x86-64 中的寄存器与汇编操作数杂述

        Intel 中常用术语“字（word）”表示 16 位数据类型，因此 32 位数称为“双字（double words）”，64 位数称为“四字（quad words）”。下表中给出了 C 语言基本数据类型对应的 x86-64 表示。

        如图所示，大多数 GCC 生成的汇编代码指令都有一个字符的后缀（本文中都是使用 ATT 而非 Intel 汇编代码格式），表明操作数的大小。例如，数据传送指令有四个变种：movb（传送字节）、movw（传送字）、movl（传送双字）和 movq（传送四字）。后缀“l”用来表示双字，因为 32 位数被看成是“长字（long word）”。注意，虽然汇编代码中的 4 字节整数和 8 字节双精度浮点数都使用了该后缀来表示，但这不会产生歧义，因为浮点数使用的是一组完全不同的指令和寄存器。
        一个 X86-64 的 CPU 包含一组 16 个存储 64 位值的通用目的寄存器，用来存储整数数据和指针。下图中显示了这 16 个寄存器。它们的名字都以“%r”开头，后面则跟以随指令集历史演化而来的不同命名规则的名字。最初的 8086 中有 8 个 16 位的寄存器，对应图中的 %ax 到 %bp。每个寄存器都有特殊的用途。扩展到 IA32 架构时，这些寄存器也扩展成 32 位，标号从 %eax 到 %ebp。扩展到 x86-64 后，原来的 8 个寄存器也随之扩展成 64 位，标号从 %rax 到 %rbp。除此之外，还增加了 8 个新的寄存器，它们的标号是按照新的命名规则制定的：从 %r8 到 %r15。

        指令可以对这 16 个寄存器的低位字节中存放的不同大小的数据进行操作：字节级操作可以访问最低的字节，16 位操作可以访问最低的 2 个字节，32 位操作可以访问最低的 4 个字节，而 64 位操作可以访问整个寄存器。
        当相关指令以寄存器作为目标时，对于生成小于 8 字节结果的指令，对寄存器中剩下的字节的处理有两条规则：生成 1 字节和 2 字节数字的指令会保持剩下的字节不变；生成 4 字节数字的指令会把高位 4 个字节置为 0，这是作为从 IA32 到 x86-64 的扩展的一部分而采用的。
        多数指令都有一个或多个操作数（operand），用于指示一个操作中要使用的源数据值，以及放置结果的目的位置。源数据值可以是常数，或是从寄存器或内存中读出，结果可以存放在寄存器或内存中。因此，各种不同的操作数的可能性被分为三种类型。第一种是立即数（immediate），用来表示常数值。在 ATT 格式的汇编代码中，立即数的书写方式是“$”后面跟一个用标准 C 表示法表示的整数，如 $-577 或 $0x1F。不同的指令允许的立即数值范围不同，汇编器会自动选择最紧凑的方式进行数值编码。第二种是寄存器（register），它表示某个寄存器的内容。第三类是内存引用，它会根据计算出来的地址（通常称为有效地址）访问某个内存位置。x86-64 支持多种不同的寻址模式，允许不同形式的内存引用，如下表所示。

        图中，使用符号 ra 来表示任意寄存器 a，用引用 R[ra] 来表示它的值，这是将寄存器集合看成一个数组 R，用寄存器标识符作为索引。对于内存引用，因为可以将内存看成一个很大的字节数组，所以用符号 Mb[Addr] 表示对存储在内存中从地址 Addr 开始的 b 个字节值的引用（为了简便，通常省略下标 b）。表中底部用语法 Imm(rb, ri, s) 表示的是最常用的形式，它有四个组成部分：一个立即数偏移 Imm，一个基址寄存器 rb，一个变址寄存器 ri 和一个比例因子 s。注意，这里 s 必须是 1、2、4 或者 8，基址和变址寄存器都必须是 64 位寄存器。有效地址被计算为：Imm + R[rb] + R[ri]*s。引用数组元素时，会用到这种通用形式，其他形式都是这种的特殊情况。在引用数组和结构元素时，比较复杂的寻址模式是很有用的。
        下面是一个数据交换函数的 C 语言代码。

long exchange(long *xp, long y){
    long x = *xp;
    *xp = y;
    return x;
}

        其对应的汇编代码主体部分如下。

; long exchange(long *xp, long y)
; xp in %rdi, y in %rsi
exchange:
    movq    (%rdi), %rax         ; Get x at xp. Set as return value.
    movq    %rsi, (%rdi)         ; Store y at xp.
    ret                          ; Return.

        从这段汇编代码中可以看出，C 语言中所谓的“指针”其实就是地址。间接引用指针就是将该指针放在一个寄存器中，然后在内存引用中使用这个寄存器。其次，像 x 这样的局部变量通常是保存在寄存器而不是内存中，因为访问寄存器要比访问内存快得多。

参考书籍：《深入理解计算机系统》第三版第三章——程序的机器级表示。