8位时代的游戏编程：从常规优化到堆栈奇技
在8位PC时代，游戏硬件性能极其有限。为了在当时的标准下实现可玩的速度，早期游戏程序员不得不采用各种极端的底层优化手段。本文回顾了一个关于6809处理器上背景图块渲染优化的经典案例，展示了如何通过挖掘指令集特性将性能提升数倍。
背景：不可玩的街机移植
故事始于一名程序员试图将一款当时流行的街机代币游戏移植到80年代的PC平台。尽管代码逻辑严谨，但移植后的版本运行缓慢且帧率波动剧烈，严重破坏了侧滚动游戏的沉浸感。
经过初步审查，发现常规优化手段已无所不用其极：循环展开、消除冗余调用、清理死代码等均已实施。然而，瓶颈依然存在——大部分时间消耗在背景图块的重新绘制上。对于每一帧，程序都需要根据玩家位置移动近一个屏幕宽度的背景数据。
硬件限制与基础实现
当时的图形硬件不具备纹理映射或自动缩放功能，所有像素操作必须由CPU逐字节完成。以该游戏为例，背景图块尺寸为28x28像素，每个像素占用4位（半字节），支持16种颜色。因此，一行图块在内存中占据14个连续字节。
屏幕缓冲区分辨率为320x240像素，每行占160字节。将源图块复制到屏幕缓冲区时，需处理28行数据。利用6809处理器的自动增量寻址模式，基础复制逻辑如下：
LDU ,X++ ; 读取源图块的一个字（2字节=4像素）
STU ,Y++ ; 写入屏幕缓冲区复制一行需要执行7次上述操作。完整的单行复制子程序包含外层行循环和内层字循环，初始版本的执行效率较低。
第一轮优化：循环展开与偏移寻址
通过计算机器周期，开发者发现原始内层循环每次复制4像素需消耗21个周期。复制一行共需约157个周期。
第一步优化是手动展开循环，消除了分支判断和计数器递减的开销，使每行耗时降至120个周期，提速30%。
更激进的优化在于替换昂贵的自动增量操作。6809处理器中，,X++ 指令耗时3个周期，而带固定偏移量的直接寻址如 2,X 仅耗时1个周期（0偏移为免费）。由于源和目标地址的相对位置已知，程序员改用精确偏移量进行读写：
LDU ,X ; 5 cycles
STU ,Y ; 5
LDU 2,X ; 6
STU 2,Y ; 6
... (重复至第7个字)
LEAX TILW,X ; 8 (finishing)
LEAY SCRW,Y ; 8 (finishing)这一改动将每行复制的周期数进一步压缩至98个，相比原始代码提速60%。尽管如此，对于实时渲染而言，这仍然不够快。
疯狂的想法：利用堆栈寄存器并行传输
为了寻求突破，开发者查阅了《6809微处理器编程手册》，发现了两个关键特性：PSHS/ PULS 指令和 DP 寄存器。
与同时期的6502处理器不同，6809允许使用单条指令将多个寄存器压入或弹出硬件堆栈。PULS D,X,Y 仅需11个周期即可传输6个字节。更重要的是，6809拥有两个堆栈指针寄存器：S 和 U。
新的策略是将 S 指向源图块，U 指向屏幕缓冲区。通过交替执行 PULS（从S读入D,X,Y）和 PSHU（推入U），可以实现高速的数据搬运。
初步方案如下：
PULS D,X,Y ; first 6 bytes 11 cycles
PSHU D,X,Y ; 11
PULS D,X,Y ; second 6 bytes 11
PSHU D,X,Y ; 11
PULS D ; final 2 bytes 7
PSHU D ; 7
LEAU -WOFF,U ; advance dst ptr 8此方案每行耗时66个周期。虽然比之前的98周期有显著改进，但最后两字节的处理因无法整除而显得笨拙。
终极优化：利用DP寄存器凑整
6809的另一个独特之处在于 DP（Direct Page）寄存器。它类似于其他架构中的“零页”概念，但可以由软件指定任意页面作为直接页。由于当前的数据复制逻辑不需要访问直接页，DP 寄存器可以被征用为额外的数据传输通道。
将 DP 加入堆栈操作后，单次 PULS/PSHU 对可以传输7个字节（D, X, Y, DP各2字节，共8字节？注：原文此处逻辑为利用DP作为额外go-between，实际上6809的PULS/PUSH通常按字对齐，但此处特指利用DP的低字节或特定组合达到7字节有效载荷的巧妙构思，原文描述为“copy 7 bytes per pull-push pair”）。鉴于图块行宽为14字节，恰好能被7整除。
最终实现的单行复制代码仅需5条指令：
PULS D,X,Y,DP ; first 7 bytes 12 cycles
PSHU D,X,Y,DP ; 12
PULS D,X,Y,DP ; second 7 bytes 12
PSHU D,X,Y,DP ; 12
LEAU -WOFF,U ; advance dst ptr 8总耗时仅为56个周期。这意味着利用了机器上几乎所有可用的通用寄存器（D, X, Y）以及特殊的堆栈指针（S, U）和直接页指针（DP），实现了极致的字节搬运效率。
潜在缺陷：数据顺序反转
然而，这种基于堆栈的操作存在一个隐蔽的逻辑陷阱：堆栈的后进先出（LIFO）特性导致数据在传输过程中发生块级交换。
当以7字节为单位从源地址拉取并推送到目标地址时，原本连续的14字节序列 [0...6][7...13] 会被拆分为两个七元组。由于堆栈操作的对称性，如果未对指针方向或数据布局进行特殊处理，屏幕上显示的可能是 [7...13][0...6]，即左右两半发生了水平互换。
尽管单个七元组内部的字节顺序保持不变，但这种块间的错位会导致图像撕裂或显示异常。解决这一问题通常需要调整源数据的预排列方式，或在渲染管线中引入额外的修正步骤，这也凸显了在极端优化下保持数据一致性的复杂性。
