指令在解码成机器语言时重复两次，

Question

我基本上是在学习如何在X86架构中编写自己的指令，但为了做到这一点，我理解了它们是如何被解码和解释成一种低级语言的。

通过举一个简单的mov指令的例子，并使用.byte符号，我想详细了解指令是如何解码的，

我的简单代码如下：

#include <stdio.h>
#include <iostream>



int main(int argc, char const *argv[])
{
    int x{5};
    int y{0};

    // mov %%eax, %0

asm (".byte 0x8b,0x45,0xf8\n\t" //mov %1, eax
    ".byte 0x89, 0xC0\n\t"
    : "=r" (y)
    : "r" (x)

   );



   printf ("dst value : %d\n", y);

    return 0;
} 

当我使用objdump分析它是如何被分解成机器语言时，我得到了以下输出：

000000000000078a <main>:
 78a:    55                       push   %ebp
 78b:    48                       dec    %eax
 78c:    89 e5                    mov    %esp,%ebp
 78e:    48                       dec    %eax
 78f:    83 ec 20                 sub    $0x20,%esp
 792:    89 7d ec                 mov    %edi,-0x14(%ebp)
 795:    48                       dec    %eax
 796:    89 75 e0                 mov    %esi,-0x20(%ebp)
 799:    c7 45 f8 05 00 00 00     movl   $0x5,-0x8(%ebp)
 7a0:    c7 45 fc 00 00 00 00     movl   $0x0,-0x4(%ebp)
 7a7:    8b 45 f8                 mov    -0x8(%ebp),%eax
 7aa:    8b 45 f8                 mov    -0x8(%ebp),%eax
 7ad:    89 c0                    mov    %eax,%eax
 7af:    89 45 fc                 mov    %eax,-0x4(%ebp)
 7b2:    8b 45 fc                 mov    -0x4(%ebp),%eax
 7b5:    89 c6                    mov    %eax,%esi
 7b7:    48                       dec    %eax
 7b8:    8d 3d f7 00 00 00        lea    0xf7,%edi
 7be:    b8 00 00 00 00           mov    $0x0,%eax
 7c3:    e8 78 fe ff ff           call   640 <printf@plt>
 7c8:    b8 00 00 00 00           mov    $0x0,%eax
 7cd:    c9                       leave  
 7ce:    c3                       ret    

关于objdump的这个输出，为什么指令7aa: 8b 45 f8 mov -0x8(%ebp),%eax重复了两次，这背后有什么原因吗，或者我在使用.byte表示法时做错了什么？

Answer 1

其中之一是编译器生成的，因为您要求GCC在选择寄存器时为您提供输入。这就是"r"(x)的意思。并且您在编译时禁用了优化(默认-O0)，因此它实际上将x存储到内存中，然后在您的asm语句之前重新加载它。

你的代码不需要对内存的内容或者指向的地方做任何假设。

因为你使用的是89 c0 mov %eax,%eax，所以你的asm语句唯一安全的约束是输入和输出的显式寄存器约束， 强制编译器选择它。如果你在启用优化的情况下编译，你的代码完全崩溃，因为你欺骗了编译器关于你的代码实际做了什么。

// constraints that match your manually-encoded instruction
asm (".byte 0x89, 0xC0\n\t"
    : "=a" (y)
    : "a" (x)
   );

没有强制要求GCC为"m"源或"=m"目标操作数选择特定寻址模式的约束，因此您需要要求特定寄存器中的输入/输出。

如果你想对自己的mov指令进行不同于标准mov的编码，请参见which MOV instructions in the x86 are not used or the least used, and can be used for a custom MOV extension -你可能想在常规的mov操作码之前使用前缀，这样你就可以让汇编程序为你编码寄存器和寻址模式，比如.byte something; mov %1, %0。

查看编译器-生成asm输出(gcc -S，而不是.o或可执行文件的反汇编)。然后您可以看到哪些指令来自asm语句，哪些指令是由GCC发出的。

如果您没有在asm模板中显式引用某些操作数，但仍希望查看编译器选取的内容，则可以在asm注释中使用它们，如下所示：

asm (".byte 0x8b,0x45,0xf8    # 0 = %0   1 = %1  \n\t"
    ".byte 0x89, 0xC0\n\t"
    : "=r" (y)
    : "r" (x)
   );

而gcc会帮你填上它，这样你就可以看到它希望你读写的是什么操作数。(带有g++ -m32 -O3的Godbolt)。我把你的代码放在void foo(){}中，而不是main中，因为GCC -m32认为它需要重新对齐main顶部的堆栈。这使得代码更难理解。

# gcc-9.2 -O3 -m32 -fverbose-asm
.LC0:
        .string "dst value : %d\n"
foo():
        subl    $20, %esp       #,
        movl    $5, %eax        #, tmp84
 ## Notice that GCC hasn't set up EBP at all before it runs your asm,
 ## and hasn't stored x in memory.
 ## It only put it in a register like you asked it to.
        .byte 0x8b,0x45,0xf8   # 0 = %eax   1 = %eax    # y, tmp84
        .byte 0x89, 0xC0

        pushl   %eax  # y
        pushl   $.LC0 #
        call    printf  #
        addl    $28, %esp       #,
        ret

还要注意的是，如果你编译为64位，它可能会选择%esi作为寄存器，因为printf希望它的第二个参数在那里。因此，"a"而不是"r"约束实际上很重要。

如果你给一个必须在函数调用中存活下来的变量赋值，你可以让32位的GCC使用一个不同的寄存器；然后，GCC会选择一个调用保留的寄存器，比如EBX，而不是EAX。