在asm_book项目中解决ARM64汇编程序编译与运行问题
2025-06-27 12:50:14作者:庞眉杨Will
本文主要探讨了在pkivolowitz的asm_book项目中,如何正确编译和运行ARM64架构下的汇编程序,特别是针对Apple Silicon和Linux系统的兼容性问题。
汇编程序编译问题的根源
在尝试编译asm_book项目中的示例代码时,开发者遇到了指令无法识别的问题。这主要是因为直接使用as命令进行汇编时,没有调用C预处理器(cpp),导致宏定义未被展开。正确的做法是使用g++命令,因为它会自动调用完整的编译工具链,包括预处理、汇编和链接等步骤。
Apple Silicon与Linux的兼容性处理
项目作者提供了apple-linux-convergence.S宏文件,专门用于解决不同平台下的兼容性问题。这个文件定义了一系列宏,可以自动处理:
- 全局标签定义(GLABEL)
- 主函数入口(MAIN)
- 寄存器压栈/出栈操作(PUSH_P/PUSH_R/POP_P/POP_R)
- 标准库函数调用(CRT)
- 地址加载方式差异(LLD_ADDR等)
具体问题解决方案
对于示例程序中的字符串输出问题,关键在于正确加载字符串地址。在Apple平台上,不能直接使用ldr x0, =T这样的语法,而应该使用项目提供的LLD_ADDR宏。这个宏会根据平台自动选择正确的地址加载方式:
- 在Apple系统上使用
adrp和add指令组合 - 在Linux系统上使用简单的
ldr指令
完整解决方案示例
以下是经过修改后能在Apple Silicon上正确运行的汇编代码框架:
#include "apple-linux-convergence.S"
.text
.p2align 2
GLABEL main
MAIN
str x30, [sp, -16]!
mov x1, 10
mov x0, 50
cmp x0, x1
ble 1f
LLD_ADDR x0, T
b 2f
1: LLD_ADDR x0, F
2: CRT puts
ldr x30, [sp], 16
mov x0, xzr
ret
.data
F: .asciz "FALSE"
T: .asciz "TRUE"
.end
编译与运行建议
对于这类跨平台的ARM64汇编程序,推荐使用以下编译命令:
g++ -o 输出文件名 源文件.S
这种方式会自动处理预处理、汇编和链接的整个过程,确保宏定义被正确展开,同时处理平台相关的差异。
总结
通过使用项目提供的兼容性宏和正确的编译方法,开发者可以轻松编写能在Apple Silicon和Linux系统上都能运行的ARM64汇编程序。关键在于理解不同平台下的底层差异,并合理利用宏定义来屏蔽这些差异,提高代码的可移植性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
168
190
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
258
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.19 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
262
92