我有一个需要尽可能快的函数，它只使用整数运算。它在 AMD64 架构上运行，我需要做一些推送/弹出操作才能有足够的寄存器来使用。现在我想知道，x64 ABI 声明前四个浮点寄存器（XMM0、XMM1、XMM2 和 XMM3）是易失性的，不需要在函数调用中保留。
所以我想我可以通过 movq（MMX 或 SSE 指令集）而不是使用堆栈来存储我需要保存在这些寄存器的低 64 位（即 MM0、MM1、...）中的 64 位寄存器，从而节省了自己一些内存加载/存储。此外，我不需要使用 EMMS 存储 FPU 状态——这会破坏目的——因为我实际上并没有操作浮点寄存器，而只是将它们用作存储（而且无论如何，x87 单元在x64，因为它基本上被 SSE 取代）
我已经完成了修改并且它可以工作（没有崩溃，并且性能显着提高了 4%），但我想知道，这个“hack”是否真的有效，或者它会引入我可能错过的任何特定副作用（比如 FPU 状态腐败，即使我不使用它，那种东西）。在任何当前架构上，加载/存储到 FPU 寄存器总是比内存加载/存储快吗？
而且，是的，确实需要这种优化。公平地说，这不会严重降低代码维护成本，一行注释就足以解释这个技巧。因此，如果我可以免费获得每个字节少几个时钟而不会产生意外后果，我会很乐意接受它们 :)
谢谢。