简介
在很多年前的一次Code Review中,有大佬指出,方法的参数太多了,最好不要超过四个,对于当时还是萌新的我,虽然不知道什么原因,但听人劝,吃饱饭,这个习惯也就传递下来了,直到参加工作很多年后,才明白这其中的缘由。
调用协定
在计算机编程中,调用协定(Calling Convention)是一套关于方法/函数被调用时参数传递方式,栈由谁清理和寄存器如何使用的规范。
- 寄存器传递:将参数存入CPU寄存器,速度最快。
- 栈传递:将参数压入调用栈,再依次从栈中取出,速度最慢
- 混合传递:前N个参数用寄存器,剩余参数用栈,速度适中
- Caller清理:调用函数后由调用方负责恢复栈指针(如C/C++的__cdecl)。
- Callee清理:被调用函数返回前自行清理栈(如x64的默认协定)。
- 易变寄存器(Volatile Registers):函数调用时可能被修改的寄存器(如x64的RAX、RCX、RDX),调用方需自行保存这些寄存器的值。
- 非易变寄存器(Non-Volatile Registers):函数必须保存并恢复的寄存器(如x64的RBX、RBP、R12-R15)。
x86架构混乱的调用协定
x86架构发展较早,因此调用协定野蛮生长,有多种调用协定
协定名称参数传递方式栈清理适用场景__cdecl通过栈传递(右→左)调用者清理栈C/C++默认,支持可变参数__stdcall通过栈传递(右→左)被调用者清理栈Windows API(如Win32)__fastcall前两个参数通过寄存器,剩余通过栈(右→左)被调用者清理栈高性能场景__thiscallthis指针通过寄存器, 剩余通过栈(右→左)被调用者清理栈C++类成员函数眼见为实
可以看到,cdecl,stdcall是通过压栈的方式将参数压入栈中,而fastcall直接赋值给寄存器,并无压栈操作
点击查看代码- #include <iostream>
- int __cdecl cdecl_add(int a, int b) {
- return a + b;
- }
- int __stdcall stdcall_add(int a, int b) {
- return a + b;
- }
- int __fastcall fastcall_add(int a, int b) {
- return a + b;
- }
- class Calculator {
- public:
- int __thiscall thiscall_add(int b) {
- return this->a + b;
- }
- int a;
- };
- int main()
- {
- int a = 10, b = 5;
- int cdecl_add_value = cdecl_add(a, b);
- int stdcall_add_value = stdcall_add(a, b);
- int fastcall_add_value = fastcall_add(a, b);
- Calculator calc;
- calc.a = 10;
- int thiscall_add_value = calc.thiscall_add(5);
- }
复制代码 x64的大一统
而在x64架构下,为了解决割裂的调用协定,windows与linux实现了统一。
协定名称参数传递方式栈清理适用场景MS x64前4个参数通过寄存器,剩余通过栈(左→右)被调用者清理栈Windows x64程序System V AMD64前6个参数通过寄存器,剩余通过栈(左→右)被调用者清理栈Unix/Linux x64程序眼见为实
linux下暂无图(因为我懒),大概就是这意思,自行脑补
点击查看代码- #include <stdio.h>
- int add(int a, int b, int c, int d, int e) {
- return a + b + c + d + e;
- }
- int main() {
- int result = add(1, 2, 3, 4, 5);
- return 0;
- }
复制代码 C#中使用哪种调用协定?
C#在x86下,有自己独特的调用协定
协定名称参数传递方式栈清理适用场景Standard前两个参数通过寄存器,剩余通过栈(左→右)被调用者清理栈C#静态方法HasThis前两个参数通过寄存器(第一个为This),剩余通过栈(左→右)被调用者清理栈C#实例方法在x64形成实现统一,与操作系统保持一致
眼见为实
注意寄存器与栈是两片独立运行的区域,光从汇编代码,很容易陷入误区,就拿上图来说,从上往下阅读汇编,你会发现参数传递的顺序是30(1Eh),40(28h),50(32h),10(0Ah),20(14h)。明显不对,这是因为一个是寄存器,一个是线程栈,这是两个不相关的区域,谁前谁后都不违反从左到右的规定。不能死脑筋,寄存器与栈之间是存在位置无关性的。
- /*这种顺序也是正确的,寄存器是寄存器,栈是栈,汇编的顺序不影响他们的位置无关性,因为是两片独立运行的区域*/
- push 1Eh
- mov ecx,0Ah
- push 28h
- mov edx,14h
- push 32h
复制代码 点击查看代码- internal class Program
- {
- static void Main(string[] args)
- {
- var t = new Test();
- var sum = t.Add(10, 20, 30, 40, 50);
- var sum2 = Test.StaticAdd(10, 20, 30, 40, 50);
- Console.ReadKey();
- }
- }
- public class Test
- {
- public int Add(int a, int b, int c, int d, int e)
- {
- var sum = a + b + c + d + e;
- return sum;
- }
- public static int StaticAdd(int a, int b, int c, int d, int e)
- {
- var sum = a + b + c + d + e;
- return sum;
- }
- }
复制代码 结论
可以看到,在Windows x64下,如果方法的参数 a + b + c + d + e; // 第5-8个参数通过栈传递 [MethodImpl(MethodImplOptions.NoInlining | MethodImplOptions.NoOptimization)] public static int Stack4Params(int a, int b, int c, int d, int e, int f, int g, int h) => a + b + c + d + e + f + g + h; public static void Run() { Console.WriteLine($"参数传递性能测试 - 预热: {WarmupIterations:N0}, 测试: {BenchmarkIterations:N0} 次"); Console.WriteLine("----------------------------------------------------------------"); // 生成随机输入数据以避免优化 var inputData = GenerateInputData(); // 预热 Warmup(inputData); // 测试 var reg4Time = Measure(() => Register4ParamsTest(inputData)); var stack1Time = Measure(() => Stack1ParamTest(inputData)); var stack4Time = Measure(() => Stack4ParamsTest(inputData)); // 输出结果 Console.WriteLine("\n===== 测试结果 ====="); Console.WriteLine($"4寄存器参数: {reg4Time,12:N2} ns/次"); Console.WriteLine($"4寄存器+1栈参数: {stack1Time,10:N2} ns/次 ({((double)stack1Time / reg4Time - 1) * 100:F1}% 性能下降)"); Console.WriteLine($"4寄存器+4栈参数: {stack4Time,10:N2} ns/次 ({((double)stack4Time / reg4Time - 1) * 100:F1}% 性能下降)"); } private static (int[], int[], int[]) GenerateInputData() { var data4 = new int[BenchmarkIterations * 4]; var data5 = new int[BenchmarkIterations * 5]; var data8 = new int[BenchmarkIterations * 8]; for (int i = 0; i < BenchmarkIterations; i++) { for (int j = 0; j < 4; j++) data4[i * 4 + j] = _random.Next(); for (int j = 0; j < 5; j++) data5[i * 5 + j] = _random.Next(); for (int j = 0; j < 8; j++) data8[i * 8 + j] = _random.Next(); } return (data4, data5, data8); } private static void Warmup((int[], int[], int[]) inputData) { Console.Write("预热中..."); var (data4, data5, data8) = inputData; for (int i = 0; i < WarmupIterations; i++) { Register4Params(data4[i * 4], data4[i * 4 + 1], data4[i * 4 + 2], data4[i * 4 + 3]); Stack1Param(data5[i * 5], data5[i * 5 + 1], data5[i * 5 + 2], data5[i * 5 + 3], data5[i * 5 + 4]); Stack4Params(data8[i * 8], data8[i * 8 + 1], data8[i * 8 + 2], data8[i * 8 + 3], data8[i * 8 + 4], data8[i * 8 + 5], data8[i * 8 + 6], data8[i * 8 + 7]); } Console.WriteLine("完成"); } private static long Measure(Func testMethod) { // 强制GC并等待完成 GC.Collect(); GC.WaitForPendingFinalizers(); GC.Collect(); // 冷启动 testMethod(); // 实际测量 var stopwatch = Stopwatch.StartNew(); long result = testMethod(); stopwatch.Stop(); // 使用结果以避免被优化掉 if (result == 0) Console.WriteLine("警告: 结果为0,可能存在优化问题"); // 计算平均时间(纳秒) long totalNs = stopwatch.ElapsedTicks * 10000000L / Stopwatch.Frequency; return totalNs / (BenchmarkIterations / BatchSize); // 除以实际调用批次 } private static long Register4ParamsTest((int[], int[], int[]) inputData) { var (data4, _, _) = inputData; long sum = 0; int index = 0; for (int i = 0; i < BenchmarkIterations / BatchSize; i++) { // 批量调用以提高测量精度 for (int j = 0; j < BatchSize; j++) { sum += Register4Params( data4[index++], data4[index++], data4[index++], data4[index++] ); } } return sum; } private static long Stack1ParamTest((int[], int[], int[]) inputData) { var (_, data5, _) = inputData; long sum = 0; int index = 0; for (int i = 0; i < BenchmarkIterations / BatchSize; i++) { // 批量调用以提高测量精度 for (int j = 0; j < BatchSize; j++) { sum += Stack1Param( data5[index++], data5[index++], data5[index++], data5[index++], data5[index++] ); } } return sum; } private static long Stack4ParamsTest((int[], int[], int[]) inputData) { var (_, _, data8) = inputData; long sum = 0; int index = 0; for (int i = 0; i < BenchmarkIterations / BatchSize; i++) { // 批量调用以提高测量精度 for (int j = 0; j < BatchSize; j++) { sum += Stack4Params( data8[index++], data8[index++], data8[index++], data8[index++], data8[index++], data8[index++], data8[index++], data8[index++] ); } } return sum; } }[/code]
来源:程序园用户自行投稿发布,如果侵权,请联系站长删除
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作! |