AArch64内联汇编函数移除inline后编译动态库失败的问题咨询

在Linux AArch64架构下使用gcc 7.3.0编译器时遇到内联汇编相关问题：

原有带inline属性的内联函数vcopyq_laneq_u8_inner可正常编译链接为可执行程序，代码如下：

uint8x16_t vcopyq_laneq_u8_inner(uint8x16_t a, const int b, uint8x16_t c, const int d)
{
    uint8x16_t res;
    __asm__ __volatile__(
    :"ins %[dst].B[%[dlane]], %[src].B[%[slane]]    \n\t"
    :[dst] "=w"(res)
    :"0"(a), [dlane]"i"(b), [src]"w"(c), [slane]"i"(d)
    :);
    return res;
}

现在需要将该函数编译为动态库，移除了inline关键字后编译失败，报错信息如下：

warning: asm operand 2 probably doesn't match constraints
warning: asm operand 4 probably doesn't match constraints
error: impossible constraint in 'asm'

推测错误原因是内联汇编的"i"约束要求操作数为立即数，但参数b、d是const int变量。目前想到的解决方法是通过256个if-else判断将b和d替换为立即数，但该方式效率极低。现咨询两个问题：

1. 为何该函数带inline属性时可编译为可执行程序，移除后编译动态库却失败？
2. 是否存在高效方法避免编写大量if-else语句？

问题1解答 #

当函数带inline属性时，编译器会将函数内联到调用它的代码中。此时如果调用该函数时传入的b和d是编译期可知的立即数，gcc会直接把这些立即数代入内联汇编的"i"约束，满足要求，因此可以正常编译。

而移除inline关键字后，函数作为独立的动态库函数存在，编译器无法预知调用时传入的b和d的值——它们可能是运行时才能确定的变量，而内联汇编的"i"约束强制要求操作数是编译期可见的立即数，此时编译器无法满足这个约束，因此报错。

问题2解答 #

有两种高效的解决方案，不需要写大量if-else：

方案1：使用ARM NEON内置函数替代内联汇编 #

直接用ARM官方提供的内置函数实现相同功能，完全避免手写内联汇编的麻烦。gcc会自动将这些内置函数优化为高效的ins指令，代码可读性和可移植性也更好：

#include <arm_neon.h>

uint8x16_t vcopyq_laneq_u8_inner(uint8x16_t a, const int b, uint8x16_t c, const int d)
{
    // 提取c的第d个lane的uint8_t值
    uint8_t lane_val = vgetq_lane_u8(c, d);
    // 将该值写入a的第b个lane并返回
    return vsetq_lane_u8(lane_val, a, b);
}

方案2：编译期分支优化 #

利用gcc的__builtin_constant_p宏，在编译期判断参数是否为立即数，分别处理两种场景：

#include <arm_neon.h>

uint8x16_t vcopyq_laneq_u8_inner(uint8x16_t a, const int b, uint8x16_t c, const int d)
{
    if (__builtin_constant_p(b) && __builtin_constant_p(d)) {
        // 参数是编译期立即数时，用原内联汇编实现高效指令
        uint8x16_t res;
        __asm__ __volatile__(
            "ins %[dst].B[%[dlane]], %[src].B[%[slane]]    \n\t"
            : [dst] "=w"(res)
            : "0"(a), [dlane]"i"(b), [src]"w"(c), [slane]"i"(d)
            :);
        return res;
    } else {
        // 参数是运行时变量时，用内置函数处理
        uint8_t lane_val = vgetq_lane_u8(c, d);
        return vsetq_lane_u8(lane_val, a, b);
    }
}

这种方式既保留了立即数场景下的高效性，又兼容了运行时变量的情况，无需编写大量分支判断。

内容的提问来源于stack exchange，提问作者SnowDance1997