浅析ARMv8体系结构:A64指令集
文章目录
- A64指令编码格式
- 加载与存储指令
- 寻址模式
- 变基模式
- 前变基模式
- 后变基模式
- PC相对地址模式
- 伪指令
- 加载与存储指令的变种
- 不同位宽的加载与存储指令
- 多字节内存加载和存储指令
- 基地址偏移量模式
- 前变基模式
- 后变基模式
- 跳转指令
- 返回指令
- 比较并跳转指令
- 其它指令
- 内存独占访问指令
- 异常处理指令
- 内存屏障指令
- 相关参考
A64指令编码格式
A64指令集中每条指令的宽度为32位,其中第24〜28位用来识别指令的分类,格式如下:
op0字段的值如下:
加载与存储指令
寻址模式
在A64指令集中,加载和存储指令有多种寻址模式,如下:
寻址模式 | 格式 | 说明 |
---|---|---|
基地址模式 | [Xn] | |
基地址+偏移量模式 | [Xn, #offset] | |
前变基模式 | [Xn, #offset]! | 先更新偏移量地址,后访问内存地址 |
后变基模式 | [Xn], #offset | 先访问内存地址,再更新偏移量地址 |
PC相对地址模式 | <label> |
变基模式
变基模式主要有如下两种:
- 前变基(pre-index)模式:先更新偏移量地址,后访问内存地址;
- 后变基(post-index)模式:先访问内存地址,后更新偏移量地址。
前变基模式
前变基模式的指令格式如下:
LDR <Xt>, [<Xn|SP>, #<simm>]!
举例说明:
LDR x6, [x1, #8]! //将x1里面的地址增加偏移#8并赋给x1,最后将新的x1寄存器内的地址的值给x6寄存器
后变基模式
后变基模式的指令格式如下:
LDR <Xt>, [<Xn|SP>], #<simm>
举例说明:
LDR x6, [x1], #8 //将x1寄存器内的地址的值赋给x6寄存器,并将x1地址偏移+8。
PC相对地址模式
汇编代码里常常会使用标签(label)来标记代码片段。LDR指令还提供一种访问标签的地址模式,指令格式如下:
LDR <Xt>, <label>
伪指令
- 伪指令与指令的最大不同在于,伪指令属于编译器处理的范畴,伪指令会被编译展开为多条指令;指令是CPU处理的命令的最小单元。
LDR x7,=0x80000 //等同于 MOV x7, 0x80000
需要区别 LDR x7, 0x800000; 这条指令的意义是,将当前PC寄存器的地址的 + 0x80000的偏移,取出地址内容填充到x7寄存器中
加载与存储指令的变种
不同位宽的加载与存储指令
多字节内存加载和存储指令
A32指令集提供LDM和STM指令来实现多字节内存加载与存储,而A64指令集不再提供 LDM和STM指令,而提供LDP和STP指令。LDP和STP指令支持3种寻址模式。
基地址偏移量模式
- 基地址偏移量模式LDP指令的格式如下:
LDP <Xtl>, <Xt2>, [<Xn|SP>{,#<imm>}]
它以Xn/SP寄存器的值为基地址,然后读取Xn/SP寄存器的值+ imm地址的值到X/1寄存 器,读取Xw/SP寄存器的值+ imm+8地址的值到R2寄存器中。
- 基地址偏移模式STP指令的格式如下:
STP <Xtl>, <Xt2>, [<Xn|SP>{, #<imm>}]
它以Xn/SP寄存器的值为基地址,然后把XZ1寄存器的内容存储到[Xrt/SP + imm]处,把 Xt2寄存器的内容存储到[Xn/SP+inmi+8]处。
前变基模式
前变基模式LDP/STP指令的格式如下:
LDP <Xt1>, <Xt2>, [<Xn|SP>, #<imm>]!
STP <Xtl>, <Xt2>, [<Xn|SP>, #<imm>!
后变基模式
后变基模式LDP/STP指令的格式如下:
LDP <Xtl>, <Xt2>, [<Xn|SP>], #<imm>
STP <Xtl>, <Xt2>, [<Xn|SP>], #<imm>
跳转指令
返回指令
A64指令集提供了两条返回指令:
- RET指令:通常用于子函数的返回,其返回地址保存在LR寄存器中;
- ERET指令:从当前的异常模式返回。它会将SPSR的内容恢复到PSTATE寄存器中,从ELR中获取跳转地址并返回到该地址。ERET指令可以实现处理器模式的切换,比 如从ELI切换到EL0。
比较并跳转指令
其它指令
内存独占访问指令
异常处理指令
内存屏障指令
相关参考
- 《ARM64体系结构与编程》
相关文章:

浅析ARMv8体系结构:A64指令集
文章目录 A64指令编码格式加载与存储指令寻址模式变基模式前变基模式后变基模式 PC相对地址模式 伪指令加载与存储指令的变种不同位宽的加载与存储指令多字节内存加载和存储指令基地址偏移量模式前变基模式后变基模式 跳转指令返回指令比较并跳转指令 其它指令内存独占访问指令…...
VSCode安装GitHub Copilot插件方法
VSCode安装GitHub Copilot插件的步骤及注意事项如下: 安装步骤: 确保系统要求: 确保你正在使用的Visual Studio Code版本是最新的,且支持GitHub Copilot。同时,Copilot需要你的操作系统是Windows、macOS或Linux&#x…...
实战:使用docker容器化服务
本文介绍使用docker安装mysql和redis,通过这两个的实战,了解一般的安装容器化服务的流程,体会服务容器化的好处 1.使用docker安装MySQL docker 拉取 mysql 镜像 docker pull mysql:5.7运行 mysql 镜像 docker run -p 3306:3306 --name mysql…...

借用GitHub将typora图片文件快速上传CSDN
前情概要 众所周知,程序员大佬们喜欢用typora软件写代码笔记,写了很多笔记想要放到CSDN上给其他大佬分享,但是在往csdn上搬运的时候,图片总是上传出错,一张一张搞有很麻烦,咋如何搞? 废话不多…...

外包公司干了2个月,技术退步明显了.......
先说一下自己的情况,本科毕业,18年通过校招进入南京某软件公司,干了接近4年的功能测试,今年年初,感觉自己不能够在这样下去了,长时间呆在一个舒适的环境会让一个人堕落! 而我已经在一个企业干了四年的功能…...

PTA✨C语言 组合数的和
7-5 组合数的和 分数 15 全屏浏览题目 切换布局 作者 陈越 单位 浙江大学 给定 N 个非 0 的个位数字,用其中任意 2 个数字都可以组合成 1 个 2 位的数字。要求所有可能组合出来的 2 位数字的和。例如给定 2、5、8,则可以组合出:25、28、5…...

这些开源自动化测试框架,会用等于白嫖一个w
作者:黑马测试 链接:https://www.zhihu.com/question/19923336/answer/2585952461 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 随着计算机技术人员的大量增加,通过编写代码来…...
代码随想录第三十六天——无重叠区间,划分字母区间,合并区间
leetcode 435. 无重叠区间 题目链接:无重叠区间 方法一:按右边界排序 按照右边界排序,从左向右记录非交叉区间的个数。最后用区间总数减去非交叉区间的个数就是需要移除的区间个数。此时问题转化为求非交叉区间的最大个数。 版本一&#…...
Python数据分析:入门到实践
一、引言 (用手机写的,明天重新排版。) 在当今数据驱动的时代,数据分析已经成为各行各业不可或缺的一部分。Python作为一种高效、易学的编程语言,在数据分析领域具有广泛的应用。本文将带你从Python数据分析的入门知…...

第7章-第9节-Java中的Stream流(链式调用)
1、什么是Stream流 Lambda表达式,基于Lambda所带来的函数式编程,又引入了一个全新的Stream概念,用于解决集合类库既有的鼻端。 2、案例 假设现在有一个需求, 将list集合中姓张的元素过滤到一个新的集合中;然后将过滤…...

创建一个矩形中有两个三角形
#include <glad/glad.h> #include <GLFW/glfw3.h>#include <iostream>float vertices[] {// 第一个三角形0.5f, 0.5f, 0.0f, // 右上0.5f, -0.5f, 0.0f, // 右下-0.5f, -0.5f, 0.0f, // 左下-0.5f, 0.5f, 0.0f, // 左上 };unsigned i…...
Open3D 基于kdtree树的邻近点搜索(10)
Open3D 基于kdtree树的邻近点搜索(10) 一、算法简介二、算法实现1.K邻近点搜索2.R邻域点搜索三、结果释义一、算法简介 KD 树(k-dimensional tree)是一种用于组织 k 维空间中点的数据结构,旨在提供高效的 k 最近邻搜索和范围搜索(如半径邻域搜索)。KD 树通过递归地将空间…...

c++实现支持动态扩容的栈(stack)
1.在栈容量满时自动扩容: 支持自动扩容栈实现: // // myStack.hpp // algo_demo // // Created by Hacker X on 2024/1/9. //#ifndef myStack_hpp #define myStack_hpp #include <stdio.h> #include <string.h> //栈实现 //1.入栈 //2.出栈 //3.空栈 //4.满栈 …...
举例说明计算机视觉(CV)技术的优势和挑战。
计算机视觉(Computer Vision,CV)技术是指使计算机能够理解和解释视觉数据的能力。CV技术在很多领域都有广泛的应用,包括图像处理、目标检测、人脸识别、自动驾驶等。以下是CV技术的一些优势和挑战的例子: 优势&#x…...
如何利用docker来部署war包项目
首先编写dockerfile文件: # 使用官方的Tomcat镜像作为基础镜像 FROM tomcat:9.0# 将war包复制到容器的webapps目录下 COPY xxxx.war /usr/local/tomcat/webapps/# 暴露Tomcat的默认端口 EXPOSE 8080 编写docker-compose.yml文件: version: 3 services…...

SpringBoot 如何增强PageHelper入参的健壮性
PageHelper.startPage(int pageNum, int pageSize, boolean count) 参数为外部输入,故存在异常输入场景。比如 pageNum 和 pageSize 输入的值 负数 或者 0,所以引入PageUtils来对入参进行判断矫正,从而避免引入异常。 第1步:支持…...

书生·浦语大模型全链路开源体系 学习笔记 第三课
huggingface-cli: command not found 按照该文档解决即可 https://github.com/huggingface/huggingface_hub/issues/1079 具体如下: 1、确保环境已将安装huggingface-cli 2、版本需要旧版,pip install huggingface_hub0.20.1 3、再按如下执行 # T…...

CodeGPT,你的智能编码助手—CSDN出品
CodeGPT是由CSDN打造的一款生成式AI产品,专为开发者量身定制。 无论是在学习新技术还是在实际工作中遇到的各类计算机和开发难题,CodeGPT都能提供强大的支持。其涵盖的功能包括代码优化、续写、解释、提问等,还能生成精准的注释和创作相关内…...

VMware Workstation——修改虚拟机配置和设置网络
目录 一、修改配置 1、点击需要修改配置的虚拟机,然后点击编辑虚拟机配置 2、修改内存、CPU、硬盘配置 二、设置网络 1、从虚拟机配置中进入到网络适配器设置 2、选择网络连接模式 一、修改配置 1、点击需要修改配置的虚拟机,然后点击编辑虚拟机配…...

计算机毕业设计 基于SpringBoot的项目申报系统的设计与实现 Java实战项目 附源码+文档+视频讲解
博主介绍:✌从事软件开发10年之余,专注于Java技术领域、Python人工智能及数据挖掘、小程序项目开发和Android项目开发等。CSDN、掘金、华为云、InfoQ、阿里云等平台优质作者✌ 🍅文末获取源码联系🍅 👇🏻 精…...
RestClient
什么是RestClient RestClient 是 Elasticsearch 官方提供的 Java 低级 REST 客户端,它允许HTTP与Elasticsearch 集群通信,而无需处理 JSON 序列化/反序列化等底层细节。它是 Elasticsearch Java API 客户端的基础。 RestClient 主要特点 轻量级ÿ…...
Qwen3-Embedding-0.6B深度解析:多语言语义检索的轻量级利器
第一章 引言:语义表示的新时代挑战与Qwen3的破局之路 1.1 文本嵌入的核心价值与技术演进 在人工智能领域,文本嵌入技术如同连接自然语言与机器理解的“神经突触”——它将人类语言转化为计算机可计算的语义向量,支撑着搜索引擎、推荐系统、…...
【论文笔记】若干矿井粉尘检测算法概述
总的来说,传统机器学习、传统机器学习与深度学习的结合、LSTM等算法所需要的数据集来源于矿井传感器测量的粉尘浓度,通过建立回归模型来预测未来矿井的粉尘浓度。传统机器学习算法性能易受数据中极端值的影响。YOLO等计算机视觉算法所需要的数据集来源于…...

(一)单例模式
一、前言 单例模式属于六大创建型模式,即在软件设计过程中,主要关注创建对象的结果,并不关心创建对象的过程及细节。创建型设计模式将类对象的实例化过程进行抽象化接口设计,从而隐藏了类对象的实例是如何被创建的,封装了软件系统使用的具体对象类型。 六大创建型模式包括…...
Caliper 配置文件解析:fisco-bcos.json
config.yaml 文件 config.yaml 是 Caliper 的主配置文件,通常包含以下内容: test:name: fisco-bcos-test # 测试名称description: Performance test of FISCO-BCOS # 测试描述workers:type: local # 工作进程类型number: 5 # 工作进程数量monitor:type: - docker- pro…...
MySQL 索引底层结构揭秘:B-Tree 与 B+Tree 的区别与应用
文章目录 一、背景知识:什么是 B-Tree 和 BTree? B-Tree(平衡多路查找树) BTree(B-Tree 的变种) 二、结构对比:一张图看懂 三、为什么 MySQL InnoDB 选择 BTree? 1. 范围查询更快 2…...

CVPR2025重磅突破:AnomalyAny框架实现单样本生成逼真异常数据,破解视觉检测瓶颈!
本文介绍了一种名为AnomalyAny的创新框架,该方法利用Stable Diffusion的强大生成能力,仅需单个正常样本和文本描述,即可生成逼真且多样化的异常样本,有效解决了视觉异常检测中异常样本稀缺的难题,为工业质检、医疗影像…...
Java求职者面试指南:Spring、Spring Boot、Spring MVC与MyBatis技术解析
Java求职者面试指南:Spring、Spring Boot、Spring MVC与MyBatis技术解析 一、第一轮基础概念问题 1. Spring框架的核心容器是什么?它的作用是什么? Spring框架的核心容器是IoC(控制反转)容器。它的主要作用是管理对…...

消息队列系统设计与实践全解析
文章目录 🚀 消息队列系统设计与实践全解析🔍 一、消息队列选型1.1 业务场景匹配矩阵1.2 吞吐量/延迟/可靠性权衡💡 权衡决策框架 1.3 运维复杂度评估🔧 运维成本降低策略 🏗️ 二、典型架构设计2.1 分布式事务最终一致…...
boost::filesystem::path文件路径使用详解和示例
boost::filesystem::path 是 Boost 库中用于跨平台操作文件路径的类,封装了路径的拼接、分割、提取、判断等常用功能。下面是对它的使用详解,包括常用接口与完整示例。 1. 引入头文件与命名空间 #include <boost/filesystem.hpp> namespace fs b…...