如何將匯編語(yǔ)言與C語(yǔ)言整合至DSP

本文將討論如何將匯編語(yǔ)言程序代碼整合到C語(yǔ)言中，以最大化性能以及程序設計人員生產(chǎn)力，內容涵蓋了編譯器慣例(convention)、內嵌(inlining)、內嵌函數(intrinsic)、緩存器連結(register binding)和除錯策略。

隨著(zhù)DSP處理器性能的提升以及編譯器最佳化技術(shù)的進(jìn)步，曾經(jīng)紅極一時(shí)、僅用匯編語(yǔ)言編寫(xiě)DSP應用程序的作法已逐漸被淘汰。今天，幾乎每個(gè)DSP應用程序都使用C語(yǔ)言程序代碼和匯編程序碼混合的方式。對于一些性能需求極高的關(guān)鍵功能，DSP工程師會(huì )繼續使用高度最佳化的匯編程序碼；而一些次要的功能現在也使用C語(yǔ)言編寫(xiě)，使程序代碼更容易維護和移植。對于C語(yǔ)言和匯編程序碼的結合，每位DSP工程師都需要掌握特殊的工具和方法。

眾所皆知，匯編語(yǔ)言編碼具有更高的性能優(yōu)勢，而用C語(yǔ)言編碼則較容易且速度也更快。為了解其中原因，以下我們進(jìn)一步比較匯編語(yǔ)言編碼與C語(yǔ)言編碼的優(yōu)缺點(diǎn)：

匯編語(yǔ)言編碼的優(yōu)點(diǎn)：

?匯編語(yǔ)言編碼可以充分利用處理器的獨特指令以及各種專(zhuān)門(mén)的硬件資源。而C語(yǔ)言程序代碼是通用型程序代碼，必須支持各種硬件平臺，因此很難支持特殊平臺程序代碼。

?匯編程序設計人員通常對應用程序非常熟悉，可以作出編譯器無(wú)法作出的假設。

?匯編程序設計人員可以發(fā)揮人類(lèi)的創(chuàng )造性；而再先進(jìn)的編譯器也只是一個(gè)自動(dòng)化的程序。

匯編語(yǔ)言編碼的缺點(diǎn)：

?匯編程序設計人員必須解決耗時(shí)的機器級問(wèn)題，如緩存器分配和指令排程。若使用C語(yǔ)言程序代碼，這些問(wèn)題可以由編譯器解決。

?使用匯編語(yǔ)言編碼的程序設計人員必須了解DSP架構及其指令集的專(zhuān)業(yè)知識；而C語(yǔ)言編碼只需要掌握相當普及的C語(yǔ)言知識。

?若使用匯編語(yǔ)言，將應用程序從一個(gè)平臺移植到另一個(gè)平臺非常困難也相當耗時(shí)；而C語(yǔ)言應用程序的移植相對而言非常容易。

圖1顯示了如何利用專(zhuān)用硬件機制來(lái)獲得高度最佳化的匯編程序碼。左邊的C語(yǔ)言編碼利用模塊算法設計出一個(gè)循環(huán)緩沖區P1；右邊高度最佳化的匯編程序碼中，等效的緩沖區是利用CEVA-TeakLite-III DSP核心的模塊運算機制(Modulo Mechanism)設計產(chǎn)生的。只要緩沖區指標(本例中的r0)有更新，模塊運算機制便會(huì )自動(dòng)執行模塊運算。這種運算與指針更新在同一個(gè)周期發(fā)生，因此匯編程序碼比C語(yǔ)言程序代碼更加高效，可為模塊運算產(chǎn)生獨立的指令。

圖1：右邊的CEVA-TeakLite-III匯編程序碼可以建置成左邊的C語(yǔ)言程序代碼。

為DSP應用選擇C/匯編程序碼

混合使用的問(wèn)題就在于該如何劃分C語(yǔ)言程序代碼和匯編程序碼的界限，而答案取決于剖析器提供的性能分析結果。然而在使用剖析器之前，DSP工程師需要為應用程序定義清晰的對象，一些典型的對象包括循環(huán)數、程序代碼大小和數據大小。一旦這些對象確定后，所有應用程序都應該先以C語(yǔ)言編寫(xiě)和制作，隨后使用剖析器來(lái)分析性能。

在一些極端情況下，如控制應用，用C語(yǔ)言層級的編碼就足夠了；但大多數情況下，原始C語(yǔ)言層級應用程序版本不會(huì )遵從一個(gè)或多個(gè)對象，這也意味著(zhù)需要使用一些匯編程序碼來(lái)完成。在求助于匯編語(yǔ)言編碼之前，C語(yǔ)言編碼可提供許多方法來(lái)提高性能，但這些方法不屬于本文討論的范疇。假設所有C語(yǔ)言級的方法全用完了，并且準備使用匯編語(yǔ)言編碼，這時(shí)強烈建議將原始C語(yǔ)言程序代碼保存起來(lái)。這樣不僅方便除錯，而且一旦條件許可(比如轉移到更強大的平臺)還可以回復原始的C語(yǔ)言。

程序代碼中的匯編語(yǔ)言部份應盡可能維持在最少，這樣便能分析從剖析器得到的性能結果，并定義應用程序中的關(guān)鍵函數。關(guān)鍵函數會(huì )占用大部份執行時(shí)間，必須用匯編語(yǔ)言重寫(xiě)才能滿(mǎn)足性能對象。當兩到三個(gè)最關(guān)鍵的函數重寫(xiě)后，需要重新進(jìn)行性能測量，若應用程序仍然不能滿(mǎn)足對象需求，那么必須使用匯編語(yǔ)言定義并重寫(xiě)額外的關(guān)鍵函數，這個(gè)過(guò)程需要不斷地重復直到滿(mǎn)足性能對象需求為止。

匯編語(yǔ)言設計師的編譯器考慮

在編寫(xiě)會(huì )與C語(yǔ)言程序代碼結合的匯編程序碼時(shí)，匯編程序設計人員必須了解編譯器的慣例和假設。其中有個(gè)重要的編譯器慣例是函數呼叫慣例，也稱(chēng)為函數參數傳遞慣例。這個(gè)慣例描述了編譯器如何在一個(gè)函數呼叫另一個(gè)函數時(shí)傳遞參數。為了使匯編語(yǔ)言函數能被C語(yǔ)言函數成功呼叫；反之亦然；匯編語(yǔ)言函數必須截取參數，然后將參數發(fā)送到由函數呼叫慣例定義的硬件資源上，通常為緩存器或堆棧內存。

匯編程序設計人員還必須了解編譯器的緩存器使用慣例。這些慣例將硬件緩存器分成被呼叫者保存(callee-saved；或呼叫者使用，caller-used)；以及被呼叫者使用(callee-used；或呼叫者保存，caller-saved)緩存器。編譯器假設被呼叫者保存緩存器在函數呼叫過(guò)程中保持不變的值，若匯編程序設計人員希望使用這種緩存器，他們必須先將緩存器的值備份，然后在返回到C語(yǔ)言程序代碼之前恢復這些緩存器的內容；相反的，被呼叫者使用緩存器被認為在函式呼叫過(guò)程中不會(huì )保持一定的值。這意味著(zhù)匯編程序設計人員使用這些緩存器之前無(wú)需進(jìn)行備份，不過(guò)他們必須記住，當匯編語(yǔ)言函數呼叫C語(yǔ)言函數時(shí)，被呼叫者可以對這些緩存器進(jìn)行覆寫(xiě)。

圖2為一個(gè)從CEVA-X1641 DSP核心FFT實(shí)作中截取的匯編程序碼案例。其中以黃色標示的add指令遵循CEVA-X1641編譯器的呼叫慣例，在r0地址緩存器中傳遞指針參數。標為藍色的pushd指令用于備份，隨后函數會(huì )使用的被呼叫者保存緩存器。

圖2：從CEVA-X1641手寫(xiě)FFT算法匯編語(yǔ)言實(shí)作摘錄的一段程序代碼。

除了呼叫慣例和緩存器使用慣例(針對每個(gè)編譯器下定義)，一些編譯器在人工編寫(xiě)的匯編程序碼方面可能會(huì )有一些額外的假設。這些假設通常是針對編譯器，因此編譯器供貨商應該提供完善的數據和說(shuō)明。例如，一些DSP架構會(huì )有內存存取對齊限制，用于這些DSP的編譯器通常假設堆棧指針以某個(gè)寬度(如32位)對齊，這允許編譯器最佳化堆棧的讀寫(xiě)作業(yè)，并使用機器的全部?jì)却骖l寬；此外亦要求匯編程序設計人員在呼叫C語(yǔ)言函數前確保堆棧對齊，否則會(huì )發(fā)生對齊錯誤的存取。

編譯器假設的另外一個(gè)例子與人工編寫(xiě)的匯編程序碼中特殊指令的位置有關(guān)。例如，CEVA-X1641編譯器假設一個(gè)mov acX, rN指令(將累加器移動(dòng)到地址緩存器)永遠不會(huì )作為匯編語(yǔ)言函數的第一條指令。當填充呼叫指令(呼叫一個(gè)函數)的延遲槽時(shí)，這個(gè)假設可提供更佳的指令排程。像這樣特殊的假設通?？梢杂脤?zhuān)用編譯功能覆蓋。
連接C/匯編語(yǔ)言的延伸功能

大多數用于嵌入式平臺的編譯器，特別是用于DSP程序設計上，都具有豐富的C語(yǔ)言和匯編語(yǔ)言連接功能。其中絕大部份功能不屬于標準C語(yǔ)言，因此被稱(chēng)為C語(yǔ)言延伸功能。以下列出的是一些對DSP程序設計更有用的功能。

內嵌匯編語(yǔ)言。這個(gè)功能可讓程序設計人員將匯編語(yǔ)言指令插入C語(yǔ)言程序代碼，當必需使用如裝置驅動(dòng)程序等低階C語(yǔ)言程序代碼直接存取機器資源時(shí)，會(huì )常使用到該功能。由于在大多數使用該功能的實(shí)作中，編譯器對所要插入的指令信息所知有限，因此對它們的特性會(huì )作出最壞的假設，這種假設可能會(huì )妨礙許多編譯器最佳化作業(yè)。例如，在支持某些指令(并非全部指令)平行處理的架構中，編譯器不會(huì )將插入指令與其它指令作平行處理，因為這種作法很可能會(huì )導致非法指令封包。

將硬件緩存器連結到C變量。將一個(gè)硬件緩存器連結到一個(gè)C變量時(shí)，C語(yǔ)言程序代碼中的變量值即反映出硬件緩存器的值；反之亦然。每當C變量被讀寫(xiě)時(shí)，硬件緩存器也相對地被讀寫(xiě)。這個(gè)功能在低階程序代碼中很常見(jiàn)，時(shí)常與匯編語(yǔ)言指令內嵌功能結合在一起，允許內嵌匯編程序碼存取C語(yǔ)言層級的變量。圖3的例子顯示了內嵌匯編語(yǔ)言功能(標示為橙色)和硬件緩存器連結功能(標示為紫色)的常見(jiàn)組合。

圖3：結合內嵌匯編語(yǔ)言和硬件緩存器連結的程序代碼片段。

內存扇區屬性。預設狀態(tài)下，編譯器將全域C變量和函數分配到標準的預定義內存扇區，該扇區屬性允許程序設計人員將上述變量和函數分配到特殊的使用者定義內存扇區。在隨后的連結階段，這些內存扇區可以被映像到具體的內存地址。該功能可讓程序設計人員將C語(yǔ)言層級單元分配到實(shí)際的內存位置，這對DSP應用程序來(lái)說(shuō)至關(guān)重要。

使用者定義呼叫慣例。如上所述，編譯器有一個(gè)匯編程序設計人員必須遵守的預定義呼叫慣例；然而在某些情況下，匯編語(yǔ)言函數可利用不同的呼叫慣例獲得更佳的最佳化效果。例如，編譯器理論上會(huì )在累加器中傳遞參數。若執行延伸地址計算的函數能接收地址緩存器中的參數，那么它的效率會(huì )更高。該功能會(huì )依靠附加在函數原型的專(zhuān)用語(yǔ)法，并通知修正后的呼叫慣例編譯器。

編譯器內嵌函數。意指能夠用專(zhuān)用的宏或函數呼叫，觸發(fā)內建編譯器功能的總稱(chēng)。例如，CEVA-X和CEVA-TeakLite-III編譯器可為語(yǔ)音編碼器中常見(jiàn)的ETSI/ITU基本DSP作業(yè)，提供編譯器內嵌函數。針對這些作業(yè)，編譯器可利用其等效高度最佳化匯編語(yǔ)言序列，取代每個(gè)基本作業(yè)。

相反地，沒(méi)有內嵌函數支持的編譯器必須呼叫使用者定義的函數，這樣做會(huì )導致兩大性能缺陷：首先，使用者定義函數可能會(huì )在一個(gè)回路里產(chǎn)生函數呼叫和返回(如圖4)，因此產(chǎn)生了巨額的開(kāi)銷(xiāo)；其次，使用者定義函數將如同其它C語(yǔ)言程序代碼一樣被編譯，這意味著(zhù)使用者定義函數可能會(huì )獲得次要的最佳化性能。而另一方面，具有內嵌函數的編譯器已經(jīng)內建了最佳化的實(shí)作。

圖4：H.264編碼器——一個(gè)關(guān)鍵的函數性能案例。

圖4說(shuō)明了這個(gè)功能的重要性。在圖4中，左邊的C語(yǔ)言程序代碼使用ETSI的mult_r(循環(huán)相乘)基本作業(yè)，CEVA-TeakLite-III編譯器產(chǎn)成了如右邊的高效實(shí)作結果。mult_r作業(yè)在左邊的C語(yǔ)言程序代碼和右邊的匯編程序碼中以紫色標示。

匯編語(yǔ)言?xún)惹逗瘮?。匯編語(yǔ)言?xún)惹逗瘮凳菍R編程序碼內嵌到C語(yǔ)言程序代碼的一種先進(jìn)方法，詳細介紹如下。

匯編語(yǔ)言?xún)惹逗瘮怠獙R編語(yǔ)言指令當作C語(yǔ)句一樣編寫(xiě)

上述內嵌匯編語(yǔ)言功能具有顯著(zhù)的缺點(diǎn)：

1. 它會(huì )破壞各種編譯器的最佳化作業(yè)，由于編譯器不了解內嵌程序代碼的內容，因此會(huì )使用最壞的假設。

2. 它可能迫使程序設計人員處理低階問(wèn)題，如緩存器分配和指令排程。

匯編語(yǔ)言?xún)惹逗瘮倒δ芸梢詭椭绦蛟O計人員實(shí)現內嵌匯編程序碼，且不會(huì )產(chǎn)生上述缺點(diǎn)。從程序設計人員的角度來(lái)看，匯編語(yǔ)言?xún)惹逗瘮稻拖袷荂語(yǔ)言宏或函數，它們會(huì )在呈現一個(gè)單一匯編語(yǔ)言指令時(shí)，接收C語(yǔ)言層級變量并返回C語(yǔ)言輸出結果。由于涉及該功能的所有程序代碼都在C語(yǔ)言層級，因此程序設計人員不必擔心緩存器分配、指令排程和其它低級語(yǔ)言問(wèn)題。匯編語(yǔ)言?xún)惹逗瘮挡粌H不會(huì )妨礙編譯器最佳化作業(yè)，還會(huì )參與最佳化過(guò)程，就好像是編譯器固定產(chǎn)生的匯編語(yǔ)言指令一樣，這些特性造就了強大的匯編語(yǔ)言?xún)惹逗瘮倒δ堋?

利用匯編語(yǔ)言?xún)惹逗瘮?，程序設計人員可以從特殊匯編語(yǔ)言指令中受益，這些指令不太可能從編譯器中產(chǎn)生，且通常是為特定算法量身定做的。在適當的位置采用這些指令可以大幅提高性能；例如，CEVA-X1641的bitrev指令就是為FFT等算法定制的。由于編譯器不太可能把一個(gè)程序看作FFT而使用bitrev指令，因此程序設計人員只需將bitrev匯編語(yǔ)言?xún)惹逗瘮登度氲紺語(yǔ)言程序代碼中。
結合程序設計人員對應用程序的專(zhuān)業(yè)知識，匯編語(yǔ)言?xún)惹逗瘮倒δ芤蚕嗬^提升。利用這種專(zhuān)業(yè)知識，程序設計人員可將精密的匯編語(yǔ)言序列內嵌函數用在C應用程序中的關(guān)鍵性能區域里。這樣一來(lái)，程序設計人員便能確保編譯器產(chǎn)生的匯編程序碼效率就如同手動(dòng)編寫(xiě)的程序代碼一樣高。

圖5是使用匯編語(yǔ)言?xún)惹逗瘮蹬cCEVA-X1641編譯器的例子。左邊的C語(yǔ)言函數使用st(儲存，以紅色標示)和msu(乘法和減法，以紫色標示)匯編語(yǔ)言?xún)惹逗瘮?。st內嵌函數參與判斷(標示為藍色)和延遲時(shí)隙填充(標示為綠色)；msu內嵌函數則參與回路解開(kāi)(標示為橙色)和Quad-Mac(標示為紫色)。匯編語(yǔ)言?xún)惹逗瘮颠€受益于由CEVA-X1641編譯器處理的所有機械相關(guān)問(wèn)題，如緩存器分配、指令排程和硬件單元分配。

圖5：CEVA-X1641編譯器支持匯編語(yǔ)言?xún)惹逗瘮档氖褂谩?/FONT>

同時(shí)使用C/匯編語(yǔ)言進(jìn)行除錯

匯編程序碼的除錯并非一件小事，它需要對如延遲和內存對齊限制等架構和機械層級問(wèn)題有深入的了解。單純地結合C語(yǔ)言程序代碼與匯編程序碼會(huì )使問(wèn)題變得更加棘手，因為這樣一來(lái)程序設計人員便得對C語(yǔ)言程序代碼和匯編程序碼間的連結進(jìn)行除錯。

進(jìn)行混合應用程序除錯的第一步就是隔離問(wèn)題。假設匯編程序碼的C語(yǔ)言層級實(shí)作維持不變，且C語(yǔ)言層級實(shí)作能正常作業(yè)，那么將匯編語(yǔ)言函數轉換成C語(yǔ)言實(shí)作并重新測試應用程序就變得相當容易。為了迅速檢測問(wèn)題，程序設計人員可以采用交互作業(yè)程序：每一個(gè)步驟都將一半的可疑函數轉換為相應的C語(yǔ)言實(shí)作，這樣一來(lái)程序設計人員在進(jìn)行每一步時(shí)都只需測試前一步中一半的函數。

一旦有問(wèn)題的匯編語(yǔ)言函數被確定，就應該同時(shí)調查單獨匯編語(yǔ)言問(wèn)題和C語(yǔ)言與匯編語(yǔ)言的連接問(wèn)題。單獨匯編語(yǔ)言問(wèn)題的除錯對匯編程序設計人員來(lái)說(shuō)十分簡(jiǎn)單明了，但C語(yǔ)言與匯編語(yǔ)言的連接問(wèn)題就有點(diǎn)麻煩。不同于單獨的匯編語(yǔ)言問(wèn)題，在查看匯編語(yǔ)言函數本身時(shí)，無(wú)法看見(jiàn)C語(yǔ)言與匯編語(yǔ)言的連接問(wèn)題；為了找出這些問(wèn)題，程序設計人員必須檢查編譯器的慣例，例如呼叫慣例和緩存器使用慣例。

程序設計人員還必須檢查編譯器假設，例如匯編語(yǔ)言指令的行蹤(重復前面提到的例子，CEVA-X1641編譯器假設mov acX, rN指令絕不會(huì )作為匯編語(yǔ)言函數的第一條指令)。為了節省除錯時(shí)間，程序設計人員應該在第一次實(shí)作匯編語(yǔ)言函數時(shí)驗證是否所有的編譯器慣例和假設都有遵循慣例。

H.264視訊編碼器和AMR-NB

本文討論的技術(shù)和方法已被CEVA公司用于各種應用程序中，包括視訊編譯碼器、音訊編譯碼器、語(yǔ)音編碼器和裝置驅動(dòng)器。此外，本文所述的功能無(wú)論用在何種案例，均能顯著(zhù)地提升性能。

H.264視訊編碼器是一個(gè)很好的研究案例。它在處理能力(通常以MHz衡量)及其它資源方面都有強烈需求，特別是在與音訊編譯碼器等其它類(lèi)型的編譯碼器比較上。

CEVA公司利用其高階CEVA-X16xx DSP核心系列及其MM2000多媒體平臺，提供這種編碼器所需的處理能力。

CEVA公司利用先進(jìn)剖析技術(shù)確定這種編碼器的關(guān)鍵函數，然后對它進(jìn)行最佳化。編碼器的關(guān)鍵函數最佳化過(guò)程是逐步完成的。首先，利用如匯編語(yǔ)言?xún)惹逗瘮颠@樣的先進(jìn)功能全面地將函數最佳化成C語(yǔ)言；然后進(jìn)一步將編譯器提供的匯編程序碼最佳化成匯編語(yǔ)言層級。

圖6顯示出透過(guò)對這種編碼器關(guān)鍵函數進(jìn)行最佳化過(guò)程所獲得的性能改善。只有最后一個(gè)最佳化階段涉及到全部匯編程序碼范圍；所有其它階段都基于具有匯編語(yǔ)言?xún)惹逗瘮档腃語(yǔ)言程序代碼。這些匯編語(yǔ)言?xún)惹逗瘮抵饕糜赟IMD(單指令多數據)作業(yè)，如avg_acW_acX_acZ_4b。這條指令對8個(gè)輸入字節執行字節平均，進(jìn)而產(chǎn)生4字節。這種SIMD作業(yè)對執行大量字節層級運算的視訊編譯碼器而言相當實(shí)用(這也是為何CEVA-X16xx架構為字節層級的SIMD作業(yè)提供廣泛支持的原因)。

圖6：CEVA-TeakLite-III編譯器內建ETSI基本作業(yè)支持。

AMR-NB(自適應多碼率——窄頻)是廣泛應用在無(wú)線(xiàn)通訊應用的語(yǔ)音編譯碼器。CEVA已為其所有DSP核心建置該語(yǔ)音編碼器；但為遵循本文主旨，我們在此只討論CEVA-X1620建置。將這種語(yǔ)音編碼器完全建置到匯編語(yǔ)言的情況相當常見(jiàn)，倘若使用本文提到的各種功能，C語(yǔ)言實(shí)作和CEVA-X1620編譯器可達到與匯編語(yǔ)言實(shí)作競爭的結果。其中提升CEVA-X1620編譯器性能的關(guān)鍵功能就是支持ETSI內嵌函數的功能。

圖7顯示了整個(gè)AMR-NB應用經(jīng)過(guò)最佳化過(guò)程后在MCPS(每秒百萬(wàn)循環(huán))上所獲得的性能改善。只有最后的最佳化階段涉及了全范圍的匯編語(yǔ)言編碼，所有其它階段都基于具有ETSI內嵌函數和匯編語(yǔ)言?xún)惹逗瘮档鹊腃語(yǔ)言程序代碼。

圖7：對ARM-NB進(jìn)行各種最佳化方法所獲得的MCPS改善。

總之，H.264編碼器和AMR-NB的案例清楚地顯示了匯編語(yǔ)言實(shí)作的性能優(yōu)勢，但也顯示出純匯編語(yǔ)言實(shí)作并非首選的最佳化方法。利用高質(zhì)量軟件開(kāi)發(fā)工具鏈提供的各種C語(yǔ)言和匯編語(yǔ)言功能，DSP程序設計人員不必用匯編語(yǔ)言建置整個(gè)應用程序也能達到令人滿(mǎn)意的性能結果。正如本文所述，編寫(xiě)C語(yǔ)言和匯編語(yǔ)言混合程序代碼不是一件簡(jiǎn)單的工作；不過(guò)，本文討論的各種功能都有助于DSP工程師更輕松地完成這項任務(wù)。