23、嵌入式系统的时序优化策略

嵌入式系统的时序优化策略

1. 调度级别的时序优化

1.1 调度中断配置优化

在某些任务激活的时间片配置中，调度中断数量会对系统性能产生影响。例如，在可见时间片内所有任务激活时，一种配置需要六个调度中断，这对应着 Task_1ms 实例的数量；而之前的一种配置则需要十一个调度中断，几乎是前者的两倍。尽管如此，前一种配置的负载分布仍然是可接受的。随着任务数量的增加，不同配置之间的计算负载分布差异会更加明显。

1.2 任务拆分

当应用程序的部分功能通过后台任务实现，而较大部分位于周期为 5ms 的循环任务中，导致后台任务在循环任务执行期间无法执行时，可将循环任务拆分为两个周期为 5ms 但偏移量不同的循环任务。比如，将 Task_5ms 拆分为偏移量为 1ms 的 TaskA_5ms 和偏移量为 3ms 的 TaskB_5ms，这样可以为后台任务创造更多执行机会。不过，任务拆分是否适合某个项目，需结合项目实际情况判断，因为额外的任务会消耗额外的资源。

1.3 功能迁移至执行频率较低的任务

该优化方法虽看似简单，但在实际应用中十分有效。其核心在于思考是否可以降低所有循环执行代码段的执行频率。例如，如果确定一个可运行代码段每 10ms 执行一次而不影响功能，相比每毫秒执行一次，其运行时需求可降低 90%。对于控制算法，可将其拆分为每 10ms 处理通信的部分和在新创建的 15ms 任务中计算控制算法的部分，但在实施前需详细检查通信代码和控制算法之间的时间依赖关系。此外，该方法不仅适用于循环代码段，也可应用于非周期性、偶发性代码。

2. 内存使用的时序优化

2.1 快速内存的最优使用

微处理器具有不同的内存和寻址模式，快速内存和快速寻址模式通常资源有限。为实现软件的最高性能，应将频繁访问的小符号放置在快速内存中。因为快速内存空间有限，若分配大符号，会减少可存放的符号总数，降低有效访问次数。确定符号在内存中的位置时，需考虑符号的大小和访问频率。符号大小可通过查看链接器映射文件获取，而访问频率和函数调用频率则较难确定，可通过测量或跟踪的方式获得。在特殊情况下，编译器对函数进行插桩可能有用，但该方法存在诸多问题，如无法考虑无源代码的函数、代码和测量开销大、软件会被修改等。

2.2 数据对齐

数据对齐是指符号在内存中相对于一个虚拟网格的偏移量。以 32 位处理器为例，它要求 32 位数据的地址是 4 的整数倍，若数据地址不符合 32 位网格要求，处理器可能需要进行多次访问并手动组装结果，这会导致访问速度变慢。不同架构的处理器对数据对齐有不同要求，32 位架构通常对 32 位数据有对齐要求，16 位处理器对 16 位数据对齐更有效，8 位处理器相对较宽松。可通过在链接器脚本中为相应输出部分分配属性来影响数据对齐。若项目存在运行时问题且内存空间充足，引入不同输出部分的对齐可快速实施，虽会在内存中产生未使用的间隙，但能加快部分内存访问速度，效果需通过跟踪或运行时测量检查。此外，数据对齐在数据结构（struct）中也起着重要作用，创建结构时应尽量使不同大小的数据按对应对齐方式分组。

2.3 代码对齐和缓存优化

机器指令需按指令长度进行对齐存储，32 位处理器的 32 位指令需 32 位对齐，16 位指令需 16 位对齐。缓存作为快速中间内存，以缓存行为单位组织，其网格比数据对齐的网格更粗。全面的缓存优化成本较高，难以确定每个函数在内存中的最佳位置。若内存空间不是问题，可指定代码段按缓存行大小对齐，虽会增加内存需求，但对于能完全放入一个缓存行的小函数，可提高缓存使用效率。该措施的效果需通过跟踪或运行时测量检查。在代码和数据对齐方面，运行时优化通常会增加内存需求，因此需要在“最短运行时间”和“最低内存需求”两个优化目标之间做出选择。

3. 代码级别的时序优化

3.1 优化候选函数分类

代码级别的运行时优化应在考虑调度级别之后进行。通常，值得进行代码优化的函数可分为两类：
- 从很少甚至仅一个地方调用，但运行时需求高的函数，例如在单个大函数中进行的复杂计算。
- 经常被调用，且调用位置众多的函数，如数学函数（sin、cos、exp、sqrt 等）或数据类型转换函数。

以下是一个包含隐式类型转换的函数示例：

// Listing 37 Example of an implicit type conversion
int i = 42;
volatile double f;

void main(void)
{
    f = i;
}

其生成的汇编代码如下：

// Listing 38 Function call resulting from implicit type conversion
main:
    ld.w d4,i
    call __d_itod
    st.d f,e2
    ret

3.2 函数调用频率和 CPU 负载计算

为了有效进行代码优化，需要确定函数的调用频率 (f_F) 和净运行时间 (CET_F)。若分布足够均匀，可使用这两个参数的平均值计算函数的平均 CPU 负载 (U_F)，计算公式为 (U_F = f_F \cdot CET_F)。例如，在某雷达软件中，正弦函数 sin 的平均调用频率 (f_F = 23200 Hz)，平均净执行时间 (CET_F = 570 ns)，则该函数占用 CPU 可用时间的 1.32%。

3.3 代码优化计划制定

在 CPU 完全过载的情况下，系统地测量所有函数并创建包含负责开发者和函数 CPU 负载的列表是很有用的。同时，可添加“预期成功”因素，该因素乘以 CPU 负载得到“优先级”，用于衡量优化某个特定函数的价值。制定代码优化策略时，应定义简单而可靠的标准，以控制代码优化过程，避免仅凭猜测进行优化，提高优化效率。

3.4 小而频繁调用函数的优化

对于小而频繁调用的函数，若确定其值得优化且有源代码，可同时查看源代码和编译器生成的汇编代码进行分析。尽管编译器可能会重新排序机器指令以优化运行时，但查看汇编代码仍有助于发现函数调用等情况。

以下是一个简单的 mermaid 流程图，展示代码优化的基本流程：

graph LR
    A[确定优化候选函数] --> B[测量调用频率和净运行时间]
    B --> C[计算 CPU 负载和优先级]
    C --> D{优先级高?}
    D -- 是 --> E[分析源代码和汇编代码]
    D -- 否 --> F[结束]
    E --> G[实施优化措施]
    G --> H[测量优化效果]
    H --> I{效果显著?}
    I -- 是 --> F
    I -- 否 --> E

优化方面	具体方法	注意事项
调度级别	优化调度中断配置、任务拆分、功能迁移	结合项目实际情况，考虑资源消耗和时间依赖关系
内存使用	快速内存使用优化、数据对齐、代码和缓存优化	注意内存空间限制，通过测量检查效果
代码级别	确定优化候选函数、计算 CPU 负载和优先级、优化小而频繁调用的函数	定义简单可靠的标准，避免盲目优化

3.5 优化小而频繁调用函数的具体操作步骤

当确定要优化小而频繁调用的函数时，可按以下步骤进行：
1. 收集信息
- 获取函数的源代码，如果没有源代码，则考虑是否可以从其他途径获取或者是否有替代方案。
- 使用测量或跟踪工具确定函数的调用频率和净运行时间。
2. 代码分析
- 同时打开源代码和编译器生成的汇编代码，将两者进行对比。
- 检查汇编代码中是否存在不必要的函数调用，尤其是一些库函数调用，看是否可以进行内联优化。
- 分析代码逻辑，看是否存在可以简化的计算或操作。
3. 实施优化
- 如果发现可以内联的函数调用，使用编译器的内联功能或者手动进行内联操作。
- 对代码逻辑进行优化，例如减少循环次数、避免重复计算等。
4. 效果验证
- 使用测量或跟踪工具再次测量优化后函数的调用频率和净运行时间。
- 计算优化后函数的 CPU 负载，与优化前进行对比，看是否有显著改善。

3.6 不同优化级别的协同作用

在实际的系统优化中，调度级别、内存使用级别和代码级别这三个层面的优化并不是孤立的，而是相互关联、相互影响的。例如，调度级别的任务拆分可能会影响到内存使用，因为增加了任务数量可能会导致内存需求增加；而代码级别的优化可能会影响到调度，因为优化后的代码执行时间变化可能会改变任务的调度顺序。

以下是一个 mermaid 流程图，展示不同优化级别之间的协同关系：

graph LR
    A[调度级别优化] --> B[内存使用级别优化]
    B --> C[代码级别优化]
    C --> A
    A --> D[系统性能提升]
    B --> D
    C --> D

3.7 优化实践案例

假设我们有一个嵌入式系统，该系统的 CPU 负载过高，导致系统响应变慢。我们可以按照以下步骤进行优化：
1. 调度级别优化
- 分析任务的调度情况，发现某些任务的调度中断配置不合理，进行优化调整，减少不必要的调度中断。
- 对一些运行时间较长的循环任务进行拆分，为后台任务提供更多执行机会。
- 评估一些循环执行的代码段，看是否可以将其执行频率降低，同时不影响系统功能。
2. 内存使用级别优化
- 分析符号的访问频率和大小，将频繁访问的小符号移动到快速内存中。
- 检查数据的对齐情况，通过在链接器脚本中设置属性，对数据进行对齐优化。
- 考虑代码的对齐和缓存优化，在内存空间允许的情况下，按缓存行大小对齐代码段。
3. 代码级别优化
- 确定值得优化的函数，计算其调用频率和 CPU 负载，制定优化计划。
- 对小而频繁调用的函数进行分析和优化，例如内联优化、代码逻辑简化等。

通过以上综合优化措施，系统的 CPU 负载得到了有效降低，系统性能得到了显著提升。

3.8 总结

在嵌入式系统的开发过程中，时序优化是提高系统性能的关键环节。通过调度级别、内存使用级别和代码级别三个层面的优化，可以有效降低 CPU 负载，提高系统的响应速度和稳定性。在进行优化时，需要根据系统的实际情况，综合考虑各个层面的优化措施，同时注意不同优化措施之间的协同作用。此外，优化过程中需要通过测量和跟踪工具对优化效果进行验证，确保优化措施的有效性。

优化层面	主要目标	具体优化方法	效果验证方式
调度级别	合理分配任务执行时间，减少调度开销	优化调度中断配置、任务拆分、功能迁移	观察系统任务执行情况，测量 CPU 负载变化
内存使用级别	提高内存访问效率，减少内存等待时间	快速内存使用优化、数据对齐、代码和缓存优化	测量内存访问时间，观察内存使用情况
代码级别	降低函数执行时间，减少 CPU 占用	确定优化候选函数、计算 CPU 负载和优先级、优化小而频繁调用的函数	测量函数调用频率和净运行时间，计算 CPU 负载变化

总之，嵌入式系统的时序优化是一个复杂而系统的工程，需要开发者具备扎实的专业知识和丰富的实践经验，通过不断地尝试和验证，才能找到最适合系统的优化方案。