Clang O0编译下SSE内联函数为何产生XMM与栈的往返移动指令

算力阿峰

2026-8-29

问题描述

在代码中将128位变量初始化为零，但无法理解对应汇编代码生成两条冗余移动指令的原因，相关代码如下：

__m128i zeros = reinterpret_cast<__m128i>(_mm_setzero_pd());

对应汇编片段中，xmm0寄存器与0x40(%rsp)栈地址之间存在无意义的往返移动：

00709658: 0F 57 C0                   xorps  %xmm0, %xmm0 
0070965B: 66 0F 29 44 24 40          movapd %xmm0, 0x40(%rsp)
00709661: 66 0F 28 44 24 40          movapd 0x40(%rsp), %xmm0

复现环境为Clang 10.0，未开启编译优化，最小复现代码如下：

template <int LEN>
bool SSEEncodeChunk(const char** srcp, char** dstp) {
    __m128i data = _mm_loadu_si128(reinterpret_cast<const __m128i*>(*srcp));
    __m128i zeros = reinterpret_cast<__m128i>(_mm_setzero_pd());
    __m128i zero_bytes = _mm_cmpeq_epi8(data, zeros);
    bool all_zeros = _mm_testz_si128(zero_bytes, zero_bytes);
    if ((!all_zeros)) {
        return false;
    }
    _mm_storeu_si128(reinterpret_cast<__m128i*>(*dstp), data);
    *dstp += LEN;
    *srcp += LEN;
    return true;
}

补充信息

6月28日更新：所用Clang为Ubuntu 20.04源自带的clang version 10.0.0-4ubuntu1
-O0编译选项下（已确认开启-fomit-frame-pointer）的完整汇编中存在大量xmm寄存器与栈偏移地址的往返移动，最初提问仅截取了部分片段，完整反汇编如下：

(lldb) disassemble --name SSEEncodeChunk
index_type_traits_test`SSEEncodeChunk<16>:
[0x709630] <+0>:   subq   $0x58, %rsp
[0x709634] <+4>:   movq   %rdi, -0x38(%rsp)
[0x709639] <+9>:   movq   %rsi, -0x40(%rsp)
[0x70963e] <+14>:  movq   -0x38(%rsp), %rax
[0x709643] <+19>:  movq   (%rax), %rax
[0x709646] <+22>:  movq   %rax, -0x28(%rsp)
[0x70964b] <+27>:  movq   -0x28(%rsp), %rax
[0x709650] <+32>:  movups (%rax), %xmm0
[0x709653] <+35>:  movaps %xmm0, -0x50(%rsp)
[0x709658] <+40>:  xorps  %xmm0, %xmm0
[0x70965b] <+43>:  movapd %xmm0, 0x40(%rsp)             ; 最初提问关注的指令位置
[0x709661] <+49>:  movapd 0x40(%rsp), %xmm0
[0x709667] <+55>:  movapd %xmm0, -0x60(%rsp)
[0x70966d] <+61>:  movaps -0x50(%rsp), %xmm0
[0x709672] <+66>:  movaps -0x60(%rsp), %xmm1
[0x709677] <+71>:  movaps %xmm0, 0x30(%rsp)
[0x70967c] <+76>:  movaps %xmm1, 0x20(%rsp)
[0x709681] <+81>:  movaps 0x30(%rsp), %xmm0
[0x709686] <+86>:  movaps 0x20(%rsp), %xmm1
[0x70968b] <+91>:  pcmpeqb %xmm1, %xmm0
[0x70968f] <+95>:  movdqa %xmm0, -0x70(%rsp)
[0x709695] <+101>: movdqa -0x70(%rsp), %xmm0
[0x70969b] <+107>: movdqa -0x70(%rsp), %xmm1
[0x7096a1] <+113>: movdqa %xmm0, 0x10(%rsp)
[0x7096a7] <+119>: movdqa %xmm1, (%rsp)
[0x7096ac] <+124>: movdqa 0x10(%rsp), %xmm0
[0x7096b2] <+130>: movdqa (%rsp), %xmm1
[0x7096b7] <+135>: ptest  %xmm1, %xmm0
[0x7096bc] <+140>: sete   %cl
[0x7096bf] <+143>: movzbl %cl, %edx
[0x7096c2] <+146>: cmpl   $0x0, %edx
[0x7096c5] <+149>: setne  %cl
[0x7096c8] <+152>: andb   $0x1, %cl
[0x7096cb] <+155>: movb   %cl, -0x71(%rsp)
[0x7096cf] <+159>: movb   -0x71(%rsp), %cl
[0x7096d3] <+163>: xorb   $-0x1, %cl
[0x7096d6] <+166>: testb  $0x1, %cl
[0x7096d9] <+169>: jne    0x7096e4
[0x7096df] <+175>: jmp    0x7096ee
[0x7096e4] <+180>: movb   $0x0, -0x29(%rsp)
[0x7096e9] <+185>: jmp    0x70973f
[0x7096ee] <+190>: movq   -0x40(%rsp), %rax
[0x7096f3] <+195>: movq   (%rax), %rax
[0x7096f6] <+198>: movdqa -0x50(%rsp), %xmm0
[0x7096fc] <+204>: movq   %rax, -0x8(%rsp)
[0x709701] <+209>: movdqa %xmm0, -0x20(%rsp)
[0x709707] <+215>: movdqa -0x20(%rsp), %xmm0
[0x70970d] <+221>: movq   -0x8(%rsp), %rax
[0x709712] <+226>: movdqu %xmm0, (%rax)
[0x709716] <+230>: movq   -0x40(%rsp), %rax
[0x70971b] <+235>: movq   (%rax), %rcx
[0x70971e] <+238>: addq   $0x10, %rcx
[0x709725] <+245>: movq   %rcx, (%rax)
[0x709728] <+248>: movq   -0x38(%rsp), %rax
[0x70972d] <+253>: movq   (%rax), %rcx
[0x709730] <+256>: addq   $0x10, %rcx
[0x709737] <+263>: movq   %rcx, (%rax)
[0x70973a] <+266>: movb   $0x1, -0x29(%rsp)
[0x70973f] <+271>: movb   -0x29(%rsp), %al
[0x709743] <+275>: andb   $0x1, %al
[0x709745] <+277>: movzbl %al, %eax
[0x709748] <+280>: addq   $0x58, %rsp
[0x70974c] <+284>: retq

开启-O2优化后，所有冗余往返移动指令完全消失，对应汇编片段如下：

0051E8D5: F3 0F 6F 08                movdqu (%rax), %xmm1
0051E8D9: 66 0F EF C0                pxor   %xmm0, %xmm0
0051E8DD: 66 0F 6F D1                movdqa %xmm1, %xmm2
0051E8E1: 66 0F 74 D0                pcmpeqb %xmm0, %xmm2
0051E8E5: 66 0F 38 17 D2             ptest  %xmm2, %xmm2
0051E8EA: 0F 85 97 03 00 00          jne    0x51ec87
0051E8F0: F3 0F 7F 0C 3B             movdqu %xmm1, (%rbx,%rdi)
...
0051E967: 48 01 F8                   addq   %rdi, %rax
0051E96A: 48 83 C0 10                addq   $0x10, %rax
0051E96E: 48 01 FB                   addq   %rdi, %rbx
0051E971: 48 83 C3 10                addq   $0x10, %rbx

原因解答

这是-O0（无优化）模式下Clang的标准代码生成行为，不是编译器bug，和SSE intrinsic的写法也没有关系：

无优化模式的核心编译逻辑：Clang在-O0级别下默认关闭几乎所有指令合并、冗余消除优化，严格遵循一套为调试服务的代码生成规则：每个C/C++变量、每个临时表达式的值计算完成后，必须先写回为它分配的栈内存槽位；后续需要使用这个值时，必须再从对应的栈地址把值读回寄存器。这套逻辑的目的是保证调试体验：在断点处修改任意变量的内存值后，程序会直接用修改后的值继续运行，不会因为变量一直驻留在寄存器里，导致内存修改不生效、调试行为和预期不符。
你关注的两条往返移动完全是这套规则的产物：
- xorps %xmm0, %xmm0 是计算_mm_setzero_pd()的返回值，计算结果暂时存在xmm0寄存器
- 第一条movapd %xmm0, 0x40(%rsp) 是把_mm_setzero_pd()生成的临时返回值，写回这个临时值对应的栈槽位
- 第二条movapd 0x40(%rsp), %xmm0 是把临时值从栈上读回寄存器，用来给zeros变量赋值，后面紧跟的movapd %xmm0, -0x60(%rsp)就是把值写到zeros变量自己的栈槽位里。
完整汇编里所有类似的XMM寄存器和栈之间的往返搬运，全是这套规则导致的：每一步表达式计算、每一次变量赋值，都会被拆成「计算值到寄存器→寄存器值写栈→后续用值时从栈读回寄存器」的固定流程，编译器完全不会判断这些操作是不是冗余、能不能合并。
开-O2后这些指令全部消失是正常优化结果：优化器会直接把常用变量长期放在寄存器中，跳过所有没必要的栈读写，同时消除冗余临时变量、重复加载操作，最终生成你看到的紧凑高效代码。

补充说明：你用reinterpret_cast把__m128d类型的_mm_setzero_pd()返回值转成__m128i是完全安全的，全零值在不同类型的128位寄存器里表示完全一致，就算开优化也不会生成额外指令，不需要为了规避这个现象修改这段写法。

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

Clang O0编译下SSE内联函数为何产生XMM与栈的往返移动指令

补充信息 #

补充信息