为什么GCC开启-O3会无意义清零本地ARM NEON数组？该如何优化？

问题根因 #

这是GCC AArch64后端处理多寄存器聚合类型Neon intrinsic（如int8x16x4_t这类包含多个向量寄存器的结构体）时的已知代码生成缺陷，和你的代码逻辑无关。你观察到的冗余指令分为两类：

• 带#的栈清零指令：是GCC默认开启的栈安全初始化特性的多余操作，GCC错误识别了int8x16x4_t局部变量的初始化状态，强制给对应的栈空间做了清零，而实际上你已经对所有成员完成了显式赋值。
• 带###的冗余内存读写：是GCC处理聚合类型向量成员赋值时的寄存器分配缺陷，GCC错误地把聚合结构先 spill 到栈再重新加载，没有意识到后续操作会直接覆盖大部分加载的寄存器值。

可行解决方案 #

方案1：升级GCC版本 #

GCC 12及以上稳定版本已经修复了该场景下的大部分冗余栈操作问题，升级后重新编译即可得到和Clang接近的高效汇编。

方案2：添加编译参数规避 #

如果必须使用旧版本GCC，可以添加如下编译参数：

• 禁用冗余栈初始化：添加-fno-zero-initialize-unused参数，可直接消除所有带#前缀的栈清零指令。
• 优化向量寄存器分配：添加-frename-registers参数，可减少不必要的向量寄存器spill/load操作。

方案3：代码写法调整（逻辑完全不变） #

将聚合结构的成员赋值改为使用复合字面量直接传参，写法如下，逻辑和原代码完全一致，GCC对该写法的代码生成优化更成熟：

#include <arm_neon.h>

void bug(int8_t *out, const int8_t *in) {
    for (int i = 0; i < 2; i++) {
        int8x16_t v0 = vld1q_s8(&in[16 * i]);
        int8x16_t v_rest = vshrq_n_s8(v0, 7);
        vst4q_s8(&out[64 * i], (int8x16x4_t){v0, v_rest, v_rest, v_rest});
    }
}

该写法在GCC 10及以上版本编译均可生成无冗余操作的高效汇编。

上报建议 #

如果在最新稳定版GCC（当前为13.2）上仍然可以复现该问题，建议直接上报到GCC官方Bugzilla：

• 你提供的最小复现用例非常标准，能帮助社区快速定位问题
• 上报时请标注分类为「AArch64后端/Neon intrinsic代码生成缺陷」，附上编译参数和生成的汇编对比即可。

内容的提问来源于stack exchange，提问作者swineone