ARM架构中LDR（无符号偏移）与LDUR（无缩放）指令差异及性能问询

假设x1寄存器的值为0x10001000，以下两条指令功能完全相同，均会将0x10001004-0x10001007地址范围内的4字节数据加载到w6寄存器中：

ldr   w6, [x1, #4]   // "无符号偏移"（立即数）
ldur  w6, [x1, #4]   // "无缩放"加载

指令特性总结 #

• 32位LDR（立即数）指令仅支持4的正整数倍作为预增量偏移；64位LDR（立即数）则仅支持8的正整数倍作为预增量偏移，因此以下两条指令属于非法指令：

ldr   w6, [x1, #1]   // 非法
ldr   w6, [x1, #-4]  // 非法

• 若需要使用负偏移或非对齐地址传输数据，必须使用LDUR指令：

ldur  w6, [x1, #1]        // 加载地址0x10001001-0x10001004的字节数据
ldur  w6, [x1, #-4]       // 加载地址0x10000ffc-0x10001000的字节数据

问题与解答 #

问题1：为何区分LDR（无符号偏移）与LDUR（无缩放）指令？ #

最初推测LDUR的延迟远高于LDR（立即数），ARM是为了让开发者明确感知到潜在性能损耗才分开实现。后续经提醒得知：LDR指令因限制偏移为4/8的整数倍，能支持更大范围的立即数偏移，这是两者拆分的核心原因。

问题2：Neoverse架构下三种实现方式的性能对比 #

已知SVE向量指令集更适合批量数据加载场景，此处仅为加深对LDUR的理解。在最新Neoverse架构上，对比以下三种批量加载实现的性能优劣（无法通过QEMU模拟测试）：

#1                        #2                  #3 (后增量修改x1寄存器)
ldur x2, [x1, # -4]       sub x1, x1, 4       ldr x2, [x1], #-4
ldur x3, [x1, # -8]       ldr x2, [x1]        ldr x3, [x1], #-4
ldur x4, [x1, #-12]       sub x1, x1, 4       ldr x4, [x1], #-4
ldur x5, [x1, #-16]       ldr x3, [x1]        ldr x5, [x1], #-4
ldur x6, [x1, #-20]       sub x1, x1, 4       ldr x6, [x1], #-4
ldur x7, [x1, #-24]       ldr x4, [x1]        ldr x7, [x1], #-4
ldur x8, [x1, #-28]       sub x1, x1, 4       ldr x8, [x1], #-4
ldur x9, [x1, #-32]       ldr x5, [x1]        ldr x9, [x1], #-4
                          sub x1, x1, 4
                          ldr x6, [x1]
                          sub x1, x1, 4
                          ldr x7, [x1]
                          sub x1, x1, 4
                          ldr x8, [x1]
                          sub x1, x1, 4
                          ldr x9, [x1]

经指引参考ARM《软件优化指南》，此类批量操作的推荐方式是通过循环展开最大化指令并行性。

内容的提问来源于stack exchange，提问作者Lance E.T. Compte