在GCC中如何在32字节边界对齐堆栈？

我正在为Windows 64位目标使用基于GCC4.6.1的MinGW64构建。我在玩弄新的英特尔AVX指令。我的命令行参数是

-march=corei7 avx-mtune=corei7 avx-mavx

但在堆栈上分配局部变量时，我开始遇到分段错误。GCC使用对齐移动

VMOVAPS

和

VMOVAPD

来移动

\uuuuuM256

和

\uuuuuM256d

，这些指令需要32字节对齐。但是，Windows 64位的堆栈只有16字节对齐

如何将GCC的堆栈对齐方式更改为32字节？

我尝试过使用

-mstackreallign

，但没有效果，因为它只对齐16个字节。我也无法使

\uuuuuuu属性（（强制对齐\u参数\u指针））

工作，它仍然对齐到16字节。我还没有找到任何其他编译器选项来解决这个问题。非常感谢您的帮助

编辑：

---

我尝试使用

-mprefered stack boundary=5

，但GCC表示此目标不支持5。我没有主意了

我一直在研究这个问题，提交了一份GCC错误报告，发现这是一个与MinGW64相关的问题。看见显然，GCC不支持Windows上的32字节堆栈对齐。这有效地防止了256位AVX指令的使用

我研究了几种处理这个问题的方法。最简单、最简单的解决方案是用未对齐的替代方案VMOVUPS等替换对齐内存访问VMOVPS/PD/DQA。因此，我昨晚学习了Python（顺便说一下，这是一个非常好的工具），并编写了以下脚本，该脚本使用GCC生成的输入汇编程序文件执行此任务：

import re
import fileinput
import sys

# fix aligned stack access
# replace aligned vmov* by unaligned vmov* with 32-byte aligned operands 
# see Intel's AVX programming guide, page 39
vmova = re.compile(r"\s*?vmov(\w+).*?((\(%r.*?%ymm)|(%ymm.*?\(%r))")
aligndict = {"aps" : "ups", "apd" : "upd", "dqa" : "dqu"};
for line in fileinput.FileInput(sys.argv[1:],inplace=1):
    m = vmova.match(line)
    if m and m.group(1) in aligndict:
        s = m.group(1)
        print line.replace("vmov"+s, "vmov"+aligndict[s]),
    else:
        print line,

这种方法是非常安全和万无一失的。虽然我在很少的情况下看到了一个表现的惩罚。当堆栈未对齐时，内存访问将跨越缓存线边界。幸运的是，代码在大多数情况下的执行速度与对齐的访问速度一样快。我的建议：关键循环中的内联函数

我还尝试使用另一个Python脚本修复每个函数prolog中的堆栈分配，尝试将其始终在32字节边界处对齐。这似乎适用于某些代码，但不适用于其他代码。我必须依靠GCC的善意，它将分配对齐的局部变量（相对于堆栈指针），这通常是这样做的。情况并非总是如此，尤其是在函数调用之前需要保存所有ymm寄存器而导致严重的寄存器溢出时。（所有ymm寄存器都被称为“保存”）。如果有兴趣的话，我可以发布剧本

---

最好的解决方案是修复GCC MinGW64构建。不幸的是，我不知道它的内部工作原理，上周才开始使用它。

你可以通过

不是将变量声明为变量，而是将变量声明为结构中的字段

声明比结构大适当填充量的数组

执行指针/地址算法以在数组中查找32字节对齐的地址

将该地址强制转换为指向结构的指针

最后，使用结构的数据成员

当malloc（）未正确对齐堆上的内容时，可以使用相同的技术

例如

在哪里

unsigned char*align_to_32B（unsigned char*a）{
uint64_t u=（unit64_t）a；
mask_aligned32B=（1我刚刚遇到了同样的问题，即在我的函数中使用AVX时出现分段错误。这也是由于堆栈未对齐。鉴于这是一个编译器问题（并且Windows中没有提供可能有帮助的选项），我通过以下方法解决了堆栈使用问题：

使用静态变量（请参见此）。鉴于它们未存储在堆栈中，您可以通过在声明中使用
\uuuu属性（align（32））
强制对齐它们。例如：
静态uu m256i r\uu属性（aligned（32））

内联接收/返回AVX数据的函数/方法。您可以通过添加
内联
和
\uuu属性（（始终内联））强制GCC内联您的函数/方法
添加到函数原型/声明中。函数内联会增加程序的大小，但它们也会阻止函数使用堆栈（从而避免堆栈对齐问题）。例如：
内联uuuuuuuum256i myAvxFunction（void）uuuu属性uuuuuuuuuuuuuuuuuuuuuuuuu（（始终inline））；

请注意，如参考资料中所述，静态变量的使用不是线程安全的。如果您正在编写多线程应用程序，您可能必须为关键路径添加一些保护。
这是否意味着
\uuuuuu属性（对齐（32））
也不受尊重？例如，如果您使用
\uuum256 x\uu属性（对齐（32））
Linux也不会将堆栈对齐32。针对Linux的gcc使用
和$-32，%rsp
（或任何更高的对齐方式）在需要溢出
\uuuuuuum256
、
\uuuuuum512
，或使用
对齐（32）声明的任何对象的函数中对齐堆栈
或高于16的任何内容。MinGW gcc不使用相同的顺序保存原始的
rsp
并对齐它，这似乎是一个奇怪的错误。您可以共享您的prolog重新编写脚本吗？还有，如何从汇编文件（由-S生成）获取到可执行文件？Thanks@NobertP.随着MinGW64的后期发布，情况是否有所好转？因为GCC似乎正在掩盖这一缺陷（它已经6年了！），我们决定走另一条路。一份很好的老式请愿书，请签名。在macOS中，编译器将任何数组对齐到16字节。GCC在64位系统上也这样做吗？您好。在使用GCC在64b windows机器上进行实验后，我发现数组的第一个元素是由d对齐的16字节
void foo() {
    struct I_wish_these_were_32B_aligned {
          vec32B foo;
          char bar[32];
    }; // not - no variable definition, just the struct declaration.
    unsigned char a[sizeof(I_wish_these_were_32B_aligned) + 32)];
    unsigned char* a_aligned_to_32B = align_to_32B(a);
    I_wish_these_were_32B_aligned* s = (I_wish_these_were_32B_aligned)a_aligned_to_32B;
    s->foo = ...
}

unsigned char* align_to_32B(unsiged char* a) {
     uint64_t u = (unit64_t)a;
     mask_aligned32B = (1 << 5) - 1;
     if (u & mask_aligned32B == 0) return (unsigned char*)u;
     return (unsigned char*)((u|mask_aligned_32B) + 1);
}