核心加密算法吞吐上限受限于内存读写，将轮函数中高频变量（如temp、rk_i、s0~s15）显式声明为register并展开状态矩阵、匹配cpu原生数据宽度、对齐内存、必要时绑定特定寄存器，可显著提升性能。
核心加密算法的吞吐上限受限于频繁的内存读写，而非计算本身。把关键中间变量（如轮密钥、状态字节、临时异或结果）主动“钉”在寄存器中，能绕过缓存和主存延迟，直接命中CPU最高速路径——这是实战中最易见效、无需硬件改动的提速手段。
优先用 register 声明高频轮转变量
在AES、SM4等分组密码的轮函数中，每轮都要反复读写状态矩阵（如AES的state[4][4]）和轮密钥字（rk[i]）。这些变量生命周期短、访问密集，是 register 的理想目标：
- 将单轮内反复使用的标量（如轮索引 i、位移偏移量 shift、临时异或寄存器 temp）显式声明为 register uint8_t temp 或 register uint32_t rk_i
- 避免对这些变量取地址（&temp 错误），否则编译器会强制退回到内存存储
- 现代编译器（GCC/Clang -O2 及以上）通常自动优化，但显式声明可强化意图，在嵌入式交叉编译或旧版工具链中更可靠
结构体拆解 + 标量展开，杜绝隐式内存访问
不要把整个状态矩阵定义为 uint8_t state[16] 后用下标访问——数组下标计算、边界检查（即使未启用）都可能引入额外指令和内存间接寻址。改为显式命名并展开：
- register uint8_t s0, s1, s2, ..., s15 —— 直接对应 AES 状态字节
- 轮函数内所有 S-box 查表、行移位、列混合操作，全部基于这16个寄存器变量运算
- 查表时用 register const uint8_t *sbox = aes_sbox，让指针本身也驻留寄存器，加速间接寻址
利用 CPU 原生宽度匹配数据粒度
寄存器存取效率与数据宽度强相关。在64位CPU上，用 uint64_t 一次处理8字节比循环8次 uint8_t 快得多，且更易被编译器映射到整数寄存器：
- AES-CTR 模式中，计数器可声明为 register uint64_t ctr_lo, ctr_hi，加法进位用原生指令完成
- SM4 的 32 位字运算，统一用 register uint32_t，避免编译器插入零扩展或截断指令
- 禁用未对齐访问：确保密钥数组、输入块起始地址按寄存器宽度（4/8字节）对齐，否则触发异常或降速
绑定关键路径到特定寄存器（高级技巧）
对极致性能场景（如硬件安全模块固件），可用 GCC 扩展语法强制绑定：
- register uint32_t rk0 asm("r4") —— 将 rk0 强制分配给 ARM Cortex-M 的 r4 寄存器
- 配合内联汇编，在关键轮函数中直接使用 mov、eor、add 等指令操作该寄存器，彻底跳过编译器调度开销
- 仅限已知寄存器使用惯例的平台，需手工验证调用约定，防止破坏栈帧或被调函数寄存器
