메뉴 건너뛰기

OBG

Programming

API/MFC
2013.07.28 03:39

__cdecl , __pascal, __stdcall

MoA
조회 수 334 추천 수 0 댓글 0
?

단축키

Prev이전 문서

Next다음 문서

크게 작게 위로 아래로 댓글로 가기 인쇄
?

단축키

Prev이전 문서

Next다음 문서

크게 작게 위로 아래로 댓글로 가기 인쇄

윈도우즈의 역사

 

win16에서는 속도와 크기가 아주 중요시 되던 시절(win3.0 3.1)에 OS/2와 윈도우 설계자들이

API 함수를 설계할때 프로그램이 느려지고 크기가 커지는 C 방식을 사용하지 않고

pascal이나 fortran이 사용하고 있는방식으로 스택 프레임을 설계하게 되었고,

 

win32에서는 가변 매개인자를 지원하는 함수를 사용하기 위해 __stdcall방식을 사용한다.

 

만약c 방식의 함수호출을 원한다면 __cdecl을 명시해주어야 한다(API 프로그래밍중)

 

 

- C방식과 pascal 방식의 함수호출의 차이점

 

1. 함수 호출후 종료시점에 호출한 함수의 스택을 정리하는 주체

 

 - pascal 호출을 당하는 쪽이 스택공간을 정리

 - stdcall : 호출을 당하는 쪽이 스택공간을 정리

 - cdecl 호출을 하는 쪽이 스택공간을 정리

 

2. 매개인자를 스택에 넣는 방향

 

pascal 인수를 왼쪽에서 오른쪽순으로 스택에 저장한다

stdcall 인수를 오른쪽에서 왼쪽순으로 스택에 저장한다

cdecl 인수를 오른쪽에서 왼쪽순으로 스택에 저장한다.

 

여기서 알 수 있는 것은 stdcall은 cdecl과 pascal을 혼합한 형태를 취한다는 것이다.

 

임의의 함수를 호출해서 호출방식을 설정한후 디스어셈블 해보면

cdecl은 호출을 하는쪽에서 스택공간을 정리하므로 스택을 정리해주는 코드가

추가된다. 그 부분이 pascal에서는 사용되지 않고 단순히 리턴 시키므로

속도도 빨라지고 크기가 줄어든다.

 

두번째는 매개인자를 스택에 넣는 방향인데 이것이 중요한 이유는 바로

가변 매개인자를 사용할 수 있다는 것이다.

 

오른쪽에서 왼쪽순으로 스택에 저장되면 인자의 첫번째가 어디인지 확실하다는 것,

즉 알려진 장소에서 첫번째 인자를 찾아 낼 수 있다는 장점으로 가변인자를

허용할 수 있다는 것이다.

(오른쪽에서 왼쪽순이라는 말은 일반적인 스택이라고 생각했을때 상위에서 아래로)

 

단 함수호출이 끝난후 스택을 정리할때 호출한쪽에서 정확하게 스택을 사용한 사이즈를

알고 있기 때문에 문제가 되지 않으나 당한쪽에서는 또다른 정보를 가지고 사용한

스택 사이즈를 알아야 하기 때문에 문제가 발생할 수 있다는 것이다.

 

그런 이유로 stdcall은 함수호출방식은 파스칼이지만 가변매개인자는 지원하지 못하는 것이다.

가변 매개인자를 꼭 사용해야 한다면 cdecl을 사용해야 한다.

 

 

 

--------------------------   참고 ---------------------------

 

참고로 예전에는 파스칼 언어가 사용하는 함수호출 방식 pascal을 사용하기 위해

(호환성 및 안정성)C++에서는 pascal이라는 키워드를 지원했었다.

 

현재 지금은 사용되지 않으며 WINAPI 키워드를 사용하도록 변경되어있다.

 

그리고 pascal 키워드의 본래 기능을 사용하고 싶으면 WINAPI 사용후

링커 옵션에서 예전 옵션과 유사한 기능을 선택 할수 있도록 되어있다


http://blog.naver.com/sorkelf/40132292058

?

List of Articles
번호 분류 제목 글쓴이 날짜 조회 수
공지 Tool/etc Programming 게시판 관련 2 MoA 2014.11.01 1709
286 LLM PEFT: Parameter-Efficient Fine-Tuning of Billion-Scale Models on Low-Resource Hardware OBG 2024.04.15 15
285 LLM [VESSL AI] 뉴욕주민의 프로젝트플루토 — LLM, LLMOps를 활용한 금융 미디어의 혁신 OBG 2024.04.21 17
284 LLM Anthropic, LLM의 내부를 이해하는데 있어 상당한 진전을 보임 OBG 2024.06.03 17
283 LLM A Beginner's Guide to Prompt Engineering with GitHub Copilot OBG 2024.04.04 19
282 LLM How LLMs Work ? Explained in 9 Steps — Transformer Architecture OBG 2024.04.11 21
281 LLM ChatGPT의 강력한 경쟁 언어모델 등장!, Mixtral 8x7B OBG 2024.04.14 22
280 LLM Mixture of Experts - Part 2 OBG 2024.04.14 22
279 LLM llama3 implemented from scratch OBG 2024.05.24 24
278 Graphic ASCII 3D 렌더러 만들기 OBG 2024.06.03 24
277 LLM 만능 프롬프트 OBG 2024.04.07 25
276 LLM The difference between quantization methods for the same bits OBG 2024.04.14 25
275 LLM Getting Started with Sentiment Analysis using Python OBG 2024.04.11 27
274 LLM Real-Time Stock News Sentiment Prediction with Python OBG 2024.04.11 28
273 Deeplearning [ifkakao] 추천 시스템: 맥락과 취향 사이 줄타 OBG 2024.01.10 30
272 Tool/etc HuggingFace 공동창업자가 추천하는 AI 분야 입문 서적 OBG 2024.05.24 31
271 LLM [12월 1주] 떠오르는 '미스트랄 7B'...'라마 2' 이어 한국어 모델 세대교체 주도 OBG 2024.03.05 34
270 Deeplearning Using Machine Learning to Predict Customers’ Next Purchase Day OBG 2024.02.27 38
269 서버 멀티-플레이어 게임 서버와 레이턴시 보상 테크닉 OBG 2024.01.16 41
268 Deeplearning 마이크로소프트가 공개한 무료 AI 코스들 OBG 2023.11.28 55
267 LLM LLM 출력 속도 24배 높여주는 라이브러리 등장했다 OBG 2023.06.30 65
Board Pagination Prev 1 2 3 4 5 6 7 8 9 10 ... 15 Next
/ 15
위로