堆栈问题：局部变量与算术

Question

我有一个关于保存算术计算以限制堆栈使用是否好的问题。

假设我有一个像这样的递归函数：

void foo (unsigned char x, unsigned char z) {
    if (!x || !z)
        return;
    // Do something
    for (unsigned char i = 0; i < 100; ++i) {
        foo(x - 1, z);
        foo(x, z - 1);
    }
}

这里主要看到的是 x - 1 和 z - 1 在循环中每次评估。
为了提高性能，我会这样做：

const unsigned char minus_x = x - 1;
const unsigned char minus_z = z - 1;
for (unsigned char i = 0; i < 100; ++i) {
    foo(minus_x, z);
    foo(x, minus_z);
}

但是这样做意味着在每次调用时，minus_x 和 minus_z 都会保存在堆栈中。递归函数可能被调用数千次，这意味着堆栈中使用了数千个字节。此外，所涉及的数学并不像-1 那样简单。

这是个好主意吗？
编辑：它实际上没用，因为它是编译器的标准优化：Loop-invariant code motion（参见 HansPassant 的评论）

使用包含以下计算的静态数组会更好：

static const char minuses[256] = {/* 0 for x = 0; x - 1 for x = 1 to 255 */}

然后做：

foo(minuses[x], z);
foo(x, minuses[z]);

这种方法极大地限制了所需的实际数学运算，但在每次调用时，它必须获取数组中的单元格，而不是从寄存器中读取它。

我正在尝试尽可能多地进行基准测试以找到最佳解决方案，但如果有最佳实践或我在这里遗漏了什么，请告诉我。

Answer 1

FWIW，我用 gcc 尝试了这个，两个函数 foo_1()（没有额外的变量）和 foo_2()（额外的变量）。

使用 -03 gcc 展开 for 循环 (!)，这两个函数的大小完全相同，但代码不完全相同。很遗憾我没有时间弄清楚它们的不同之处和原因。

使用-02 gcc 为foo_1 和foo_2 生成完全相同的代码。正如人们所期望的那样，它为x、z、x-1、z-1 和i 分配了一个寄存器，并推送/弹出这些寄存器以保留父级的值——使用 6 x 8（64 位机器) 每次调用的堆栈字节数（包括返回地址）。

您报告使用了 24 字节的堆栈...那是 32 位机器吗？

使用 -O0，情况有所不同，foo_1 每次都在循环中执行 x-1 和 z-1，并且在这两种情况下，变量都保存在内存中。 foo_1 稍微短一些，我怀疑减法在现代处理器上没有任何区别！在这种情况下，foo_1 和 foo_2 使用了相同数量的堆栈。这是因为foo 中的所有变量都是unsigned char，并且额外的minus_x 和minus_z 与i 打包在一起，使用空间，否则会填充。如果将minus_x 和minus_z 更改为unsigned long long，就会有所不同。奇怪的是，foo_1 也使用了 6 x 8 字节的堆栈。堆栈帧中有 16 个未使用的字节，所以即使考虑到将 RSP 和 RBP 对齐到 16 个字节边界，它似乎使用的比它需要的多……我不知道为什么。

我快速浏览了x - 1 的静态数组。对于 -O0，它对堆栈的使用没有影响（出于与以前相同的原因）。对于 -O2，它查看了 foo(x, minuses[z]); 并将 minuses[z] 提升到了循环之外！哪一个应该预料到...并且堆栈使用保持不变（6 x 8）。

更一般地说，正如其他地方所指出的那样，任何有效的优化量都会尽可能地将计算提升到循环之外。正在发生的另一件事是大量使用寄存器来保存变量——真实变量（你已经命名的那些）和“伪”变量（保存被提升的东西的预先计算的结果）。这些寄存器需要在子程序的调用中保存——无论是由调用者还是被调用者。 x86 push/pop 对整个寄存器进行操作，因此寄存器中保存的 unsigned char 将需要完整的 8 或 4（64 位或 32 位模式）字节的堆栈。但是，嘿，这就是您为优化付出的代价！

我并不完全清楚您最关心的是运行时还是堆栈使用。无论哪种方式，消息都是由编译器决定，当且仅当事情太慢时才担心，然后只担心分析显示的位有问题！