汇编中使用ALIGN 16对齐函数至16字节边界的性能收益探究

我好奇将性能关键的汇编函数对齐到16字节边界是否真的能带来收益，还是说这只是如今可以安全忽略的微优化？

示例代码：align16.asm #

.686P
.model flat, stdcall
option casemap :none

includelib libcmt.lib
includelib legacy_stdio_definitions.lib

printf PROTO NEAR C,:DWORD,:BYTE

.data
    HelloWorld db "Hello World %c",13,10,0

.code

nop

;ALIGN 16

MyFunA PROC
    invoke  printf,ADDR HelloWorld,'A'
    ret         
MyFunA ENDP

nop

;ALIGN 16

MyFunB PROC
    invoke  printf,ADDR HelloWorld,'B'
    ret         
MyFunB ENDP

main PROC NEAR C
    invoke  MyFunA
    invoke  MyFunB
    ret
main ENDP
END

未使用ALIGN 16的情况 #

当不使用ALIGN 16时，函数会连续排列，无任何填充：

00401000: 90                 nop
_MyFunA@0:
  00401001: 6A 41              push        41h
  00401003: 68 00 A0 45 00     push        45A000h
  00401008: E8 7B 1D 00 00     call        _printf
  0040100D: 83 C4 08           add         esp,8
  00401010: C3                 ret
  00401011: 90                 nop
_MyFunB@0:
  00401012: 6A 42              push        42h
  00401014: 68 00 A0 45 00     push        45A000h
  00401019: E8 6A 1D 00 00     call        _printf
  0040101E: 83 C4 08           add         esp,8
  00401021: C3                 ret

使用ALIGN 16的情况 #

取消ALIGN 16的注释后，汇编器会插入填充，使函数对齐到16字节边界：

00401000: 90                 nop
  00401001: 8D A4 24 00 00 00  lea         esp,[esp] ; <---|
            00                                       ;     |
  00401008: 8D A4 24 00 00 00  lea         esp,[esp] ;     |- Padding
            00                                       ;     |
  0040100F: 90                 nop                   ; <---|
_MyFunA@0:
  00401010: 6A 41              push        41h
  00401012: 68 00 A0 45 00     push        45A000h
  00401017: E8 8B 1D 00 00     call        _printf
  0040101C: 83 C4 08           add         esp,8
  0040101F: C3                 ret
  00401020: 90                 nop
  00401021: 8D A4 24 00 00 00  lea         esp,[esp] ; <---|
            00                                       ;     |
  00401028: 8D A4 24 00 00 00  lea         esp,[esp] ;     |- Padding
            00                                       ;     |
  0040102F: 90                 nop                   ; <---|
_MyFunB@0:
  00401030: 6A 42              push        42h
  00401032: 68 00 A0 45 00     push        45A000h
  00401037: E8 6B 1D 00 00     call        _printf
  0040103C: 83 C4 08           add         esp,8
  0040103F: C3                 ret

构建脚本：Build.bat #

以下是用于汇编、链接和反汇编代码的批处理脚本：

@echo on

if not defined DevEnvDir (
  call "C:\Program Files (x86)\Microsoft Visual Studio\2019\Professional\VC\Auxiliary\Build\vcvars32.bat" x86
)

ml.exe /c /coff /W3 /Sa /Zi /Zd /Flalign16.lst align16.asm
link.exe /DEBUG /INCREMENTAL:NO /subsystem:console align16.obj
dumpbin /DISASM align16.exe > align16.txt

对齐16字节的实际收益 #

• 缓存效率提升：现代CPU的指令缓存以16字节为基本加载块，函数入口未对齐时可能横跨两个缓存块，首次执行需加载两块缓存，增加延迟。对齐后函数能完整落在单个缓存块内，减少缓存 miss 概率。
• 流水线与分支预测优化：CPU的指令流水线和分支预测单元对对齐代码的处理效率更高，未对齐的函数入口可能触发流水线停顿，在高频调用的性能关键函数中，这类停顿的累积影响会很显著。
• SIMD场景额外优势：若函数包含SSE/AVX等SIMD指令，16字节对齐不仅适配代码缓存，还能避免数据操作时的对齐修正开销，进一步提升执行效率。

无需刻意对齐的场景 #

• 非性能关键函数：如果函数调用频率低、执行逻辑简单，对齐带来的性能提升微乎其微，反而会因填充指令增加二进制体积。
• 编译器自动优化：主流编译器（MSVC、GCC等）对标记为性能关键的函数会自动做适当对齐，手写普通汇编函数时可依赖编译器优化，无需手动指定。

内容的提问来源于stack exchange，提问作者vengy