鸿蒙内核源码分析 (编码方式篇)
本篇说清楚 ARM指令是如何被编码的，机器指令由哪些部分构成，指令有哪些类型，每种类型的语法又是怎样的 ?
代码案例 | C -> 汇编 -> 机器指令
看一段C语言编译(clang)成的最后的机器指令(armv7)
int main(){
int a = 0;
if( a != 1)
a = 2*a + 1;
return a;
}
生成汇编代码如下:
main:
60c: sub sp, sp, #8
610: mov r0, #0
614: str r0, [sp, #4]
618: str r0, [sp]
61c: ldr r0, [sp]
620: cmp r0, #1
624: beq 640
628: b 62c
62c: ldr r1, [sp]
630: mov r0, #1
634: orr r0, r0, r1, lsl #1
638: str r0, [sp]
63c: b 640
640: ldr r0, [sp]
644: add sp, sp, #8
648: bx lr
汇编代码对应的机器指令如下图所示:
便于后续分析，将以上代码整理成如下表格
汇编代码
机器指令(十六进制表示)
机器指令(二进制表示)
sub sp, sp, #8
e24dd008
1110 0010 0100 1101 1101 0000 0000 1000
mov r0, #0
e3a00000
1110 0011 1010 0000 0000 0000 0000 0000
str r0, [sp, #4]
e58d0004
1110 0101 1000 1101 0000 0000 0000 0100
str r0, [sp]
e58d0000
1110 0101 1000 1101 0000 0000 0000 0000
ldr r0, [sp]
e59d0000
1110 0101 1001 1101 0000 0000 0000 0000
cmp r0, #1
e3500001
1110 0011 0101 0000 0000 0000 0000 0001
beq 640
0a000005
0000 1010 0000 0000 0000 0000 0000 0101
b 62c
eaffffff
1110 1010 1111 1111 1111 1111 1111 1111
ldr r1, [sp]
e59d1000
1110 0101 1001 1101 0001 0000 0000 0010
mov r0, #1
e3a00002
1110 0011 1010 0000 0000 0000 0000 0001
orr r0, r0, r1, lsl #1
e1800081
1110 0001 1000 0000 0000 0000 1000 0001
str r0, [sp]
e58d0000
1110 0101 1000 1101 0000 0000 0000 0000
b 640
eaffffff
1110 1010 1111 1111 1111 1111 1111 1111
ldr r0, [sp]
e59d1000
1110 0101 1001 1101 0001 0000 0000 0000
add sp, sp, #8
e28dd008
1110 0010 1000 1101 1101 0000 0000 1000
bx lr
e12fff1e
1110 0001 0010 1111 1111 1111 0001 1110
CPSR寄存器
在理解本篇之前需了解下CPSR寄存器的高4位[31,28] 表达的含义。关于寄存器的详细介绍可翻看 系列篇的 (寄存器篇)
N、Z、C、V均为条件码标志位。它们的内容可被算术或逻辑运算的结果所改变，并且可以决定某条指令是否被执行!意义重大!
CPSR的第31位是 N，符号标志位。它记录相关指令执行后，其结果是否为负。
如果为负 N = 1，如果是非负数 N = 0。
CPSR的第30位是Z，0标志位。它记录相关指令执行后，其结果是否为0。
如果结果为0。那么Z = 1。如果结果不为0，那么Z = 0。
CPSR的第29位是C，进位标志位(Carry)。一般情况下，进行无符号数的运算。
加法运算：当运算结果产生了进位时（无符号数溢出），C=1，否则C=0。
减法运算（包括CMP）：当运算时产生了借位时（无符号数溢出），C=0，否则C=1。
CPSR的第28位是V，溢出标志位(Overflow)。在进行有符号数运算的时候，
如果超过了机器所能标识的范围，称为溢出。
指令格式
ARM 指令流是一连串的字对齐的四字节指令流。每个 ARM 指令是一个单一的 32 位字(4字节)，如图(3)：
解读
图为ARM指令的编码一级格式，所有的指令都必须符合一级格式，分成三部分：
条件域: cond[31:28]表示，条件域会影响CPSR的条件码N、Z、C、V标志位。
类型域: op1[27:25]， op[4]，arm将指令分成了六大类型 。
操作域: 剩下的[24:5]，[4:0] 即图中的空白位/保留位，这是留给下级自由发挥的，不同的类型对这些保留位有不同的定义。可以理解为因类型变化而变化的二级格式。
那有了二级格式会不会有三级格式 ? 答案是必须有， 二级格式只会对保留位定义部分位，会留一部分给具体的指令格式自由发挥。
一定要理解这种层次结构才能理解ARM指令集的设计总思路，因为RISC（精简指令集） 的指令长度是固定的16/32/64位，以32位为例，所有的指令设计必须全用32位来表示，如果只有一层结构是难以满足众多的指令设计需求的，要灵活有包容就得给适当的空间发挥。
条件域
cond 为条件域，每一条可条件执行的条件指令都有4位的条件位域，2^4能表示16种条件
cond
助记符
含义（整型）
含义（浮点型）
条件标志
0000
EQ
相等
相等
Z == 1
0001
NE
不等
不等或无序
Z == 0
0010
CS
进位
大于等于或无序
C == 1
0011
CC
进位清除
小于
C == 0
0100
MI
减、负数
小于
N == 1
0101
PL
加、正数或 0
大于等于或无序
N == 0
0110
VS
溢出
无序
V == 1
0111
VC
未溢出
有序
V == 0
1000
HI
无符号大于
大于或无序
C == 1 and Z == 0
1001
LS
无符号小于或等于
小于或等于
C == 0 or Z == 1
1010
GE
有符号大于或等于
大于或等于
N == V
1011
LT
有符号小于
小于或无序
N != V
1100
GT
有符号大于
大于
Z == 0 and N ==V
1101
LE
有符号大于或等于
小于等于或无序
Z == 1 or N != V
1110
无
无条件
无条件
任何
大部分的指令都是 1110 = e，无条件执行指令，只要看到 e开头的机器指令都属于这类
beq 640
0000 EQ Equal(相等) Z == 1
类型域
图(3) 的 op1 域位于 bits[27:25]，占三位；op 域位于 bit[4]，占一位。它们的取值组合在一起，决定指令所属的分类（Instruction Class），其值对应的关系如下
op1 op 指令类型
00x - 数据处理以及杂项指令
010 - load/store word类型 或者 unsigned byte
011 0 同上
011 1 媒体接口指令
10x - 跳转指令和块数据操作指令，块数据操作指令指 STMDA 这类，连续内存操作。
11x - 协处理器指令和 svc 指令，包括高级的 SIMD 和浮点指令。
操作域
操作域是因类型变化而变化的二级格式 ，作用于保留位。包含
00x | 数据处理类指令
上图为涉及数据处理指令的对应编码，由 op[占5位]和op2[占2位]两项来确定指令的唯一性
一般情况下只需op指定唯一性，图中 SUB指令对应为 0010x，而代码案例中的第一句
sub sp, sp, #8 // 机器码 e24dd008 <=> 1110 001`0 0100` 1101 1101 0000 0000 1000
对应`[24:20]`位就是`0 0100`，从而`CPU`在译码阶段将其解析为`SUB`指令执行
需要用到op2的是 MOV系列指令，包括逻辑/算术左移右移，例如:
mov r0, #0 //e3a00000 <=> 1110 0011 1010 0000 0000 0000 0000 0000
中的op = 1 1010 ，op2 = 00 对应 MOV(register,ARM) on page A8-489 00x中的x表示数据处理分两种情况
* 000 无立即数参与(寄存器之间) ，图A5.2.1 表示了这种情况 [27:25]= 000
* 001 有立即参与的运算，例如 mov r0, #0 中的 [27:25]= 001，此处未展示图，可前往 ARM体系架构参考手册.pdf 翻看
010 | 加载存储指令
Load/store是一组内存访问指令，用来在ARM寄存器和内存之间进行数据传送，ARM指令中有3种基本的数据传送指令
单寄存器 Load/Store 内存访问指令（single register）：这些指令为ARM寄存器和存储器提供了更灵活的单数据项传送方式。数据可以使字节，16位半字或32位字
多寄存器 Load/Store 内存访问指令：可以实现大量数据的同时传送，主要用于进程的进入和退出、保存和恢复工作寄存器以及复制寄存器中的一片（一块）数据
寄存器交换指令（single register swap）: 实现寄存器数据和内存数据进行交换，而且是在一条指令中完成，执行过程中不会受到中断干扰
出现在代码案例中的
str r0, [sp, #4] // 机器码 e58d0004 <=> 1110 0101 1000 1101 0000 0000 0000 0100
str r0, [sp] // 机器码 e58d0000 <=> 1110 0101 1000 1101 0000 0000 0000 0000
将r0中的字数据写入以SP为地址的存储器中
ldr r0, [sp] // 机器码 e59d0000 <=> 1110 0101 1001 1101 0000 0000 0000 0000
存储器地址地址为SP的数据读入r0 寄存器
[27:25] = 010说明都属于这类指令，完成对内存的读写，包括 LDR、LDRB、LDRH、STR、STRB、STRH六条指令。
ldr 为加载指令，但是加载到内存还是寄存器，这该怎么记 ? 因为主角是CPU，加载有进来的意思，将内容加载至寄存器中。STR有出去的意思，将内容保存到内存里。
[sp]相当于C语言的 *sp ，sp 指向程序运行栈当前位置
具体可看 >> ARM的六条访存指令集---LDR、LDRB、LDRH、STR、STRB、STRH
010 | 多媒体指令
多媒体指令使用较少，但是它涉及指令却很多
10x | 跳转/分支/块数据处理 指令
出现在代码案例中的
beq 640
b 62c
[27:25] = 101说明都属于这类指令
听得很多的pop，push也属于这类，成块的数据操作，例如push常用于将函数的所有参数一次性入栈。
内存 <> 寄存器 批量数据搬运指令 STMDA (STMED) LDMDA/LDMF。
11x | 软中断/协处理器 指令
其中最有名的就是svc 0，在系列篇中曾多次提及它，此处详细说下 svc， svc全称是 Supervisor Call， Supervisor是CPU的管理模式，svc导致处理器进入管理模式，很多人问的系统调用底层是怎么实现的? svc就是答案。
例如 printf是个标准库函数，在标准库的底层代码中会调用 svc 0，导致用户态的 ARM 程序通常将系统调用号传入 R7 寄存器(也被鸿蒙内核使用)，然后用 SVC 指令调用 0 号中断来直接执行系统调用，
在以前的ARM架构版本中，SVC指令被称为SWI，软件中断。
描述svc功能的详细伪代码如下，请尝试读懂它
The TakeSVCException() pseudocode procedure describes how the processor takes the exception:
// TakeSVCException()
// ==================
TakeSVCException()
// Determine return information. SPSR is to be the current CPSR, after changing the IT[]
// bits to give them the correct values for the following instruction, and LR is to be
// the current PC minus 2 for Thumb or 4 for ARM, to change the PC offsets of 4 or 8
// respectively from the address of the current instruction into the required address of
// the next instruction, the SVC instruction having size 2bytes for Thumb or 4 bytes for ARM.
ITAdvance();
new_lr_value = if CPSR.T == '1' then PC-2 else PC-4;
new_spsr_value = CPSR;
vect_offset = 8;
// Check whether to take exception to Hyp mode
// if in Hyp mode then stay in Hyp mode
take_to_hyp = (HaveVirtExt() && HaveSecurityExt() && SCR.NS == '1' && CPSR.M == '11010');
// if HCR.TGE is set to 1, take to Hyp mode through Hyp Trap vector
route_to_hyp = (HaveVirtExt() && HaveSecurityExt() && !IsSecure() && HCR.TGE == '1'
&& CPSR.M == '10000'); // User mode
// if HCR.TGE == '1' and in a Non-secure PL1 mode, the effect is UNPREDICTABLE
preferred_exceptn_return = new_lr_value;
if take_to_hyp then
EnterHypMode(new_spsr_value, preferred_exceptn_return, vect_offset);
elsif route_to_hyp then
EnterHypMode(new_spsr_value, preferred_exceptn_return, 20);
else
// Enter Supervisor ('10011') mode, and ensure Secure state if initially in Monitor
// ('10110') mode. This affects the Banked versions of various registers accessed later
// in the code.
if CPSR.M == '10110' then SCR.NS = '0';
CPSR.M = '10011';
// Write return information to registers, and make further CPSR changes: IRQs disabled,
// IT state reset, instruction set and endianness set to SCTLR-configured values.
SPSR[] = new_spsr_value;
R[14] = new_lr_value;
CPSR.I = '1';
CPSR.IT = '00000000';
CPSR.J = '0'; CPSR.T = SCTLR.TE; // TE=0: ARM, TE=1: Thumb
CPSR.E = SCTLR.EE; // EE=0: little-endian, EE=1: big-endian
// Branch to SVC vector.
BranchTo(ExcVectorBase() + vect_offset);
这部分内容在系列篇 (寄存器篇) ，(系统调用篇) ，(标准库篇) 中都有提及。
具体指令
细看几条代码案例出现的常用指令
sub sp, sp, #8
sub sp, sp, #8 // 机器码 e24dd008 < = > 1110 0010 0100 1101 1101 0000 0000 1000
是减法操作指令，减法编码格式为
图中除了给出格式语法还有一段伪代码用于描述指令的使用条件
sp为 13号寄存器， lr为 14号寄存器 ，pc为 15号寄存器。
如果是PC寄存器(Rn = 15)且S等于0 查看 ADR指令。。
如果是SP寄存器(Rn = 13) 看 SUB(申请栈空间)。
如果是PC寄存器(Rd = 15)且S等于1 。查看 subs pc lr相关指令
套用格式结合源码
cond
op1
操作码
S
Rn
Rd
imm12(立即数)
1110
001
0010
0
1101
1101
0000 0000 1000
无条件执行
表示数据处理
SUB
sp
sp
8
mov r0, #0
mov r0, #0 //e3a00000 1110 0011 1010 0000 0000 0000 0000 0000
bx lr
bx lr e12fff1e 1110 0001 0010 1111 1111 1111 0001 1110
Rm = 1110 对应 lr 寄存器 ，其相当于高级语言的 return，函数执行完了需切回到调用它的函数位置继续执行，lr保存的就是那个位置，从哪里来就回到哪里去。
写在最后
如果你觉得这篇内容对你还蛮有帮助，我想邀请你帮我三个小忙：
点赞，转发，有你们的 『点赞和评论』，才是我创造的动力。
关注小编，同时可以期待后续文章ing🚀，不定期分享原创知识。
想要获取更多完整鸿蒙最新学习知识点，请移步前往小编：https://gitee.com/MNxiaona/733GH/blob/master/jianshu