目录
内存非cache区域拷贝速度很慢，严重影响了系统性能，因此采用多种方法进行优化，主要有对齐拷贝、批量拷贝、减少循环次数、NEON拷贝方法。
VLDR指令可从内存中将数据加载到扩展寄存器中。
VLDR{<c>}{<q>}{.64} <Dd>, [<Rn> {, #+/-<imm>}] Encoding T1/A1, immediate form
VLDR{<c>}{<q>}{.64} <Dd>, <label> Encoding T1/A1, normal literal form
VLDR{<c>}{<q>}{.64} <Dd>, [PC, #+/-<imm>] Encoding T1/A1, alternative literal form
VLDR{<c>}{<q>}{.32} <Sd>, [<Rn> {, #+/-<imm>}] Encoding T2/A2, immediate form
VLDR{<c>}{<q>}{.32} <Sd>, <label> Encoding T2/A2, normal literal form
VLDR{<c>}{<q>}{.32} <Sd>, [PC, #+/-<imm>] Encoding T2/A2, alternative literal form <c>，<q>：是一个可选的条件代码。
.32，.64：是一个可选的数据大小说明符。如果是单精度VFP寄存器，则必须为32；否则必须为64。
Dd：双字（64位）加载的目标寄存器。对于NEON指令，它必须为D寄存器。对于VFP指令，它可以为D或S寄存器。
Sd：单字（32位）加载的目标寄存器。对于NEON指令，它必须为D寄存器。对于VFP指令，它可以为D或S寄存器。
Rn：存放要传送的基址的ARM寄存器，SP可使用。
+/-：偏移量相对于基地址的运算方式，+表示基地址和偏移量相加，-表示基地址和偏移量相减，+可以省略，#0和#-0生成不同的指令。
imm：是一个可选的数值表达式。在汇编时，该表达式的值必须为一个数字常数。 该值必须是4的倍数，并在0 - 1020的范围内。该值与基址相加得到用于传送的地址。
label：要加载数据项的标签。编译器自动计算指令的Align(PC, 4)值到此标签的偏移量。允许的值是4的倍数，在-1020到1020的范围内。
VLDM指令可以将连续内存地址中的数据加载到扩展寄存器中。
VLDM{<mode>}{<c>}{<q>}{.<size>} <Rn>{!}, <list>
<mode>：IA Increment After，连续地址的起始地址在Rn寄存器中，先加载数据，然后Rn寄存器中的地址在增大，这是缺省的方式，DB Decrement Before，连续地址的起始地址在Rn寄存器中，Rn寄存器中的地址先减小，再加载数据
<c>，<q>：是一个可选的条件代码。
<size>：是一个可选的数据大小说明符。取32或64，和<list>中寄存器的位宽一致。
Rn：存放要传送的基址的ARM寄存器，由ARM指令设置，SP可使用。
！：表示Rn寄存器中的内容变化时要将变化的值写入Rn寄存器中。
<list>：加载的扩展寄存器列表。至少包含一个寄存器，如果包含了64位寄存器，最多不超过16个寄存器。
VSTR指令将扩展寄存器中的数据保存到内存中。
VSTR{<c>}{<q>}{.64} <Dd>, [<Rn>{, #+/-<imm>}] Encoding T1/A1
VSTR{<c>}{<q>}{.32} <Sd>, [<Rn>{, #+/-<imm>}] Encoding T2/A2
<c>，<q>：是一个可选的条件代码。
.32，.64：是一个可选的数据大小说明符。如果是单精度VFP寄存器，则必须为32；否则必须为64。
Dd：双字（64位）加载的目标寄存器。对于NEON指令，它必须为D寄存器。对于VFP指令，它可以为D或S寄存器。
Sd：但字（32位）加载的目标寄存器。对于NEON指令，它必须为D寄存器。对于VFP指令，它可以为D或S寄存器。
Rn：存放要传送的基址的ARM寄存器，SP可使用。
+/-：偏移量相对于基地址的运算方式，+表示基地址和偏移量相加，-表示基地址和偏移量相减，+可以省略，#0和#-0生成不同的指令。
imm：是一个可选的数值表达式。在汇编时，该表达式的值必须为一个数字常数。 该值必须是4的倍数，并在0 - 1020的范围内。该值与基址相加得到用于传送的地址。
VSTM指令可将扩展寄存器列表中的数据保存到连续的内存中。
<mode>：IA Increment After，连续地址的起始地址在Rn寄存器中，先保存数据，然后Rn寄存器中的地址在增大，这是缺省的方式，DB Decrement Before，连续地址的起始地址在Rn寄存器中，Rn寄存器中的地址先减小，再保存数据
<c>，<q>：是一个可选的条件代码。
<size>：是一个可选的数据大小说明符。取32或64，和<list>中寄存器的位宽一致。
Rn：存放要传送的基址的ARM寄存器，由ARM指令设置，SP可使用。
！：表示Rn寄存器中的内容变化时要将变化的值写入Rn寄存器中。
<list>：保存的扩展寄存器列表。至少包含一个寄存器，如果包含了64位寄存器，最多不超过16个寄存器。
（1）子程序间通过寄存器R0-R3传递参数，被调用的子程序在返回前无须恢复寄存器R0-R3的内容，参数多余4个时，使用栈传递，参数入栈的顺序与参数顺序相反。
（2）在子程序中，使用寄存器R4-R11保存局部变量，如果子程序中使用了R4-R11的寄存器，则必须在使用之前保存这些寄存器，子程序返回之前恢复这些寄存器，在子程序中没有使用这些寄存器，则无须保存。
（3）寄存器R12用作子程序间的scratch寄存器，记作IP，在子程序间的链接代码段中常有这种规则。
（4）寄存器R13用作数据栈指针，记作SP。在子程序中，寄存器R13不能用作其它用途。
（5）寄存器R14用作连接寄存器，记作IR。用于保存子程序的返回地址，如果在子程序中保存了返回地址，寄存器R14可用于其他用途。
（6）寄存器R15是程序计数器，记作PC。不能用作其他用途。
（1）NEON S16-S31(D8-D15，Q4-Q7)寄存器在子程序中必须保存，S0-S15(D0-D7，Q4-Q7)和Q8-Q15在子程序中无须保存
3.3.子程序返回寄存器使用规则
（1）结果为一个32位整数时，可以通过寄存器R0返回。
（2）结果为一个64位整数时，可通过寄存器R0和R1返回，依次类推。
（3）结果为一个浮点数时，可以通过浮点运算部件的寄存器F0、D0或者S0来返回。
（4）结果为复合型的浮点数时，可以通过寄存器F0-Fn或者D0-Dn返回。
（5）对于位数更多的结果，需要内存来传递。
PLD为arm预加载执行的宏定义，下面汇编编写的函数中都使用到了。
#if 1
#define PLD(code...) code
#else
#define PLD(code...)
#endif
memcpy_libc为libc的库函数memcpy。
一次循环只拷贝一个字节，可用于对齐拷贝和非对齐拷贝。
void *memcpy_1(void *dest, const void *src, size_t count)
{
char *tmp = dest;
const char *s = src;
while (count--)
*tmp++ = *s++;
return dest;
}
memcpy_32一次循环拷贝32字节，适用于32字节对齐拷贝。
@ void* memcpy_32(void*, const void*, size_t);
@ 声明符号为全局作用域
.global memcpy_32
@ 4字节对齐
.align 4
@ 声明memcpy_32类型为函数
.type memcpy_32, %function
memcpy_32:
@ r4-r12, lr寄存器入栈
push {r4-r11, lr}
@ memcpy的返回值为目标存储区域的首地址，即第一个参数值，将返回值保存到r3寄存器中
mov r3, r0
0:
@ 数据预取指令，会将数据提前加载到cache中
PLD( pld [r1, #128] )
@ r2为memcpy的第3个参数，表示拷贝多少个字节数，首先减去32，
@ s：决定指令的操作是否影响CPSR的值
subs r2, r2, #32
@ r1为memcpy的第2个参数，表示源数据的地址，将源地址中的数据加载到r4-r11寄存器中
@ 每加载一个寄存器，r1中的地址增加4，总共8个寄存器，共32字节数据
ldmia r1!, {r4-r11}
@ 将r4-r11中保存的源数据加载到r1寄存器指向的内存地址，每加载一个寄存器，r1指向的地址加4
stmia r0!, {r4-r11}
@stmia r0!, {r8-r11}
@ gt为条件码，带符号数大于，Z=0且N=V
bgt 0b
@ 函数退出时将返回值保存到r0中
mov r0, r3
pop {r4-r11, pc}
.type memcpy_32, %function
@函数体的大小，.-memcpy_32中的.代表当前指令的地址，
@即点.减去标号memcpy_32，标号代表当前指令的地址
.size memcpy_32, .-memcpy_32
memcpy_64一次循环拷贝64字节，适用于64字节对齐拷贝。
@ void* memcpy_64(void*, const void*, size_t);
.global memcpy_64
.align 4
.type memcpy_64, %function
memcpy_64:
push {r4-r11, lr}
mov r3, r0
0:
PLD( pld [r1, #256] )
subs r2, r2, #64
ldmia r1!, {r4-r11}
PLD( pld [r1, #256] )
stmia r0!, {r4-r7}
stmia r0!, {r8-r11}
ldmia r1!, {r4-r11}
stmia r0!, {r4-r7}
stmia r0!, {r8-r11}
bgt 0b
mov r0, r3
pop {r4-r11, pc}
.type memcpy_64, %function
.size memcpy_64, .-memcpy_64
memcpy_gen是通用的内存拷贝函数，可根据源地址和目的地址是否对齐，采用不同的拷贝方法，适用于对齐和非对齐拷贝。此代码参考自Linux内核。
（1）判断拷贝的字节数是否小于4字节，若小于4字节，则直接进行单字节拷贝
（2）判断目的地址是否时按4字节对齐，若没有，则进入目的地址未对齐的处理逻辑
（3）判断源地址是否按4字节对齐，若没有，则进入源地址未对齐的处理逻辑
（4）若目的地址和源地址按4字节对齐，则进入目的地址和源地址对齐的处理逻辑
目的地址和源地址对齐的处理逻辑：
（1）若拷贝的字节数大于等于32字节，则将超过32字节的数据进行批量拷贝，每次拷贝32字节
（2）若剩下的数据小于32字节，则进行4字节拷贝
（3）若剩下的数据小于4字节，则进行单字节拷贝
目的地址未对齐的处理逻辑：
（1）先将未对齐的字节进行单字节拷贝，使目的地址按4字节对齐
（2）若剩余的数据小于4字节，则进行单字节拷贝
（3）此时若源地址也按4字节对齐，则进入目的地址和源地址对齐的处理逻辑
（4）若源地址未按4字节对齐，则进入源地址未对齐的处理逻辑
源地址未对齐的处理逻辑：
（1）将源地址中的数据加载的寄存器中，进行逻辑移位
（2）将低地址的源数据逻辑左移，移到寄存器的低位，将高地址的数据逻辑右移，移到寄存器的高位
（3）将两个寄存器的数据进行或操作，实现了低地址和高地址数据在寄存器中的拼接
（4）将拼接的数据加载到目的地址中
#define LDR1W_SHIFT 0
#define STR1W_SHIFT 0
#if __BYTE_ORDER == __BIG_ENDIAN
// 大端
#define lspull lsl
#define lspush lsr
#elif __BYTE_ORDER == __LITTLE_ENDIAN
// 小端，一般都是小端
#define lspull lsr
#define lspush lsl
#else
#error "unknow byte order"
#endif
.macro ldr1w ptr reg abort
ldr \reg, [\ptr], #4
.endm
.macro ldr4w ptr reg1 reg2 reg3 reg4 abort
ldmia \ptr!, {\reg1, \reg2, \reg3, \reg4}
.endm
.macro ldr8w ptr reg1 reg2 reg3 reg4 reg5 reg6 reg7 reg8 abort
ldmia \ptr!, {\reg1, \reg2, \reg3, \reg4, \reg5, \reg6, \reg7, \reg8}
.endm
.macro ldr1b ptr reg cond=al abort
ldr\cond\()b \reg, [\ptr], #1
.endm
.macro str1w ptr reg abort
str \reg, [\ptr], #4
.endm
.macro str8w ptr reg1 reg2 reg3 reg4 reg5 reg6 reg7 reg8 abort
stmia \ptr!, {\reg1, \reg2, \reg3, \reg4, \reg5, \reg6, \reg7, \reg8}
.endm
.macro str1b ptr reg cond=al abort
str\cond\()b \reg, [\ptr], #1
.endm
.macro enter reg1 reg2
stmdb sp!, {r0, \reg1, \reg2}
.endm
.macro exit reg1 reg2
ldmfd sp!, {r0, \reg1, \reg2}
.endm
@ void* memcpy_gen(void*, const void*, size_t);
@ 声明符号为全局作用域
.global memcpy_gen
@ 4字节对齐
.align 4
@ 声明memcpy_gen类型为函数
.type memcpy_gen, %function
memcpy_gen:
@ 将r0 r4 lr寄存器保存到栈中，r0是函数的返回值
enter r4, lr
@ 拷贝的字节数减4并保存到r2中，运算结果影响CPSR中的标志位
subs r2, r2, #4
@ blt：带符号数小于
@ 如果拷贝的字节数小于4，则跳转到标号8处
blt 8f
@ r0保存的是目的地址，r0和3与，判断r0的低两位是否是0，不是0，则是未对齐的地址
@ s：决定指令的操作是否影响CPSR的值
ands ip, r0, #3 @ 测试目的地址是否是按4字节对齐
PLD( pld [r1, #0] )
bne 9f @ 目的地址没有按4字节对齐，则跳转到标号9处
ands ip, r1, #3 @ 测试源地址是否是按4字节对齐
bne 10f @ 源地址没有按4字节对齐，则跳转到标号10处
1: subs r2, r2, #(28)
stmfd sp!, {r5 - r8}
blt 5f
PLD( pld [r1, #0] )
2: subs r2, r2, #96
PLD( pld [r1, #28] )
blt 4f
PLD( pld [r1, #60] )
PLD( pld [r1, #92] )
3: PLD( pld [r1, #124] )
4: ldr8w r1, r3, r4, r5, r6, r7, r8, ip, lr, abort=20f
subs r2, r2, #32
str8w r0, r3, r4, r5, r6, r7, r8, ip, lr, abort=20f
bge 3b
cmn r2, #96
bge 4b
5: ands ip, r2, #28
rsb ip, ip, #32
#if LDR1W_SHIFT > 0
lsl ip, ip, #LDR1W_SHIFT
#endif
addne pc, pc, ip @ C is always clear here
b 7f
6:
@ .rept:重复定义伪操作, 格式如下:
@ .rept 重复次数
@ 数据定义
@ .endr 结束重复定义
@ 例如:
@ .rept 3
@ .byte 0x23
@ .endr
.rept (1 << LDR1W_SHIFT)
nop
.endr
ldr1w r1, r3, abort=20f
ldr1w r1, r4, abort=20f
ldr1w r1, r5, abort=20f
ldr1w r1, r6, abort=20f
ldr1w r1, r7, abort=20f
ldr1w r1, r8, abort=20f
ldr1w r1, lr, abort=20f
#if LDR1W_SHIFT < STR1W_SHIFT
lsl ip, ip, #STR1W_SHIFT - LDR1W_SHIFT
#elif LDR1W_SHIFT > STR1W_SHIFT
lsr ip, ip, #LDR1W_SHIFT - STR1W_SHIFT
#endif
add pc, pc, ip
nop
.rept (1 << STR1W_SHIFT)
nop
.endr
str1w r0, r3, abort=20f
str1w r0, r4, abort=20f
str1w r0, r5, abort=20f
str1w r0, r6, abort=20f
str1w r0, r7, abort=20f
str1w r0, r8, abort=20f
str1w r0, lr, abort=20f
7: ldmfd sp!, {r5 - r8}
8: @ 处理拷贝的字节数小于4字节，此时r2中的值为负数，可能取值为-1 -2 -3
@ lsl 逻辑左移，将r2左移31位保存带r2中
movs r2, r2, lsl #31
@ ne 不相等，Z=0，r2为-1或-3时拷贝数据
ldr1b r1, r3, ne, abort=21f
@ cs 无符号数大于等于，C=1
@ 对于包含移位操作的非加/减法运算指令，C中包含最后一次被溢出的位的数值
ldr1b r1, r4, cs, abort=21f
ldr1b r1, ip, cs, abort=21f
str1b r0, r3, ne, abort=21f
str1b r0, r4, cs, abort=21f
str1b r0, ip, cs, abort=21f
exit r4, pc
9: @ 处理目的地址未按4字节对齐的情况
@ rsb 逆向减法指令，等价于ip=4-ip，同时根据操作结果更新CPSR中相应的条件标志
@ 当rsb的运算结果为负数时，N=1，为正数或0时，N=0
@ 当rsb的运算结果符号位溢出时，V=1
rsb ip, ip, #4 @ 当地址不按4字节对齐的时候，ip的值取值可能为1、2、3
@ 对于cmp指令，Z=1表示进行比较的两个数大小相等
cmp ip, #2 @ cmp影响
@ gt：带符号数大于，Z=0且N=V
ldr1b r1, r3, gt, abort=21f @ ip为3时将数据加载到r3寄存器中，同时r1=r1+1
@ ge：带符号数大于等于，N=1且V=1或N=0且V=0
ldr1b r1, r4, ge, abort=21f @ ip为2时将数据加载到r4寄存器中，同时r1=r1+1
ldr1b r1, lr, abort=21f @ ip为1时将数据加载到lr寄存器中，同时r1=r1+1
str1b r0, r3, gt, abort=21f
str1b r0, r4, ge, abort=21f
subs r2, r2, ip @ 更新拷贝的字节数
str1b r0, lr, abort=21f
@ 带符号数小于，N=1且V=0或N=0且V=1
blt 8b
ands ip, r1, #3 @ 测试源地址是否是4字节对齐的情况
@ eq 相等，Z=1，r1中的地址已按4字节对齐，则跳转到标号1处，否则继续向下执行
beq 1b
10: @ 处理源地址未按4字节对齐的情况
@ bic指令用于清除操作数1的某些位，并把结果放置到目的寄存器中
@ 将r1的低2位清0
bic r1, r1, #3
@ ip保存了r1的低两位，源地址的低2位与2比较
cmp ip, #2
@ 无条件执行，将r1寄存器指向的4字节数据加载到lr寄存器中，拷贝完r1=r1+4
ldr1w r1, lr, abort=21f
@ eq 相等，Z=1
@ ip寄存器和2相等
beq 17f
@ gt：带符号数大于，Z=0且N=V
@ ip寄存器大于2
bgt 18f
.macro forward_copy_shift pull push
@ r2寄存器减去28
subs r2, r2, #28
@ 带符号数小于，N=1且V=0或N=0且V=1，r2小于28跳转到14处
blt 14f
11: @ 保存r5-r9寄存器，同时更新sp寄存器，fd：满递减
stmfd sp!, {r5 - r9}
PLD( pld [r1, #0] )
subs r2, r2, #96 @ r2减去96
PLD( pld [r1, #28] )
blt 13f @ 带符号数小于，N=1且V=0或N=0且V=1，r2小于96跳转到13处
PLD( pld [r1, #60] )
PLD( pld [r1, #92] )
12: PLD( pld [r1, #124] )
13: @ lspull（小端） = lsr：逻辑右移
@ lspush（小端） = lsr：逻辑左移
ldr4w r1, r4, r5, r6, r7, abort=19f
@ lr逻辑右移pull位并存储到r3寄存器中
mov r3, lr, lspull #\pull
subs r2, r2, #32
ldr4w r1, r8, r9, ip, lr, abort=19f
@ r4逻辑左移push位，然后和r3或，最后将结果保存到r3中
@ 将r4的push位保存到r3的(32-push)位
orr r3, r3, r4, lspush #\push
mov r4, r4, lspull #\pull
orr r4, r4, r5, lspush #\push
mov r5, r5, lspull #\pull
orr r5, r5, r6, lspush #\push
mov r6, r6, lspull #\pull
orr r6, r6, r7, lspush #\push
mov r7, r7, lspull #\pull
orr r7, r7, r8, lspush #\push
mov r8, r8, lspull #\pull
orr r8, r8, r9, lspush #\push
mov r9, r9, lspull #\pull
orr r9, r9, ip, lspush #\push
mov ip, ip, lspull #\pull
orr ip, ip, lr, lspush #\push
str8w r0, r3, r4, r5, r6, r7, r8, r9, ip, , abort=19f
bge 12b
cmn r2, #96
bge 13b
ldmfd sp!, {r5 - r9}
14: ands ip, r2, #28
beq 16f
15: mov r3, lr, lspull #\pull
ldr1w r1, lr, abort=21f
subs ip, ip, #4
orr r3, r3, lr, lspush #\push
str1w r0, r3, abort=21f
bgt 15b
16: sub r1, r1, #(\push / 8)
b 8b
.endm
forward_copy_shift pull=8 push=24
17: forward_copy_shift pull=16 push=16
18: forward_copy_shift pull=24 push=8
.macro copy_abort_preamble
19: ldmfd sp!, {r5 - r9}
b 21f
20: ldmfd sp!, {r5 - r8}
21:
.endm
.macro copy_abort_end
ldmfd sp!, {r4, pc}
.endm
.type memcpy_gen, %function
@函数体的大小，.-memcpy_gen中的.代表当前指令的地址，
@即点.减去标号memcpy_gen，标号代表当前指令的地址
.size memcpy_gen, .-memcpy_gen
memcpy_neon_128使用NEON寄存器进行加速拷贝，一次拷贝128字节，适用于128字节的对齐拷贝。
@ void* memcpy_neon_128(void*, const void*, size_t);
@ 声明符号为全局作用域
.global memcpy_neon_128
@ 4字节对齐
.align 4
@ 声明memcpy_neno类型为函数
.type memcpy_neon_128, %function
memcpy_neon_128:
@ 保存neon寄存器
vpush.64 {d8-d15}
@ 保存返回值
mov r3, r0
0:
PLD( pld [r1, #512] )
subs r2, r2, #128
vldmia.64 r1!, {d0-d15}
vstmia.64 r0!, {d0-d15}
bgt 0b
@ 函数退出时将返回值保存到r0中
mov r0, r3
vpop.64 {d8-d15}
@ 将函数的返回地址保存搭配pc中，退出函数
mov pc, lr
.type memcpy_neon_128, %function
@函数体的大小，.-memcpy_neon_128中的.代表当前指令的地址，
@即点.减去标号memcpy_neon_128，标号代表当前指令的地址
.size memcpy_neon_128, .-memcpy_neon_128
（1）一次循环拷贝数据的字节数
（2）地址是否对齐
（3）pld预取对uncache拷贝影响很小
（1）大批量数据拷贝时，应将源地址和目的地址按32字节、64字节或128字节对齐
（2）按32字节、64字节或128字节对齐的数据，使用neon寄存器进行批量拷贝，若无neon寄存器，则使用arm寄存器进行批量拷贝
（3）若拷贝的字节数小于要求的字节数，则使用通用的方法进行拷贝
（4）uncache区域拷贝，预加载pld指令对拷贝速度的提升有限