ARM架构下BX指令相较MOV pc,R的非Thumb互用优势探究

阿华AIGC实验室

2026-5-8

关于ARM架构中BX vs MOV pc,R的性能与设计考量

你提到Linux里优先用BX的汇编宏，确实有历史和架构设计层面的原因——虽然你的基准测试在多款现代ARM核上没测出明显差异，但还是得从分支预测硬件设计、架构兼容性和官方语义规范这几个角度拆解：

1. 早期ARM核的分支预测硬件限制

ARM1176的文档指出返回预测仅识别BX lr及部分加载指令，这是早期ARM核分支预测单元（BPU）的设计约束：这类核的返回栈预测器（RSP）只会把BX lr视为函数返回的标志性指令，而MOV pc, lr不会触发RSP的预测动作。

至于你的树莓派1测试没体现出差异，可能的原因包括：

测试场景里的无效计算指令耗时远超过分支延迟，掩盖了分支预测的优势
内核版本或编译器优化导致实际执行的指令和手写汇编存在差异
ARM1176的RSP本身预测精度有限，在特定负载下优势不明显

2. 全系列架构兼容性的前瞻性设计

Linux的宏优先用BX，本质是为了兼容全系列ARM核——哪怕现代核（Cortex-A72、Neoverse-N1）已经能识别MOV pc, lr作为返回指令，但早期核（比如ARM9、部分ARM11型号）做不到。用BX可以保证在所有支持ARMv4T及以上的核上都能获得最优的分支预测表现，不用针对不同核做分支处理。

另外，BX本身是ARM架构里标准的返回指令语义，ARM官方编程指南也推荐用BX lr（或BLX）作为函数返回，而MOV pc, lr更多是早期没有BX指令时的替代方案，属于“兼容式写法”而非“最优写法”。

3. 你的基准测试数据解读

从你给出的测试结果来看：

在Cortex-A17、A72、Neoverse-N1这些现代核上，BX lr和MOV pc, lr的性能几乎无差异，说明这些核的BPU已经能把两种指令都识别为返回操作，触发RSP预测
div_bx2（在r3上做无效计算）比div_bx（操作lr）快很多，这是因为lr是链接寄存器，部分核对lr的读写有额外的流水线约束，和BX/MOV本身无关
移除BLX测试里的nop导致性能下降，是因为指令对齐和流水线填充的问题，和BX的分支预测无关

总结：优先用BX的理由（除Thumb互用外）

历史核的分支预测支持：早期ARM核的返回栈预测只识别BX lr，用它能保证在老核上获得更好的性能
官方语义的规范性：ARM架构规范把BX定义为标准的分支/返回指令，MOV pc, R属于通用寄存器跳转，语义上更偏向“任意跳转”而非“函数返回”
未来兼容性：哪怕现有核已经支持两种指令的预测，未来的ARM核可能会对标准语义的BX做更多优化，而MOV pc, R可能不会被优先考虑

补充测试代码与结果

核心测试代码（64字节对齐）

; 在lr寄存器上执行无效计算并通过BX返回
div_bx
mov r9, #2
mul lr, r9, lr
udiv lr, lr, r9
mul lr, r9, lr
udiv lr, lr, r9
bx lr

; 在其他寄存器上执行无效计算并通过BX返回
div_bx2
mov r9, #2
mul r3, r9, lr
udiv r3, r3, r9
mul r3, r9, r3
udiv r3, r3, r9
bx lr

; 在lr寄存器上执行无效计算并通过MOV返回
div_mov
mov r9, #2
mul lr, r9, lr
udiv lr, lr, r9
mul lr, r9, lr
udiv lr, lr, r9
mov pc, lr

; 使用传统函数指针序列调用
movmov
push {lr}
loop
mov lr, pc
mov pc, r1
mov lr, pc
mov pc, r1
mov lr, pc
mov pc, r1
mov lr, pc
mov pc, r1
subs r0, r0, #1
bne loop
pop {pc}

; 使用BLX调用
blx
push {lr}
loop
nop
blx r1
nop
blx r1
nop
blx r1
nop
blx r1
subs r0, r0, #1
bne loop
pop {pc}

每1亿次循环耗时（秒）

Neoverse-N1 r3p1 (AWS c6g.medium)

	mov+mov	blx
div_bx	5.73	1.70
div_mov	5.89	1.71
div_bx2	2.81	1.69

Cortex-A72 r0p3 (AWS a1.medium)

	mov+mov	blx
div_bx	5.32	1.63
div_mov	5.39	1.58
div_bx2	2.79	1.63

Cortex-A17 r0p1 (ASUS C100P)

	mov+mov	blx
div_bx	12.52	5.69
div_mov	12.52	5.75
div_bx2	5.51	5.56

扩展测试代码与结果

header: .string " Calle BL B Difference"
format: .string "%12s %7i %7i %11i\n"
.align
.global main
main:
push {r3-r5, lr}
adr r0, header
bl puts
@ Warm up
bl clock
mov r0, #0x40000000
1: subs r0, r0, #1
bne 1b
bl clock
.macro run_test test
2: bl 1f
nop
bl clock
mov r4, r0
ldr r0, =10000000
.balign 64
3: mov lr, pc
bl 1f
nop
mov lr, pc
bl 1f
nop
mov lr, pc
bl 1f
nop
subs r0, r0, #1
bne 3b
bl clock
mov r5, r0
ldr r0, =10000000
.balign 64
5: mov lr, pc
b 1f
nop
mov lr, pc
b 1f
nop
mov lr, pc
b 1f
nop
subs r0, r0, #1
bne 5b
bl clock
sub r2, r5, r4
sub r3, r0, r5
sub r0, r3, r2
str r0, [sp]
adr r1, 4f
ldr r0, =format
bl printf
b 2f
.ltorg
4: .string "\test"
.balign 64
1:
.endm
run_test mov
mov lr, lr
mov pc, lr
run_test bx
mov lr, lr
bx lr
run_test mov_mov
mov r2, lr
mov pc, r2
run_test mov_bx
mov r2, lr
bx r2
run_test pp_mov_mov
push {r1-r11, lr}
pop {r1-r11, lr}
mov r12, lr
mov pc, r12
run_test pp_mov_bx
push {r1-r11, lr}
pop {r1-r11, lr}
mov r12, lr
bx r12
run_test pp_mov_mov_f
push {r0-r11}
pop {r0-r11}
mov r12, lr
mov pc, r12
run_test pp_mov_bx_f
push {r0-r11}
pop {r0-r11}
mov r12, lr
bx r12
run_test pp_mov
push {r1-r11, lr}
pop {r1-r11, lr}
mov r12, lr
mov pc, lr
run_test pp_bx
push {r1-r11, lr}
pop {r1-r11, lr}
mov r12, lr
bx lr
run_test pp_mov_f
push {r0-r11}
pop {r0-r11}
mov r12, lr
bx lr
run_test pp_bx_f
push {r0-r11}
pop {r0-r11}
mov r12, lr
bx lr
run_test add_mov
nop
add r2, lr, #4
mov pc, r2
run_test add_bx
nop
add r2, lr, #4
bx r2
2: pop {r3-r5, pc}

Cortex-A17测试结果

Calle      BL       B    Difference
mov      94492  255882      161390
bx       94673  255752      161079
mov_mov  255872  255806         -66
mov_bx   255902  255796        -106
pp_mov_mov 506079 506132          53
pp_mov_bx  506108 506262         154
pp_mov_mov_f 439339 439436         97
pp_mov_bx_f  439437 439776        339
pp_mov   247941  495527      247586
pp_bx    247891  494873      246982
pp_mov_f 230846  422626      191780
pp_bx_f  230850  422772      191922
add_mov  255997  255896        -101
add_bx   255900  256288         388

ARM1176（树莓派1）测试结果

Calle      BL       B    Difference
mov     464367  464372           5
bx      464343  465104         761
mov_mov 464346  464417          71
mov_bx  464280  464577         297
pp_mov_mov 1073684 1074169         485
pp_mov_bx  1074009 1073832        -177
pp_mov_mov_f 769160 768757        -403
pp_mov_bx_f  769354 769368          14
pp_mov  885585 1030520       144935
pp_bx   885222 1032396       147174
pp_mov_f 682139  726129        43990
pp_bx_f 682431  725210        42779
add_mov 494061  493306        -755
add_bx  494080  493093        -987

内容的提问来源于stack exchange，提问作者Timothy Baldwin