我试图在程序集32上对符号的整数列表求和,但我只需要对没有符号的整数求和。你知道某种方法吗?
我的程序尝试对整数进行求和并存储在resultado
中,其大小为64位,所以为了能够这样做,我使用两个32位寄存器(EAX和EDX),并检查何时总和产生携带。
在所有这些之后,我在resultado上加入EAX和EDX。
# sum.s Sumar los elementos de una lista.
# llamando a función, pasando argumentos mediante registros
# retorna: código retorno 0, comprobar suma en %eax mediante gdb/ddd.
# as --32 -g sum.s -o sum.o
# ld -m elf_i386 sum.o -o sum
# DATA SECTION
.section .data
lista:
.int 4294967295, 4294967295, 4294967295, 4294967295
longlista:
.int (.-lista)/4
resultado:
.quad -1
.section .text
_start: .global _start
mov $lista, %ebx
mov longlista, %ecx
call suma
mov %eax, resultado
mov %edx, resultado+4
mov $1, %eax
mov $0, %ebx
int $0x80
suma:
push %esi
mov $0, %eax
mov $0, %edx
mov $0, %esi
bucle:
add (%ebx,%esi,4), %eax
jc .L1
bucle1:
inc %esi
cmp %esi,%ecx
jne bucle
pop %esi
ret
.L1:
inc %edx
jmp bucle1
这给出了64位和,将输入视为无符号32位,这不是我想要的。
答案 0 :(得分:2)
使用64位加法的下一个代码将为正数和负数提供正确的总和,而不会因为仅使用32位寄存器而进行任何回绕。
签名结果可能超出范围[-2GB,+ 2GB-1]。
suma:
push %esi
push %edi
xor %esi, %esi ;Clear %edi:%esi
xor %edi, %edi
sub $1, %ecx ;Start at last element in array
jl emptyArray
bucle:
mov (%ebx,%ecx,4), %eax ;From signed 32-bit to signed 64-bit
cdq
add %eax, %esi ;Add signed 64-bit numbers
adc %edx, %edi
dec %ecx
jge bucle
emptyArray:
mov %esi, %eax ;Move result from %edi:%esi to %edx:%eax
mov %edi, %edx
pop %edi
pop %esi
ret
添加的顺序并不重要,因此代码从最后一个元素开始向第一个元素开始。
答案 1 :(得分:0)
您当前的代码隐式零扩展。它等同于add (%ebx,%esi,4), %eax
/ adc $0, %edx
,但您需要添加到上半部分的是0或-1
,具体取决于低半部分的符号。 (即32位符号位;见Sep的回答)。
32位x86可以直接使用SSE2 / AVX2 / AVX512 paddq
进行64位整数运算。 (所有支持64位的CPU都支持SSE2,因此这些天它是合理的基线。)
(或MMX paddq
如果您关心通过Pentium III / AMD Athlon-XP的Pentium-MMX。)
SSE4.1使符号扩展到64位便宜。
pmovsxdq (%ebx), %xmm1 # load 2x 32-bit (Dword) elements, sign-extending into Qword elements
paddq %xmm1, %xmm0
add $8, %ebx
cmp / jb # loop while %ebx is below an end-pointer.
# preferably unroll by 2 so there's less loop overhead,
# and so it can run at 2 vectors per clock on SnB and Ryzen. (Multiple shuffle units and load ports)
# horizontal sum
pshufd $0b11101110, %xmm0, %xmm1 # xmm1 = [ hi | hi ]
paddq %xmm1, %xmm0 # xmm0 = [ lo + hi | hi + hi=garbage ]
# extract to integer registers or do a 64-bit store to memory.
movq %xmm0, (result)
我避免使用索引寻址模式so the load can stay micro-fused with pmovsxdq
on Sandybridge。 Nehalem,Haswell或更高版本或AMD上的索引都很好。
不幸的是,没有SSE4.1的CPU 仍在使用中。在这种情况下,您可能只想使用标量,但您可以手动进行签名扩展。
但是没有64位算术右移。 (仅64位元素大小的逻辑移位)。但您可以通过复制并使用32位移位来广播符号位来模拟cdq
,然后解压缩。
# prefer running this on aligned memory
# Most CPUs without SSE4.1 have slow movdqu
.loop:
movdqa (%ebx, %esi, 1), %xmm1 # 4x 32-bit elements
movdqa %xmm1, %xmm2
psrad $31, %xmm1 # xmm1 = high halves (broadcast sign bit to all bits with an arithmetic shift)
movdqa %xmm2, %xmm3 # copy low halves again before destroying.
punpckldq %xmm1, %xmm2 # interleave low 2 elements -> sign-extended 64-bit
paddq %xmm2, %xmm0
punpckhdq %xmm1, %xmm3 # interleave hi 2 elements -> sign-extended 64-bit
paddq %xmm3, %xmm0
add $16, %esi
jnc .loop # loop upward toward zero, with %ebx pointing to the end of the array.
#end of one loop iteration, does 16 bytes
(使用两个单独的向量累加器可能比在paddq
中使用两个xmm0
更好,以保持依赖链更短。)
这是更多的指令,但它每次迭代的次数是两倍。它仍然是每paddq
更多的指令,但它可能仍然比标量好,特别是在Broadwell之前的英特尔CPU上adc
为2 uop(因为它有3个输入:2个寄存器+ EFLAGS)。
在第一个psrad
之前复制%xmm1可能会更好。在movdqa
具有非零延迟的CPU上,我想复制然后使用原始文件缩短关键路径,因此乱序执行的隐藏时间更短。
但这意味着最后punpck
正在读取2x movdqa
个寄存器副本链的结果。 CPUs with mov-elimination that doesn't work 100% of the time (Intel)可能会更糟。它可能需要一个向量ALU来执行复制,因为mov
寄存器副本链是mov-elimination无法正常工作的情况之一。