1、对局部变量、函数参数和返回值要使用signed和unsigned int类型。这样可以避免类型转换，而且可高效地使用ARM的32位数据操作指令。
2、最高效的循环体形式是减计数到零（counts down to zero）的do-while循环。
3、展开重要的循环来减少循环的开销。
4、不要依赖编译器来优化掉重复的存储器访问。指针别名会阻止编译器的这种优化。
5、尽可能把函数参数的个数限制在4个以内。如果函数参数都存放在寄存器内，那么函数调用就会快得多。
6、按元素尺寸从小到大排列的方法来安排结构体，特别是在thumb模式下编译。
7、不要使用位域，可以用掩码和逻辑操作来替代。
8、避免除法，可以用倒数的乘法来替代。
9、避免边界不对齐的数据。如果数据有可能边界不对齐，那么就要使用char *指针类型来访问。
10、在C编译器中使用内嵌汇编可以利用到C编译器本来不支持的指令或优化。
一、数据类型使用上的优化
1、局部变量
一个char类型的数据比int类型的数据占用更小的寄存器空间或者更小的ARM堆栈空间。这两种设想对于ARM来说，都是错误的。所有的ARM寄存器都是32位的，所有的堆栈入口至少是32位的。当我们执行i++，要利用当i=255后，i++=0这个条件时，可以把它定义为char类型。
2、函数参数
尽管宽和窄的函数调用规则各有其优点，但char或short类型的函数参数和返回值都会产生额外的开销，导致性能的下降，并增加了代码尺寸。所以，即使是传输一个8位的数据，函数参数和返回值使用int类型也会更有效。
3、总结
1）对于存放在寄存器中的局部变量，除了8位或16位的算术模运算外，尽量不要使用char和short类型，而要使用有符号或无符号int类型。除法运算时使用无符号数执行速度更快。
2）对于存放在主存储器中的数组和全局变量，在满足数据大小的前提下，应尽可能使用小尺寸的数据类型，这样可以节省存储空间。ARMv4体系结构可以有效地装载和存储所有宽度的数据，并可以使用递增数组指针来有效地访问数组。对于short类型数组，要避免使用数组基地址的偏移量，因为LDRH指令不支持偏移寻址。
3）通过读取数组或全局变量并赋给不同类型的局部变量时，或者把局部变量写入不同类型的数组或者全局变量时，要进行显式数据类型转换。这种转换使编译器可以明确、快速地处理，把存储器中数据宽度比较窄的数据类型扩展，并赋给寄存器中较宽的类型。
4）由于隐式或者显式的数据类型转换通常会有额外的指令周期开销，所以在表达式中应尽量避免使用。Load和store指令一般不会产生额外的转换开销，因为load和store指令是自动完成数据类型转换的。
5）对于函数参数和返回值应尽量避免使用char和short类型。即使参数范围比较小，也应该使用int类型，以防止编译器做不必要的类型转换。
二、C循环结构
在ARM上，一个循环其实只要2条指令就足够了：
一条减法指令，进行循环减法计数，同时设置结果的条件标志；
一条条件分支指令。
这里的关键是，循环的终止条件应为减计数到零，而不是计数增加到某个特定的限制值。由于减计数结构已存储在条件标志里，与零比较的指令就可以省略了。由于不用i作为数组的下标索引，采用减计数就没有任何问题了。
总而言之，无论对于有符号的循环计数值，都应使用i！=0作为循环的结束条件。对有符号数i，这比使用条件i>0少了一条指令。
总结：
1）使用减计数到零的循环结构，这样编译器就不需要分配一个寄存器来保存循环终止值，而且与0比较的指令也可以省略。
2）使用无符号的循环计数值，循环继续的条件为i!=0而不是i>0，这样可以保证循环开销只有两条指令。
3）如果事先知道循环体至少会执行一次，那么使用do-while循环要比for循环要好，这样可以使编译器省去检查循环计数值是否为零的步骤。
4）展开重要的循环体可降低循环开销，但不要过度展开，如果循环的开销对整个程序来说占的比例很小，那么循环展开反而会增加代码量并降低cache的性能。
5）尽量使数组的大小是4或8的倍数，这样可以容易的以2，4，8次等多种选择展开循环，而不需要担心剩余数组元素的问题。
三、寄存器分配
高效的寄存器分配
应该尽量限制函数内部循环所用局部变量的数目，最多不超过12个，这样，编译器就可以把这些变量都分配给ARM寄存器。
四、函数调用
4寄存器规则
带有4个或者更少参数的函数，要比多于4个参数的函数执行效率高得多。对带有少于4个参数的函数来说，编译器可以用寄存器传递所有的参数；而对于多于4个参数的函数，函数调用者和被调用者必须通过访问堆栈来传递一些参数。
如果函数体积很小，只用到很少的寄存器，那么还有一些其他的方法来减少函数调用的开销。可以把调用函数和被调用函数放在同一个C文件中，这样编译器就知道了被调用函数生成的代码，并以此对调用函数进行一些优化。
总结：
1）尽量限制函数的参数，不要超过4个，这样函数调用的效率会更高。也可以将几个相关的参数组织在一个结构体中，用传递结构体指针来代替多个参数。
2）把比较小的被调用函数和调用函数放在同一个源文件中，并且要先定义，后调用，编译器就可以优化函数调用或者内联较小的函数。
3）对性能影响较大的重要函数可使用关键字_inline进行内联。
五、指针别名
定义：当2个指针指向同一个地址对象时，这2个指针被称作该对象的别名（alias）。如果对其中一个指针进行写入，就会影响从另一个指针的读出。在一个函数中，编译器通常不知道哪一个指针是别名，哪一个不是；或哪一个指针有别名，哪一个没有。
避免指针别名：
1）不要依赖编译器来消除包含存储器访问的公共子表达式，而应建立一个新的局部变量来保存这个表达式的值，这样可以保证只对这个表达式求一次值；
2）避免使用局部变量的地址，否则对这个变量的访问效率会比较低。
六、结构体安排
在ARM上使用结构体有2个问题需要考虑：结构体地址边界对齐和结构体总的大小。
获得高效结构体的原则：
1）把所有8位大小的元素安排在结构体的前面；
2）以此安排16位、32位和64位的元素；
3）把所有数组和比较大的元素安排在结构体最后。
4）对于一条指令，如果结构体太大而不能访问所有的元素，那么把元素组织到一个子结构体中。编译器可以维持单独的子结构体的指针。
小结：
结构体元素要按照元素的大小来排列，以最小的元素放在开始，最大的元素安排在最后；避免使用很大的结构体，可以用层次化的小结构体来代替；为了提高可移植性，人工对API的结构体增加填充位，这样，结构体的安排将不会依赖与编译器；在API的结构体中要谨慎使用枚举类型。一个枚举类型的大小是编译器相关的。
七、位域
注意事项：
1）应避免使用位域，而使用#define或者enum来定义屏蔽位；
2）使用整型逻辑运算AND、OR、“异或”操作和屏蔽对位域进行测试、取反和设置操作。这些操作编译效率高，还可以同时对多个位域进行测试、取反和设置。
八、边界不对齐数据和字节排列方式（大/小端）
边界不对齐数据和字节排列方式这2个问题，可使内存访问和移植问题复杂化。须考虑数组指针是否边界对齐，ARM配置是大端（big-endian），还是小端（little-endian）的存储器系统。
总结：
1）尽量避免使用边界不对齐的数据；
2）使用类型char *可指向任意字节边界的数据。通过读字节来访问数据，使用逻辑操作来组合数据，这样代码就不会依赖于边界是否对齐或者ARM的字节排列方式的配置；
3）为了快速访问边界不对齐的结构体，可以根据指针边界和处理器的字节排序方式写出不同的程序变体。
九、除法
ARM硬件上不支持除法指令，当代码中出现除法运算时，ARM编译器会调用C库函数（有符号的除法调用_rt_sp，无符号的调用_rt_up），来实现除法操作。有许多不同类型的除法程序来适应不同的除数和被除数。
总结：
1）尽可能避免使用除法。对环形缓冲区的处理可以不用除法。
2）如果不能避免除法运算，那么尽可能考虑使用除法程序同时产生商n/d和余数n%d的好处。
3）对于重复对同一除数d的除法，预先计算好s=(2k-1)/d。可用乘以s的2k位乘法来代替除以d的k位无符号整数除法。
4）使用2的整数次幂作除数。当2的整数次幂做除数时，编译器会自动将除法运算转换成移位运算。所以在编写程序算法时，尽量使用2的整数次幂做除数。
5）求余运算。可以将一些典型的求余运算进行转换，以避免在程序中使用除法运算。如：
uint counter1(uint count)
{
return (++count%60);
}
转换成：
uint counter2(uint count)
{
if (++count >=60)
count=0;
return (count);
}
十、浮点运算
大多数ARM处理器硬件上并不支持浮点运算。这样在一个对价格敏感的嵌入式应用系统中，可节省空间和降低功耗。除了硬件向量浮点累加器VFP和ARM7500FE上的浮点累加器FPA外，C编译器必须在软件上提供浮点支持。
十一、内联函数和内嵌汇编
高效地调用函数，使用内联函数可以完全去除函数调用的开销，另外许多编译器允许在C源程序中使用内嵌汇编。使用包含汇编的内嵌函数，可以使编译器支持通常不能有效使用的ARM指令和优化方法。
内联函数和内嵌汇编最大的好处是，可以实现一些在C语言部分中通常难以完成的操作。使用内联函数要比使用#define宏定义更好，因为后者不检查函数参数和返回值的类型。