈指针上的单独 ALU 操作以及 load/store。 （您必须使用 -m32 或 -march=nocona（64 位 P4 Prescott），因为那些旧的 CPU 也不支持 x86-64）。 Why does gcc use movl instead of push to pass function args?
但是 Pentium-M 在前端引入了 "stack engine"，消除了堆栈操作的堆栈调整部分，如 push/call/ret/pop。它以零延迟有效地重命名堆栈指针。参见 Agner Fog's microarch guide and
作为一般趋势，任何在现有二进制文件中广泛使用的指令都会激励 CPU 设计人员使其更快。比如Pentium 4试图让大家停止使用INC/DEC；那没有用； sqrtss 或 cvtsi2ss 这样的指令的错误依赖（在目的地）没有任何希望。
在像add rsp, 8这样的指令中显式使用堆栈指针需要英特尔CPU中的堆栈引擎插入一个同步微指令来更新乱序后端的值登记。如果内部偏移量太大，则相同。
事实上 pop dummy_register 比现代 CPU 上的 add rsp, 8 或 add esp,4 更高效 ，因此编译器通常会使用它来弹出一个带有默认调整的堆栈槽，或者例如 -march=sandybridge。
另见 push 而不是 sub rsp, n / mov 来初始化堆栈上的局部变量。在某些情况下，这可能是一个胜利，尤其是对于具有较小值的代码大小，但编译器不会这样做。
此外，不，GCC / clang 不会生成与您显示的完全相同的代码。
如果他们需要在函数调用周围保存寄存器，他们通常会使用 mov 来存储。或者 mov 到他们保存在函数顶部的调用保留寄存器，并将在最后恢复。
除了传递堆栈参数外，我从未见过 GCC 或 clang 在函数调用之前压入多个被调用破坏的寄存器。之后绝对不会有多个 pops 恢复到相同（或不同）的寄存器中。 Spill/reload 函数内部通常使用 mov。这避免了循环内 push/pop 的可能性（除了将堆栈参数传递给 call），并允许编译器进行分支而不必担心匹配推送与弹出。它还降低了堆栈展开元数据的复杂性，该元数据必须为移动 RSP 的每条指令都有一个条目。 （将 RBP 用作传统帧指针的指令计数与元数据和代码大小之间的有趣权衡。）
有些东西像你的代码生成可以通过调用保留寄存器看到+一些reg-reg在一个小函数中移动，这个函数只是调用另一个函数然后returned 一个 __int128，它是寄存器中的函数 arg。所以传入的RSI:RDI需要保存，到return in RDX:RAX.
或者，如果您在非内联函数调用之后存储到全局变量或通过指针，编译器还需要在调用之后保存函数参数。