艾莉兒的特殊配備：改造calling convention

還記得創作者之夏裡的這一段嗎？我在艾莉兒身上用了很多提升速度的技巧，所以她的執行速度相當快，底層效能夠好寫上層就不太需要煩惱效能。
我製作艾莉兒是用重視速度和火力，犧牲易用性的設計，以RPG來比喻的話，她的速度快但耐久力低。

本篇介紹其中一招：修改calling convention，寫好定義之後讓編譯器自己處理就行了，不用自己寫演算法，是比較容易做的優化。
先只介紹PC用的x86架構，手機常用的ARM架構還沒實際寫過。

碰過組合語言才比較能體會calling convention是什麼，這裡簡單介紹一下。字面意思是「呼叫協議」，像C/C++之類編譯成機器碼的語言，編譯之後就沒有變數名稱和資料型態這些東西了，變成只是記憶體裡的一堆byte，要有個規則規定各個參數放在記憶體裡的哪個位置或暫存器，否則如果呼叫函式時把參數放在esp+4的位置，但函式裡以為參數在esp+8就會出錯了。

CPU內部的暫存器存取比CPU外面的主記憶體快，因此一個提升速度的技巧是儘量把參數放在暫存器，這樣儲存、計算都可以在CPU裡完成，不用跑到外面的記憶體。
下面提到的SSE全名Streaming SIMD Extensions，它的向量運算功能也可以用來加速，但想用也要懂一點組合語言，以後有機會再介紹。

---

－x86 32位元－

這裡「32位元」指的是程式的位元數，而不是作業系統和CPU的位元數，如果在64位元OS執行32位元程式，那還是照32位元的規則。
32位元有兩個標準calling convention：cdecl和stdcall，都是把參數放在記憶體，最常用的兩個compiler：GCC和VC有提供方法改成用暫存器傳參數。
但這是非標準的編譯器特殊功能，所以最好只用在自己用的函式庫，或是exe(直接拿來執行，不會有其他程式call裡面的函式)，如果要做成函式庫給別人用，那還是要照標準的方式。

GCC

有兩個function attribute可以用：regparm和sseregparm，最多可以用3個整數暫存器和3個SSE暫存器，剩下的參數才放在記憶體，其中整數和指標放在整數暫存器，浮點數和向量放在SSE。
用法是宣告函式時這樣寫

int __attribute((regparm(3),sseregparm)) rectHitRect(const float* obj, float* v, const float* target);

如果翻GCC的compiler option說明可以看到有兩個flag：-mregparm和-msseregparm，加上去則所有函式都會用上面的calling convention，可是在Linux用的話所有不是你寫的函式庫，包括系統函式都要用這個flag編譯才能用，所以還是得用一個一個函式指定的方式。
參考：GCC說明文件關於x86的部分，function attribute、compiler option

VC

很久以來加速的方法只有fastcall，用兩個整數暫存器。VC 2013新增一個vectorcall，可以用2個整數和6個SSE暫存器放參數。(這是我在Cyber Sprite 2改用VC 2013的原因)
使用方法有二，一個是在函式宣告時加上__vectorcall

int __vectorcall rectHitRect(const float* obj, float* v, const float* target);

另一個是編譯時命令列加上/Gv，這樣只要沒指定calling convention的函式都會用vectorcall。跟Linux環境不同，Windows API裡所有函式宣告都有指定calling convention，沒有不相容的問題。
參考：VC 2013說明文件，vectorcall、compiler option

---

－x86 64位元－

64位元程式就沒有這種改造了，也比較不需要，因為標準就是用暫存器傳參數。x86_32發明的時候還沒有SSE，想用SSE得用後來新增非標準的方法，而x86_64出現的時候已經有SSE2了，設計時有把SSE考慮進去。

標準calling convention有這兩個。
sysv：用在Linux、Mac OSX等類UNIX系統。使用6個整數、8個SSE，前6個整數放在整數，前8個浮點數放在SSE，最多可以用14個暫存器。
Microsoft：用在Windows。4個整數或SSE，跟sysv不一樣的是，即使參數是整數、浮點數混合，也只有前4個放在暫存器，第5個以後的放記憶體。

Windows用VC的話，可以如32位元一樣加上__vectorcall，讓用的暫存器增加到4個整數、6個SSE。

---

關於calling convention可以配合使用兩個技巧。

第一個是static函式。global函式宣告成static代表「只能在這個編譯單位裡使用，不能讓其他編譯單位引用」，簡單說是只能在一個.c、.cpp檔裡使用。
(這和函式內的static變數及class的static member是不同的東西，C/C++把同一個static關鍵字用在不同的地方)

static int pointHitSegment(const float* obj, float* v,const float* self){ 　　…… } static int pointHitCircle(const float* obj, float* v,const float* self){ 　　…… }

compiler確定函式不會在其他地方被用到，就可以做最佳化，例如用非標準calling convention，如果函式夠短也會把它內嵌省下呼叫的消耗。
所以我這裡函式能做成static的就寫成static，class也禁止使用private member function，幾乎都用.cpp裡的static函式代替(除非是寫在header裡inline的)。

第二個我也還沒有廣泛使用。SSE暫存器大小有128位元(16 byte)，除了放單個浮點數以外也可以放向量，如果有個float[4]參數，以往通常的的做法是放在主記憶體裡再把它的指標傳入

float objRect[4]; float targetRect[4]; float v[2]; rectHitRect(objRect, v, targetRect);

用上面那些calling convention把SSE暫存器搬出來用的話，將參數宣告成__m128型態，可以把這4個float塞在一個SSE暫存器裡。

#include<xmmintrin.h> int rectHitRect(__m128 obj, __m128 v, __m128 target); 　　…… __m128 objRect; __m128 targetRect; __m128 v; rectHitRect(objRect, v, targetRect);

但是函式內外也要用SSE指令處理這個向量才能發揮威力，否則函式外多做了把純量包進SSE的工作，函式內再把向量拆成純量，反而比較慢。
還有C/C++ call by reference要用指標模擬，想在return值以外傳回其他東西還是要用指標。

---

綜合以上的方法，我給艾莉兒加了這一段，自動選擇該平台最快的calling convention

#ifdef _MSC_VER 　　#if _MSC_VER>=1800 //VC 2013以後 　　　　#define REGPARM __vectorcall 　　#else 　　　　#define REGPARM __fastcall 　　#endif #elif defined __GNUC__ 　　#ifdef __i386 　　　　#define REGPARM __attribute((regparm(3),sseregparm)) 　　#elif defined __amd64 　　　　#define REGPARM 　　#endif #endif

然後所有的函式宣告都加上REGPARM，不論獨立的函式或class member，用VC編譯時也加上/Gv。

int REGPARM rectHitRect(const float* obj, float* v, const float* target); class TileMap{ 　　int REGPARM load(const char* chunk, int size, int layer); 　　int REGPARM hit(int shape, const float* obj, float v[2]) const; };

---

昨天一時興起做了另一個改造，把部分碰撞判定演算法改成用SSE來算，實測結果執行時間減少約25%。
因為即使寫了「v[0]=v[0]+obj[0]; v[1]=v[1]+obj[1]; v[2]=…………」，從產生的組合語言程式碼可以看出compiler也不會把它向量化，還是用純量指令一個一個算，compiler在這方面沒有很聰明，想用SSE的向量運算還是得人工寫指令。
雖然有多少實質效益很難說，但是向速度極限挑戰是很有趣的。

寫到這裡好奇一件事，現在一般人都是用64位元作業系統了，很多應用程式也有提供64位元的版本。
如果我這裡以後的作品都編譯成64位元，會不會有人的電腦不能執行？