为什么说方法的参数最好不要超过4个？
简介
百度 早在20世纪80年代，美国就有医学专家报告说：在80岁上下老年人的尸解中，有1/4的人体内有肿瘤，但这些人生前没有与癌症有关的任何症状。在很多年前的一次Code Review中，有大佬指出，方法的参数太多了，最好不要超过四个，对于当时还是萌新的我，虽然不知道什么原因，但听人劝，吃饱饭，这个习惯也就传递下来了，直到参加工作很多年后，才明白这其中的缘由。
调用协定
在计算机编程中，调用协定(Calling Convention)是一套关于方法/函数被调用时参数传递方式，栈由谁清理和寄存器如何使用的规范。
- 参数传递方式
- 寄存器传递：将参数存入CPU寄存器，速度最快。
- 栈传递：将参数压入调用栈，再依次从栈中取出，速度最慢
- 混合传递：前N个参数用寄存器，剩余参数用栈，速度适中
- 栈由谁清理
- Caller清理：调用函数后由调用方负责恢复栈指针（如C/C++的
__cdecl）。 - Callee清理：被调用函数返回前自行清理栈（如x64的默认协定）。
- 寄存器如何使用
- 易变寄存器（Volatile Registers）：函数调用时可能被修改的寄存器（如x64的
RAX、RCX、RDX），调用方需自行保存这些寄存器的值。 - 非易变寄存器（Non-Volatile Registers）：函数必须保存并恢复的寄存器（如x64的
RBX、RBP、R12-R15）。
x86架构混乱的调用协定
x86架构发展较早，因此调用协定野蛮生长，有多种调用协定
| 协定名称 | 参数传递方式 | 栈清理 | 适用场景 |
|---|---|---|---|
__cdecl |
通过栈传递（右→左） | 调用者清理栈 | C/C++默认，支持可变参数 |
__stdcall |
通过栈传递（右→左） | 被调用者清理栈 | Windows API（如Win32） |
__fastcall |
前两个参数通过寄存器，剩余通过栈(右→左) | 被调用者清理栈 | 高性能场景 |
__thiscall |
this指针通过寄存器, 剩余通过栈(右→左) | 被调用者清理栈 | C++类成员函数 |
眼见为实
可以看到，cdecl，stdcall是通过压栈的方式将参数压入栈中，而fastcall直接赋值给寄存器，并无压栈操作
点击查看代码
#include <iostream>
int __cdecl cdecl_add(int a, int b) {
return a + b;
}
int __stdcall stdcall_add(int a, int b) {
return a + b;
}
int __fastcall fastcall_add(int a, int b) {
return a + b;
}
class Calculator {
public:
int __thiscall thiscall_add(int b) {
return this->a + b;
}
int a;
};
int main()
{
int a = 10, b = 5;
int cdecl_add_value = cdecl_add(a, b);
int stdcall_add_value = stdcall_add(a, b);
int fastcall_add_value = fastcall_add(a, b);
Calculator calc;
calc.a = 10;
int thiscall_add_value = calc.thiscall_add(5);
}
x64的大一统
而在x64架构下，为了解决割裂的调用协定，windows与linux实现了统一。
| 协定名称 | 参数传递方式 | 栈清理 | 适用场景 |
|---|---|---|---|
MS x64 |
前4个参数通过寄存器，剩余通过栈(左→右) |
被调用者清理栈 | Windows x64程序 |
System V AMD64 |
前6个参数通过寄存器，剩余通过栈(左→右) |
被调用者清理栈 | Unix/Linux x64程序 |
眼见为实
linux下暂无图(因为我懒)，大概就是这意思，自行脑补
点击查看代码
#include <stdio.h>
int add(int a, int b, int c, int d, int e) {
return a + b + c + d + e;
}
int main() {
int result = add(1, 2, 3, 4, 5);
return 0;
}
C#中使用哪种调用协定？
C#在x86下，有自己独特的调用协定
| 协定名称 | 参数传递方式 | 栈清理 | 适用场景 |
|---|---|---|---|
Standard |
前两个参数通过寄存器，剩余通过栈(左→右) |
被调用者清理栈 | C#静态方法 |
HasThis |
前两个参数通过寄存器(第一个为This)，剩余通过栈(左→右) |
被调用者清理栈 | C#实例方法 |
在x64形成实现统一，与操作系统保持一致
眼见为实
注意寄存器与栈是两片独立运行的区域，光从汇编代码，很容易陷入误区，就拿上图来说，从上往下阅读汇编，你会发现参数传递的顺序是30(1Eh),40(28h),50(32h),10(0Ah),20(14h)。明显不对，这是因为一个是寄存器，一个是线程栈，这是两个不相关的区域，谁前谁后都不违反从左到右的规定。不能死脑筋，寄存器与栈之间是存在位置无关性的。
/*这种顺序也是正确的，寄存器是寄存器，栈是栈，汇编的顺序不影响他们的位置无关性，因为是两片独立运行的区域*/
push 1Eh
mov ecx,0Ah
push 28h
mov edx,14h
push 32h
点击查看代码
internal class Program
{
static void Main(string[] args)
{
var t = new Test();
var sum = t.Add(10, 20, 30, 40, 50);
var sum2 = Test.StaticAdd(10, 20, 30, 40, 50);
Console.ReadKey();
}
}
public class Test
{
public int Add(int a, int b, int c, int d, int e)
{
var sum = a + b + c + d + e;
return sum;
}
public static int StaticAdd(int a, int b, int c, int d, int e)
{
var sum = a + b + c + d + e;
return sum;
}
}
结论
可以看到，在Windows x64下，如果方法的参数<=4 那么就就完全避免了栈传递的开销，实现性能最佳化。
在linux下，参数为<=6，根据木桶效应，取4为最佳。
当然，此文不是让你严格遵守此规则，随着CPU性能的发展，在微服务集群大行其道的今天。这点性能差距可以忽略不计，权当饭后消遣，补充冷知识，
好让你在未来的Code Review中，没活硬整.
点击查看代码
internal class Program
{
static void Main(string[] args)
{
ParameterPassingBenchmark.Run();
}
}
public class ParameterPassingBenchmark
{
private const int WarmupIterations = 100000;
private const int BenchmarkIterations = 10000000;
private const int BatchSize = 1000; // 批量调用次数，提高测量精度
private static readonly Random _random = new Random(42);
// x64平台前4个参数通过寄存器传递
[MethodImpl(MethodImplOptions.NoInlining | MethodImplOptions.NoOptimization)]
public static int Register4Params(int a, int b, int c, int d) => a + b + c + d;
// 第5个参数通过栈传递
[MethodImpl(MethodImplOptions.NoInlining | MethodImplOptions.NoOptimization)]
public static int Stack1Param(int a, int b, int c, int d, int e) => a + b + c + d + e;
// 第5-8个参数通过栈传递
[MethodImpl(MethodImplOptions.NoInlining | MethodImplOptions.NoOptimization)]
public static int Stack4Params(int a, int b, int c, int d, int e, int f, int g, int h)
=> a + b + c + d + e + f + g + h;
public static void Run()
{
Console.WriteLine($"参数传递性能测试 - 预热: {WarmupIterations:N0}, 测试: {BenchmarkIterations:N0} 次");
Console.WriteLine("----------------------------------------------------------------");
// 生成随机输入数据以避免优化
var inputData = GenerateInputData();
// 预热
Warmup(inputData);
// 测试
var reg4Time = Measure(() => Register4ParamsTest(inputData));
var stack1Time = Measure(() => Stack1ParamTest(inputData));
var stack4Time = Measure(() => Stack4ParamsTest(inputData));
// 输出结果
Console.WriteLine("\n===== 测试结果 =====");
Console.WriteLine($"4寄存器参数: {reg4Time,12:N2} ns/次");
Console.WriteLine($"4寄存器+1栈参数: {stack1Time,10:N2} ns/次 ({((double)stack1Time / reg4Time - 1) * 100:F1}% 性能下降)");
Console.WriteLine($"4寄存器+4栈参数: {stack4Time,10:N2} ns/次 ({((double)stack4Time / reg4Time - 1) * 100:F1}% 性能下降)");
}
private static (int[], int[], int[]) GenerateInputData()
{
var data4 = new int[BenchmarkIterations * 4];
var data5 = new int[BenchmarkIterations * 5];
var data8 = new int[BenchmarkIterations * 8];
for (int i = 0; i < BenchmarkIterations; i++)
{
for (int j = 0; j < 4; j++) data4[i * 4 + j] = _random.Next();
for (int j = 0; j < 5; j++) data5[i * 5 + j] = _random.Next();
for (int j = 0; j < 8; j++) data8[i * 8 + j] = _random.Next();
}
return (data4, data5, data8);
}
private static void Warmup((int[], int[], int[]) inputData)
{
Console.Write("预热中...");
var (data4, data5, data8) = inputData;
for (int i = 0; i < WarmupIterations; i++)
{
Register4Params(data4[i * 4], data4[i * 4 + 1], data4[i * 4 + 2], data4[i * 4 + 3]);
Stack1Param(data5[i * 5], data5[i * 5 + 1], data5[i * 5 + 2], data5[i * 5 + 3], data5[i * 5 + 4]);
Stack4Params(data8[i * 8], data8[i * 8 + 1], data8[i * 8 + 2], data8[i * 8 + 3],
data8[i * 8 + 4], data8[i * 8 + 5], data8[i * 8 + 6], data8[i * 8 + 7]);
}
Console.WriteLine("完成");
}
private static long Measure(Func<long> testMethod)
{
// 强制GC并等待完成
GC.Collect();
GC.WaitForPendingFinalizers();
GC.Collect();
// 冷启动
testMethod();
// 实际测量
var stopwatch = Stopwatch.StartNew();
long result = testMethod();
stopwatch.Stop();
// 使用结果以避免被优化掉
if (result == 0) Console.WriteLine("警告: 结果为0，可能存在优化问题");
// 计算平均时间（纳秒）
long totalNs = stopwatch.ElapsedTicks * 10000000L / Stopwatch.Frequency;
return totalNs / (BenchmarkIterations / BatchSize); // 除以实际调用批次
}
private static long Register4ParamsTest((int[], int[], int[]) inputData)
{
var (data4, _, _) = inputData;
long sum = 0;
int index = 0;
for (int i = 0; i < BenchmarkIterations / BatchSize; i++)
{
// 批量调用以提高测量精度
for (int j = 0; j < BatchSize; j++)
{
sum += Register4Params(
data4[index++],
data4[index++],
data4[index++],
data4[index++]
);
}
}
return sum;
}
private static long Stack1ParamTest((int[], int[], int[]) inputData)
{
var (_, data5, _) = inputData;
long sum = 0;
int index = 0;
for (int i = 0; i < BenchmarkIterations / BatchSize; i++)
{
// 批量调用以提高测量精度
for (int j = 0; j < BatchSize; j++)
{
sum += Stack1Param(
data5[index++],
data5[index++],
data5[index++],
data5[index++],
data5[index++]
);
}
}
return sum;
}
private static long Stack4ParamsTest((int[], int[], int[]) inputData)
{
var (_, _, data8) = inputData;
long sum = 0;
int index = 0;
for (int i = 0; i < BenchmarkIterations / BatchSize; i++)
{
// 批量调用以提高测量精度
for (int j = 0; j < BatchSize; j++)
{
sum += Stack4Params(
data8[index++],
data8[index++],
data8[index++],
data8[index++],
data8[index++],
data8[index++],
data8[index++],
data8[index++]
);
}
}
return sum;
}
}
浙公网安备 33010602011771号