C语言内联汇编

ASM

此处的ASM指的是C语言中的asm关键字

asm关键字可以用于内联汇编代码，即在C文件中声明一部分汇编代码，最后在编译器的作用下，实现一部分C语言无法实现的功能。

概念

C语言的编译过程

我们知道C语言

1.会汇编为assembly（汇编语言）

2.汇编语言会在汇编器(as)的作用下变为object文件。

3.最后通过会linker链接为elf/exe文件。

为什么需要asm

前面其实有说过asm是C语言中的一个关键字

这个关键字的功能就是使用assembly去实现一部分功能。

这里有一个问题☝️

C语言会有无法实现的功能需要assembly去实现？

有吗？没有吗？

肯定是有的

其实有很多。

我们C语言所有的能力都是基于汇编的。

如果没有汇编，那么就C语言什么都做不了。

所有的C语言特性都是基于assembly去实现的。

那么问题来了？C语言的语言特性能完成所有事情吗？

并不能，不然系统调用，系统注册，操控寄存器，控制屏幕。

这部分内容assembly能实现吗？

太能了，assembly虽然怪难写的，但是人家是正经的，所有的功能都能实现。

所以就很明确了，C语言所有不能实现的能力都需要借助内联汇编去实现

现代编程语言架构

从上面推断，我们可以得知，如下的依赖层级关系图。（仅个人思考）

Java、Python、Javascript这些典型的高级语言

运行环境依赖C/C++去实现。

C/C++运行过程中部分无法实现的能力借助汇编去实现。

其实从这里我们可以知道一个事情。

“C/C++不是万能的，汇编才是”

（如果不把asm内联引入的代码纳入C/C++的范畴的话）

C语言如何内联汇编

大多是的编译器的内联方式都是通过一个关键字实现。

通过向关键字内传入一些汇编代码 & 固定的语法格式。

指定的编译器读取内容以后进行解析，最后对内联的汇编代码处理。

本文主要是对GNU GCC内联汇编进行介绍。

在GNU GCC中有两张方式可以内联汇编

• Base Asm
• Extended Asm

Basic Asm

基础版，特点就是简单，缺点就是不能有任何的“操作数“

简单来说就是单方面调用assembly，不能传入C变量。

语法格式如下

asm asm-qualifiers ( AssemblerInstructions )

• asm

  关键字（告诉编译器，后面开始编写内联代码了）

• asm-qualifiers

  限定词，可以理解为，对内联的模式进行选择。

  • volatile

    默认选项，编译器不会对内联的汇编指令进行优化。原原本本输出

    （因为现代的编译器通常会对代码进行优化，优化过程会怎么改代码就不得而知了）

  • inline

    与volatile相反，会开启优化，会对部分的代码进行优化

下面会对通过asm关键字内联一个hello world

首先我们先查询一下write的系统系统调用表

#include <stdio.h>

int main()
{

    asm volatile(
        // "hello world!!!!\0"字符串,入栈
        "mov $0x0021212121646c72,%rax;" 
        "push %rax;"
        "mov $0x6f77206f6c6c6568,%rax;"
        "push %rax;"
        // 系统调用号1
        "mov $1,%rax;"
        // 第一个参数 fd，stdout
        "mov $1,%rdi;"
        // 第二个参数 buf
        "mov %rsp,%rsi;"
        // 第三个参数 count
        "mov $16,%rdx;"
        "syscall;"
        // 平栈操作
        "add $16,%rsp"   
        );
}

输出结果

Extended Asm

上面的示例其实我们可以发现。

内联asm如果不能调用C语言的一些语言特性。

其实还不如直接写asm代码好用。

所以就有了Extended Asm的出现。

Extended Asm在之前Basic Asm的基础上进行了扩展。

这个扩展就是——内联的汇编代码，可以读取、写入C语言的变量，并且可以跳转到C语言的Label标记

With extended asm you can read and write C variables from assembler and perform jumps from assembler code to C labels. Extended asm syntax uses colons (‘:’) to delimit the operand parameters after the assembler template:

这个就是Extended Asm的语法结构

asm asm-qualifiers ( AssemblerTemplate 
                 : OutputOperands 
                 [ : InputOperands
                 [ : Clobbers ] ])

asm asm-qualifiers ( AssemblerTemplate 
                      : OutputOperands
                      : InputOperands
                      : Clobbers
                      : GotoLabels)

• asm-qualifiers

  在原来volatile和inline的基础上多了一个goto

  • goto

    This qualifier informs the compiler that the asm statement may perform a jump to one of the labels listed in the GotoLabels. See GotoLabels.

    暗示编译器，内联的代码中可能会有jump到c语言label的行为

• AssemblerTemplate

  同Basic Asm是一个Asm的模板，不一样的是，多了几个占位符。

  • ‘%%’

    等同于%，这里起的是转义的意味。

    因为有%0 %1（input，output的占位符，可能是memory可能是寄存器）的存在。

    为了区分%和%n就有了这么一层转义

  • ‘%=’

    Outputs a number that is unique to each instance of the asm statement in the entire compilation. This option is useful when creating local labels and referring to them multiple times in a single template that generates multiple assembler instructions.

    生成一个asm代码块内唯一的数字（怎么生成的我也不知道。）

  • ‘%{’，‘%|’，‘%}’

    转义.因为{|}在template中其他含义

  • %n

    即%1 %2 %3，代指input or output的占位。

• OutputOperands

  [ [asmSymbolicName] ] constraint (cvariablename)

  • asmSymbolicName

    占位符名称 %[Value]

    （类似于我们在高级编程语言的字符串占位符，template里面写一个占位，然后在output里面写一个占位。）

    #include <stdio.h>
    
    int main() {
        int input_value = 42;
        int output_value;
    
        // 在内联汇编中使用 %[input] 和 %[output] 来指代输入和输出操作数
        asm(
            "movl %[input], %[output]" 
            : [output] "=r" (output_value)  // %[output] 表示输出操作数
            : [input] "r" (input_value)     // %[input] 表示输入操作数
        );
    
        printf("Input: %d, Output: %d\n", input_value, output_value);
    
        return 0;
    }

    如果不使用asmSymbolicName：

    默认的读取顺序就是这样

    ——output->input分别是%0，%1，%2，……，%n

    %n (eg: %0,%1,%2)

    int main()
    {
        int input_value = 42;
        int output_value;
    
        // 使用 %= 生成唯一标识符并在内联汇编中使用
        asm(
            "movl %1,%0;"
            : "=r"(output_value)
            : "r"(input_value)
        );
    
        printf("Input: %d, Output: %d\n", input_value, output_value);
        return 0;
    }

  • constraint

    A string constant specifying constraints on the placement of the operand

    相当于是给output设置参数配置

    参数异常的多，具体可见官方文档

    “m”

    表明限定的值（输入or输出）可以是内存

    “o”

    允许一个内存操作数，但寻址方式是可偏移的。即，该地址加上一个小的偏移量可以得到一个有效的地址。

    “v”

    内存操作，但是满足m限制，但不满足o限制的条件

    “<”

    内存操作自动减操作

    “>”

    内存操作符自动加操作。

    “r”

    表明限定的值，使用寄存器进行传递。

    “i”

    表明输入的值，可以是一个立即数

    “n”

    同i，许多系统不能支持小于一个字的操作数的汇编时常量。对于这些操作数，约束应该使用’n’而不是’i’。

    “g”

    ‘I’, ‘J’, ‘K’, … ‘P’ / ‘E’ / ‘F’ / ‘G’, ‘H’ / ‘s’

    立即数。

    ‘g’

    允许使用所有通用寄存器，内存，立即数

    ‘X’

    允许所有的操作符

    ‘0’, ‘1’, ‘2’, … ‘9’

    允许使用与指定操作数编号相匹配的操作数。

    ‘p’

    允许使用有效的内存地址作为操作数

  • cvariablename

    C语言变量名称

• InputOperands

  [ [asmSymbolicName] ] constraint (cexpression)

  • asmSymbolicName

    同OutputOperands中的asmSymbolicName

  • constraint

    input 不能以‘=’ or ‘+’作为constraint开头。

  • cexpression

    C关键字 & C表达式

• Clobbers

  告知编译器，我们做了设置/改动，以便后面编译器接手。

  • “cc”

  告知编译器修改了flag寄存器

  • memory

  告知我们进行了内存的读取

了解了Extended Asm的妙处以后，我们试着来使用一下打印Hello World!

代码少了，逻辑也更清晰了

#include <stdio.h>

int main() {

    char * buf = "Hello world!";
    asm volatile(
        // 系统调用号1
        "mov $1,%%rax;"
        // 第一个参数 fd，stdout
        "mov $1,%%rdi;"
        // 第二个参数 buf
        "mov %0,%%rsi;"
        // 第三个参数 count
        "mov $13,%%rdx;"
        "syscall;"
        : 
        : "r"(buf)
        : "rax", "rdi", "rsi", "rdx"
        );

}

最后一个灵魂问题。

学了这个以后有什么用？

其实没什么用，日常中应该很少会用到。

但是，这对我们去阅读一些底层的代码有好处。

比如内核，glibc等源代码。

我们至少勉强能看懂一点人家是在干嘛，通过查阅检索等方式能迅速理解。

参考

GNU GCC官方文档

• How to Use Inline Assembly Language in C Code

• Basic Asm

• Extended Asm