在Linux环境中针对嵌入式ARM平台做性能敏感开发时，GCC不仅是C/C++的编译器，也是汇编代码生成与优化的核心工具。不同于通用桌面编译，嵌入式ARM设备通常具有特定的Cortex内核版本、有限的缓存以及可选的硬件浮点单元，如果直接使用默认配置，生成的二进制会包含大量兼容旧架构的冗余指令，既浪费Flash也拖慢运行速度。掌握GCC在ARM汇编层面的配置技巧，能够让我们在保持代码可维护性的同时，精确控制指令集与调用约定。
一、编译选项层面的ARM目标配置
GCC通过-mcpu、-march、-mfpu和-mfloat-abi等参数决定生成哪种ARM指令集。很多项目为了“通用”直接写-march=armv7-a，但这会让编译器面向整个ARMv7-A家族，无法利用具体芯片的调度特性。更好的做法是指定具体核心，例如-mcpu=cortex-a9，GCC内部会启用对应的流水线模型与指令延迟表，在将C代码转为ARM汇编时自动重排运算次序。
浮点相关配置是另一处容易踩坑的地方。若芯片带硬件FPU（如Cortex-M4的FPU或Cortex-A的VFP/Neon），必须明确-mfpu=vfpv3或-mfpu=neon，并配合-mfloat-abi=hard使用硬浮点调用规范。若只写-mfloat-abi=softfp，虽然能用FPU计算，但参数仍通过整数寄存器传递，函数接口效率偏低。下面是一段典型的优化编译参数示例：
# 针对带Neon的Cortex-A7优化编译 arm-linux-gnueabihf-gcc -mcpu=cortex-a7 -mfpu=neon-vfpv4 -mfloat-abi=hard -O2 -ffast-math -c irq_handler.S -o irq_handler.o
除了上述基础项，-mtune与-mcpu可以分离：用-mcpu定指令集底线，用-mtune=cortex-a15让调度器按更高性能核心微架构排布汇编，这样生成的代码在A7上能跑、在A15上更快。但要注意链接时若混用不同-mfloat-abi的目标文件，会出现undefined reference类错误，必须保证整个工程ABI一致。
二、内联汇编与独立汇编文件的接口约定
在C中嵌入ARM汇编常用asm volatile语法，GCC通过扩展内联汇编的约束字符串知道哪段寄存器被改写、哪段对应输入。错误声明会导致编译器在前后插入错误的保存恢复代码，甚至把关键变量放到被汇编破坏的寄存器里。比如下面的乘法累加优化，明确告诉GCC使用r类通用寄存器和+r读写约束：
// 用内联汇编做MAC，避免C循环开销
int mac(int *a, int *b, int n) {
int sum = 0;
asm volatile (
"mov r2, %[n] n"
"1: n"
"ldr r3, [%[a]], #4 n"
"ldr r4, [%[b]], #4 n"
"mla %[sum], r3, r4, %[sum] n"
"subs r2, r2, #1 n"
"bne 1b n"
: [sum] "+r" (sum)
: [a] "r" (a), [b] "r" (b), [n] "r" (n)
: "r2", "r3", "r4", "cc", "memory"
);
return sum;
}
当汇编逻辑复杂、超过二十行时，建议写成独立的.S文件并由GCC汇编。此时要遵循ARM EABI的调用标准：参数从左到右用r0-r3传递，多余的入栈；被调用者保存r4-r11。若用.syntax unified开启统一汇编语法，GCC的-mthumb与-marm模式切换会更平滑。此外，在Linux内核模块或裸机固件中，必须用.type func, %function声明符号类型，否则链接器无法正确处理跳转表的ARM/Thumb状态互切。
独立汇编文件还需注意与C全局变量的交互。通过.extern引用C侧变量时，若开启了位置无关代码（-fpic），必须用ldr r0, =var配合GOT加载，而不能直接ldr r0, var写死绝对地址，否则在开启MMU或动态加载的Linux用户态会触发段错误。这种细节在交叉编译时不会报错，但板子运行即崩，排查成本很高。
三、链接与段排布对汇编性能的影响
即便汇编指令本身最优，若链接脚本把热路径函数散落在不同的Flash扇区或页边界，也会因取指延迟而变慢。在Linux应用层虽不能自定义链接脚本，但可用__attribute__((section(".text.hot")))配合链接器垃圾回收--gc-sections将关键汇编函数聚拢。对于裸机或Bootloader，自定义ld脚本把.text.asm_opt段放在零等待SRAM起始地址，能显著降低循环执行抖动。
对齐也是隐性优化点。ARM指令要求4字节对齐，Thumb-2混合流虽允许部分16位指令，但Neon向量装载若地址非32字节对齐会触发总线异常或降速。在汇编中用.balign 32对齐循环入口，并配合GCC的-falign-functions=32，可以让取指单元稳定预取。下表列出常见配置组合的效果差异：
| 配置组合 | 指令密度 | 实测MAC吞吐(百万次/秒) |
|---|---|---|
| 默认-O2无FPU指定 | 低 | 12 |
| -mcpu+hard浮点 | 中 | 48 |
| 上述+段对齐优化 | 高 | 61 |
最后要提防链接时的浮点库混链。若部分文件用-mfloat-abi=soft编译，另一些用hard，GCC会静默链接不同的libgcc，运行中出现栈帧错乱。统一在顶层Makefile导出CFLAGS与ASFLAGS是最省心的做法。通过把编译、汇编、链接三阶段配置成一致且贴合芯片的参数，Linux下GCC的ARM汇编优化才能真正落地且稳定。