BR/RET 从人为的子程序到修改后的 return 地址时 return 的时间差异

Question

在我尝试使用 64 位 ARM 架构的过程中，我注意到一个特殊的速度差异，这取决于 br 或 ret 是否用于子例程中的 return .

; Contrived for learning/experimenting purposes only, without any practical use
foo:
    cmp     w0, #0
    b.eq    .L0
    sub     w0, w0, #1
    sub     x30, x30, #4
    ret
.L0:
    ret ; Intentionally duplicated 'ret'

这个子程序的目的是通过fooreturn指令使foo的调用者“重新进入”foow0次首先调用 foo 的指令（即 x30 指向的指令之前的指令）。通过一些粗略的计时，w0 是一些足够高的值，平均花费大约 1362 毫秒。奇怪的是，将第一个 ret 替换为 br x30 会使它运行快两倍，平均只需要 550 毫秒左右。

如果将测试简化为仅用 ret/br x30 重复调用子程序，则时间差异就会消失。是什么让上面人为设计的子例程变慢了 ret?

我在某种 ARMv8.2（Cortex-A76 + Cortex-A55）处理器上对此进行了测试。我不确定 big.LITTLE 会在多大程度上扰乱时间，但它们在多个运行上似乎非常一致。这绝不是一个真正的 [micro] 基准，而是一个“如果运行 N 次，这大约需要多长时间”的事情。

Answer 1

大多数现代微体系结构都有一个特殊的调用预测器 / return，它们往往在实际程序中相互匹配。（对于具有许多调用点的函数来说，以任何其他方式预测 returns 是很困难的：它是一个间接分支。）

通过手动使用 return 地址，您的 return 预测是错误的。所以每个 ret 都会导致分支预测错误，除了你没有玩 x30.

的那个

但是，如果您使用间接分支而不是专门识别为 ret 成语的分支，例如br x30，CPU 使用其标准的间接分支预测方法，当 br 重复到达同一位置时效果很好。

快速 google 搜索从 ARM 中为 Cortex-R4 找到了一些关于 32 位模式（4 入口循环缓冲区）微体系结构上的 return-预测器堆栈的信息：https://developer.arm.com/documentation/ddi0363/e/prefetch-unit/return-stack

对于 x86，https://blog.stuffedcow.net/2018/04/ras-microbenchmarks/ 是一篇关于一般概念的好文章，以及一些关于各种 x86 微体系结构如何在面对错误推测执行 call 或 ret 必须回滚的指令。

(x86 有一个实际的 ret 操作码；ARM64 是相同的：ret 操作码类似于 br，但提示这是一个函数-return。其他一些 RISC，如 RISC-V 没有单独的操作码，只是假设使用 link 寄存器的分支到寄存器是 return。）

BR/RET 从人为的子程序到修改后的 return 地址时 return 的时间差异

BR/RET timing discrepancy when returning from contrived subroutine to a modified return address

assembly

arm

arm64

branch-prediction