assembly-arm

ARM / AArch64 アセンブリ

目的

AArch64（64 ビット）および ARM（32 ビット Thumb）アセンブリについて、レジスター、呼び出し規約、インラインアセンブリ、NEON/SVE SIMD のパターンをエージェントに解説します。

トリガー

• 「ARM64 アセンブリの出力を読むにはどうすればよいですか？」
• 「AArch64 のレジスターと呼び出し規約は何ですか？」
• 「ARM 用のインラインアセンブリを書くにはどうすればよいですか？」
• 「AArch64 と ARM Thumb の違いは何ですか？」
• 「NEON intrinsic を使うにはどうすればよいですか？」

ワークフロー

1. ARM アセンブリを生成する

# AArch64 (native or cross-compile)
aarch64-linux-gnu-gcc -S -O2 foo.c -o foo.s

# 32-bit ARM Thumb
arm-linux-gnueabihf-gcc -S -O2 -mthumb foo.c -o foo.s

# From objdump
aarch64-linux-gnu-objdump -d -S prog

# From GDB on target
(gdb) disassemble /s main

2. AArch64 レジスター（AAPCS64）

レジスター	別名	役割
x0–x7	—	引数 1～8 と戻り値
x8	xr	間接結果の格納場所（構造体の戻り値）
x9–x15	—	呼び出し元保存の一時レジスター
x16–x17	ip0、ip1	プロシージャー呼び出し間の一時レジスター（リンカーが使用）
x18	pr	プラットフォームレジスター（一部の OS では予約済み）
x19–x28	—	呼び出し先保存
x29	fp	フレームポインター（呼び出し先保存）
x30	lr	リンクレジスター（戻りアドレス）
sp	—	スタックポインター（呼び出し時に 16 バイト境界に整列する必要あり）
pc	—	プログラムカウンター（直接アクセス不可）
xzr	wzr	ゼロレジスター（読み出し値は 0、書き込みは破棄）
v0–v7	q0–q7	FP/SIMD の引数と戻り値
v8–v15	—	呼び出し先保存の SIMD レジスター（下位 64 ビットのみ）
v16–v31	—	呼び出し元保存の一時レジスター

幅のバリエーション：x0（64 ビット）、w0（32 ビット、64 ビットにゼロ拡張）、h0（16 ビット）、b0（8 ビット）。

3. AAPCS64 呼び出し規約

整数／ポインター引数： x0–x7 浮動小数点／SIMD 引数： v0–v7 戻り値： x0（整数）、x0+x1（128 ビット）、v0（浮動小数点／SIMD） 呼び出し先保存： x19–x28、x29（fp）、x30（lr）、v8–v15（下位 64 ビット） 呼び出し元保存： その他すべて

bl または blr 命令の実行時、スタックは 16 バイト境界に整列している必要があります。

4. よく使われる AArch64 命令

命令	効果
mov x0, x1	レジスターをコピー
mov x0, #42	即値をロード
movz x0, #0x1234, lsl #16	ゼロ拡張してシフトしながら移動
movk x0, #0xabcd	値を保持しながら移動（一部を更新）
ldr x0, [x1]	x1 のアドレスから 64 ビット値をロード
ldr x0, [x1, #8]	x1+8 からロード
str x0, [x1, #8]	x0 を x1+8 に格納
ldp x0, x1, [sp, #16]	ペアをロード（2 つのレジスターを同時に）
stp x29, x30, [sp, #-16]!	ペアを格納し、sp を事前に減算
add x0, x1, x2	x0 = x1 + x2
add x0, x1, #8	x0 = x1 + 8
sub x0, x1, x2	x0 = x1 - x2
mul x0, x1, x2	x0 = x1 * x2
sdiv x0, x1, x2	符号付き除算
udiv x0, x1, x2	符号なし除算
cmp x0, x1	x0 - x1 のフラグを設定
cbz x0, label	x0 == 0 の場合に分岐
cbnz x0, label	x0 != 0 の場合に分岐
bl func	リンク付きで分岐（呼び出し）
blr x0	x0 のアドレスへリンク付きで分岐
ret	戻る（x30 へ分岐）
ret x0	x0 のアドレスへ戻る
adrp x0, symbol	PC 相対のページアドレス
add x0, x0, :lo12:symbol	symbol のオフセットの下位 12 ビット

5. 典型的な関数のプロローグ／エピローグ

// Non-leaf function
stp  x29, x30, [sp, #-32]!   // save fp, lr; allocate 32 bytes
mov  x29, sp                  // set frame pointer
stp  x19, x20, [sp, #16]     // save callee-saved registers
// ... body ...
ldp  x19, x20, [sp, #16]     // restore
ldp  x29, x30, [sp], #32     // restore fp, lr; deallocate
ret

// Leaf function (no calls, no callee-saved regs needed)
// Can use red zone (no rsp adjustment) — but AArch64 has no red zone
sub  sp, sp, #16             // allocate locals
// ... body ...
add  sp, sp, #16
ret

6. インラインアセンブリ（GCC/Clang）

// Barrier
__asm__ volatile ("dmb ish" ::: "memory");

// Load acquire
static inline int load_acquire(volatile int *p) {
    int val;
    __asm__ volatile ("ldar %w0, %1" : "=r"(val) : "Q"(*p));
    return val;
}

// Store release
static inline void store_release(volatile int *p, int val) {
    __asm__ volatile ("stlr %w1, %0" : "=Q"(*p) : "r"(val));
}

// Read system counter
static inline uint64_t read_cntvct(void) {
    uint64_t val;
    __asm__ volatile ("mrs %0, cntvct_el0" : "=r"(val));
    return val;
}

AArch64 固有の制約：

• "Q" — 排他／取得／解放命令に適したメモリーオペランド
• "r" — 任意の汎用レジスター
• "w" — 任意の FP/SIMD レジスター

7. NEON SIMD intrinsic

#include <arm_neon.h>

// Add 4 floats at once
float32x4_t a = vld1q_f32(arr_a);   // load 4 floats
float32x4_t b = vld1q_f32(arr_b);
float32x4_t c = vaddq_f32(a, b);
vst1q_f32(result, c);

// Horizontal sum
float32x4_t sum = vpaddq_f32(c, c);
sum = vpaddq_f32(sum, sum);
float total = vgetq_lane_f32(sum, 0);

命名規則：v<op><q>_<type>

• q 接尾辞：128 ビット（クアッド）ベクトル
• _f32：float32、_s32：int32、_u8：uint8 など

8. Darwin と Linux の AArch64 ABI の違い

項目	Linux（AAPCS64）	Apple Darwin（arm64）
スタックの整列	公開インターフェースで 16 バイト	16 バイト
レッドゾーン	SP の下に 128 バイト	レッドゾーンなし
x18 レジスター	プラットフォーム予約済み（TLS）	プラットフォームレジスター（使用しないこと）
可変長引数	x0–x7、続いてスタック	同じ。ただし objc_msgSend の規約は異なる
名前修飾	Itanium C++ ABI	同じ + Apple blocks

macOS/iOS では、x18 の使用を避け、プラットフォーム型には _DARWIN_C_LEVEL ヘッダーを使用してください。

9. AMX の概要（Apple Silicon）

Apple Matrix Coprocessor（AMX）は、公開されている組み込み関数を通じて利用できません。アクセス方法：

// Practical: Accelerate/vecLib uses AMX internally
#include <Accelerate/Accelerate.h>
// cblas_sgemm, vDSP_* dispatch to AMX on M-series

// Low-level: community-documented opcodes — not portable, avoid in production

Apple Silicon で行列演算を行う場合は、Metal Performance Shaders または Accelerate を使用してください（skills/platform/apple-silicon）。

10. Apple M シリーズの 16KB ページサイズ

Apple Silicon 上の macOS では、4KB ではなく 16KB ページが使用されます：

#include <unistd.h>
long page = sysconf(_SC_PAGESIZE);  // 16384 on macOS arm64
// Align mmap and posix_memalign to page size

PAGE_SIZE == 4096 を前提とするコードは、バッファーのアラインメントがずれたり、macOS で mmap が失敗したりする可能性があります。

11. NEON から SVE2 への移行のヒント

Porting checklist
├── Replace 128-bit fixed loops with svcnt*() strides on SVE hardware
├── Use predicates (svwhilelt) for tails instead of scalar epilogues
├── Guard SVE code with #ifdef __ARM_FEATURE_SVE
└── Keep NEON path for Apple M1–M3 (no SVE); use SVE2 on Graviton/M4+

SVE の組み込み関数と自動ベクトル化フラグについては、skills/platform/arm-sve を参照してください。

レジスターのリファレンスについては、references/reference.md を参照してください。

関連スキル

• x86-64 アセンブリーには、skills/low-level-programming/assembly-x86 を使用してください
• クロスコンパイルツールチェーンには、skills/compilers/cross-gcc を使用してください
• gdbserver を使用した ARM コードのデバッグには、skills/debuggers/gdb を使用してください
• SVE／SVE2 のスケーラブルベクトルには、skills/platform/arm-sve を使用してください
• M シリーズのユニファイドメモリーと AMX には、skills/platform/apple-silicon を使用してください