我已经阅读了关于x86处理器内部发生的事情大约半年了。因此，我决定尝试一下x86汇编的乐趣，为了保持简单，我只从80386指令开始。(我正在努力学习，而不是优化)
我有一款几个月前用C语言编写的游戏，所以我用汇编代码从头开始重写了位图比特化功能。我没有得到的是，循环的主要像素绘图体与C代码(这是18条指令)比我的汇编代码(这只有7条指令，我几乎100%肯定它不会跨越缓存线边界)更快。
所以我的主要问题是为什么18条指令比7条指令花的时间少?在底部，我有两个代码片段。
p。每种颜色都是8位索引。C代码:
{
for (x = 0; x < src.w; x++)
00D35712 mov dword ptr [x],0 // Just initial loop setup
00D35719 jmp Renderer_DrawBitmap+174h (0D35724h) // Just initial loop setup
00D3571B mov eax,dword ptr [x]
00D3571E add eax,1
00D35721 mov dword ptr [x],eax
00D35724 mov eax,dword ptr [x]
00D35727 cmp eax,dword ptr [ebp-28h]
00D3572A jge Renderer_DrawBitmap+1BCh (0D3576Ch)
{
*dest_pixel = renderer_trans[renderer_light[*src_pixel][light]][*dest_pixel][trans];
// Start of what I consider the body
00D3572C mov eax,dword ptr [src_pixel]
00D3572F movzx ecx,byte ptr [eax]
00D35732 mov edx,dword ptr [light]
00D35735 movzx eax,byte ptr renderer_light (0EDA650h)[edx+ecx*8]
00D3573D shl eax,0Bh
00D35740 mov ecx,dword ptr [dest_pixel]
00D35743 movzx edx,byte ptr [ecx]
00D35746 lea eax,renderer_trans (0E5A650h)[eax+edx*8]
00D3574D mov ecx,dword ptr [dest_pixel]
00D35750 mov edx,dword ptr [trans]
00D35753 mov al,byte ptr [eax+edx]
00D35756 mov byte ptr [ecx],al
dest_pixel++;
00D35758 mov eax,dword ptr [dest_pixel]
00D3575B add eax,1
00D3575E mov dword ptr [dest_pixel],eax
src_pixel++;
00D35761 mov eax,dword ptr [src_pixel]
00D35764 add eax,1
00D35767 mov dword ptr [src_pixel],eax
// End of what I consider the body
}
00D3576A jmp Renderer_DrawBitmap+16Bh (0D3571Bh)
和我写的汇编代码:(esi为源像素，edi为屏幕缓冲区，edx为光照级别，ebx为透明度级别，ecx为该行宽度)
drawing_loop:
00C55682 movzx ax,byte ptr [esi]
00C55686 mov ah,byte ptr renderer_light (0DFA650h)[edx+eax*8]
00C5568D mov al,byte ptr [edi]
00C5568F mov al,byte ptr renderer_trans (0D7A650h)[ebx+eax*8]
00C55696 mov byte ptr [edi],al
00C55698 inc esi
00C55699 inc edi
00C5569A loop drawing_loop (0C55682h)
// This isn't just the body this is the full row plotting loop just like the code above there
对于上下文，像素是用LUT点亮的，透明度也是用LUT完成的。伪C代码:
//transparencyLUT[new][old][transparency level (0 = opaque, 7 = full transparency)]
//lightLUT[color][light level (0 = white, 3 = no change, 7 = full black)]
dest_pixel = transparencyLUT[lightLUT[source_pixel][light]]
[screen_pixel]
[transparency];
让我恼火的是我是如何使用与C代码几乎相同的指令，但只是更少的指令?
如果你需要更多的信息，我很乐意提供更多，我只是不希望这是一个巨大的问题。我真的很好奇，因为我对x86汇编编程有点陌生，想更多地了解我们的cpu是如何工作的。
我唯一的猜测是乱序执行引擎不喜欢我的代码，因为它所有的内存访问都移动到同一个寄存器。
并非所有指令都需要相同的时间，现代CPU实现可以并行执行(部分)某些指令(只要一个不读取前一个写入的数据并且所需单元不冲突)。最新版本会翻译"机器";指令转换成更低层次的，非常简单的指令，这些指令被安排在CPU的各个单元上尽可能并行地执行，使用大量的影子寄存器(即，一条指令可以在之后使用%eax(旧值)的一个副本中的值，另一条指令将新值写入%eax(新值)的另一个副本中，从而进一步解耦指令。他们为了表现而不择手段……