在Cortex-A8平台下memcpy性能的测试

最新推荐文章于 2023-12-31 13:13:23 发布
转载 最新推荐文章于 2023-12-31 13:13:23 发布 · 3.5k 阅读 · 4

用goole搜到的一篇文章： 暂时忘记了出处，转到这里吧！

在Cortex-A8平台下memcpy性能的测试

ShuyongChen

前言

在Crun timelibrary中，memcpy是重要的函数，对应用软件的性能有着重要的影响。ARM芯片发展到Cortex-A8[1][2]架构，不但频率有了很大提升，而且架构设计有了很大地改进。其中增加的NEON指令，是类似于原先X86平台下的MMX指令，是为多媒体而设计。但因为这类指令一次可以处理64-bit数据，对memcpy函数性能提升也很有帮助。本文主要是测试采用NEON[2]指令的多种memcpy实现，探讨NEON指令和预取(preload)指令对性能的影响，以及在芯片优化和工艺进步后，这些影响的变化趋势。同时希望芯片设计人员在了解软件实现的基础上，给予一个知其然，也知其所以然的解释，进而指导进一步提高性能的方向。

平台介绍

本次的测试平台来源于笔者工作项目中接触到的Cortex-A8平台。见下面列表：

  • FreeScalei.MX51 / i.MX53

  • QualCommmsm8x50 / msm7x30

  • Samsungs5pc100 / s5pc110

  • TIomap 3430 / omap 3730

i.MX5family

i.MX5family的介绍见[6][7]。其中i.MX535可以运行在800MHZ/ 1000MHZ两种频率上。

  • i.MX515

  • freq:800MHZ

  • cachesize: 32KB/32KB I/D Cache and 256KB L2 Cache

  • cacheline: 64-bit wide(NEON), 64-byte / line

  • i.MX535

  • freq:800MHZ / 1000MHZ

  • cachesize: 32KB/32KB I/D Cache and 256KB L2 Cache

  • cacheline: 64-bit wide(NEON), 64-byte / line

Snapdragonfamily

Snapdragon的介绍见[8][9][10]。其中msm7x30可以运行在800MHZ/ 1000MHZ两种频率上。此外Snapdragoncache特别之处是128-bitwide(NEON), 128-byte / line。标准Cortex-A8中，该数值为64-bitwide(NEON), 64-byte / line。这对性能有较大影响。

  • msm8x50

  • freq:1000MHZ

  • cachesize: 32KB/32KB I/D Cache and 256KB L2 Cache

  • cacheline: 128-bit wide(NEON), 128-byte / line

  • msm7x30

  • freq:800MHZ / 1000MHZ

  • cachesize: 32KB/32KB I/D Cache and 256KB L2 Cache

  • cacheline: 128-bit wide(NEON), 128-byte / line

s5pcfamily

s5pcfamily参考平台见[11]。

  • s5pc100

  • freq:665MHZ

  • cachesize: 32KB/32KB I/D Cache and 256KB L2 Cache

  • cacheline: 64-bit wide(NEON), 64-byte / line

  • s5pc110

  • freq:1000MHZ

  • cachesize: 32KB/32KB I/D Cache and 512KB L2 Cache

  • cacheline: 64-bit wide(NEON), 64-byte / line

omap3family

omap3family参考平台见[12][13][14]。

  • omap3430

  • freq:550MHZ

  • cachesize: 16KB/16KB I/D Cache and 256KB L2 Cache

  • cacheline: 64-bit wide(NEON), 64-byte / line

  • omap3730

  • freq:1000MHZ

  • cachesize: 32KB/32KB I/D Cache and 256KB L2 Cache

  • cacheline: 64-bit wide(NEON), 64-byte / line

memcpy实现介绍

memcpy的实现在ARM平台上的发展有3类版本：

  1. C语言版本

  2. ARM汇编版本

  3. NEON汇编版本

ARM公司的文档[4]对memcpy的实现有很好描述。有人[5][19][20]还进一步阐述了实现原理和技巧。简述如下：

  • NEON指令一次可以处理64-bit数据，效率更高。

  • NEON架构与L1/L2cache都有直连，在OS层级enable后，可以获得更好的性能。

  • ARM/ NEON的pipeline有可能异步处理，交替使用ARM/ NEON指令有可能获得更好的性能。

  • 在一次循环中，用尽可能多的寄存器copy更多的数据，保证pipeline有更好的效率。目前一次最大处理块为128-byte。

  • 对cache的操作有讲究。

  • memcpy属于一次扫瞄无回溯的操作，对于cache采用预取(preload)策略可以提高hitrate。所以汇编版本中一定会使用pld指令提示ARM预先把cacheline填充好。

  • pld指令中的offset很有讲究。一般为64-byte的倍数。在ARMv5TE平台是一个循环用一个pld指令。在Cortex-A8平台上速度更快，需要一个循环用2~3个pld指令填充cacheline。这样一个循环消费2~3个时钟周期换得cachehit rate提高，效果是值得的。

  • 进一步的，Cortex-A8架构提供了preloadengine指令，可以让软件更深地影响cache，以便让cachehit rate得到提高。不过要在用户空间使用ple指令，需要在OS中打补丁开放权限。



C语言版本

C语言版本主要是做对比。采用两个实现：

  1. 32-bitwide copy。后面标记为in32_cpy。

  2. 16-bytewide copy。后面标记为vec_cpy。这个实现的技巧是采用gcc的向量扩展”__attribute__((vector_size(16)))”，在C语言层级实现16-bytewide copy，将具体实现交给编译器。



值得注意的事情是，编译器不会主动插入pld指令。因为编译器无法判断应用对内存的访问模式。

ARM汇编版本

ARM汇编版本也主要是做对比。采用两个实现：

  1. SiarheiSiamashka实现[15]。后面标记为arm9_memcpy。他是为NokiaN770做的优化。

  2. NicolasPitre实现[16]。后面标记为armv5te_memcpy。这是目前glibc里面缺省的armmemcpy实现。

NEON汇编版本

NEON汇编版本采用四个实现：

  1. MånsRullgård实现[19]。这是一个128-byte-alignblock的最简单的实现。没有判断不是128-bytealign的情况。因此不是实用的版本。但通过这类实现，可以考察memcpy性能的极限。他总共提供4种实现。

    1. 全ARM汇编的实现。后面标记为memcpy_arm。此外，笔者还将其中的pld指令去掉，做为对比试验，考察pld指令的影响。后面标记为memcpy_arm_nopld。

    2. 全NEON汇编的实现。后面标记为memcpy_neon。此外，笔者还将其中的pld指令去掉，做为对比试验，考察pld指令的影响。后面标记为memcpy_neon_nopld。

    3. ARM/NEON指令交替使用的实现。后面标记为memcpy_armneon。此外，笔者还将其中的pld指令去掉，做为对比试验，考察pld指令的影响。后面标记为memcpy_armneon_nopld。

    4. ple+NEON的实现。后面标记为memcpy_ple_neon。此外，笔者还将其中的NEON指令换成ARM指令，做为对比试验，考察ple指令对ARM/NEON指令的影响。后面标记为memcpy_ple_arm。因为这个实现需要对linuxkernel打补丁，在omap3430平台上没有成功。在Snapdragon平台上更换kernel有些麻烦，所以也没有测试。

  2. CodeSourcery实现[17]。这是CodeSourcerytoolchain中的glibc里面的实现。也分两种实现。

    1. ARM实现。后面标记为memcpy_arm_codesourcery。笔者还将其中的pld指令去掉，做为对比试验，考察pld指令的影响。后面标记为memcpy_arm_codesourcery_nopld。

    2. NEON实现。后面标记为memcpy_neon_codesourcery。这也是Androidbionic里面采用的NEON实现。笔者还将其中的pld指令去掉，做为对比试验，考察pld指令的影响。后面标记为memcpy_neon_codesourcery_nopld。

  3. QualComm实现[18]。后面标记为memcpy_neon_qualcomm。这是QualComm在CodeAurora Forum中为Snapdragon平台开发的优化版本。主要是对8660/8650A平台的优化。这个版本的特点是针对L2cache line size ＝ 128bytes而设计，pldoffset设置得特别大。结果在其它Cortex-A8平台上没有效果。所以笔者将pldoffset改为MånsRullgård实现的数值。笔者还将其中的pld指令去掉，做为对比试验，考察pld指令的影响。后面标记为memcpy_neon_qualcomm_nopld。

  4. SiarheiSiamashka实现[20]。后面标记为memcpy_neon_siarhei。这是SiarheiSiamashka向glibc提交的NEON版本，没有被glibc采纳。但是在MAEMO项目中得到采用。这个版本的特点是pldoffset是从小到大增长的，以期望适应blocksize的变化。

测试方案介绍

测试方案十分简单。参考了movialmemory tester的实现[21]。执行步骤如下：

  1. 先对每个实现进行正确性的验证。主要方法是以随机的blocksize & offset，填充随机的内容，然后执行memcpy操作，然后再用系统的memcmp函数对两块内存做校验。

  2. 然后对每个实现以不同的blocksize调用400次。如果totalcopy size < 1MB，则增加count直到满足要求。对总操作计时。

  3. 以totalcopy size / total copy time公式计算memcpybandwidth。



上述提到的blocksize = 2^n ( 7 <= n <= 23 )。



此外，这个测试程序运行在openembedded-gpe软件系统中。QualComm/Samsung硬件平台只提供Android软件系统，要更换到GPE系统有些麻烦，则采用chroot方式进行测试。不论是哪种软件平台，都是进入到图形系统后，静置，等待黑屏，然后再进行测试。



下表是运行环境的统计。

硬件平台

软件环境

imx51800MHZ

openembedded-gpe

imx531000MHZ

openembedded-gpe

imx53800MHZ

openembedded-gpe

msm72301000MHZ

Android+ chroot

msm7230800MHZ

Android+ chroot

msm82501000MHZ

Android+ chroot

omap3430550MHZ

openembedded-gpe

omap37301000MHZ

openembedded-gpe

s5pc100665MHZ

Android+ chroot

s5pc1101000MHZ

Android+ chroot



下表是测试项目的统计。

实现方案

i.MX51

i.MX53

Snapdragon

s5pc1xx

omap3430

omap3730

int32_cpy

YES

YES

YES

YES

YES

YES

vec_cpy

YES

YES

YES

YES

YES

YES

arm9_memcpy

YES

YES

YES

YES

YES

YES

armv5te_memcpy

YES

YES

YES

YES

YES

YES

memcpy_arm

YES

YES

YES

YES

YES

YES

memcpy_arm_nopld

YES

NO

YES

YES

YES

YES

memcpy_neon

YES

YES

YES

YES

YES

YES

memcpy_neon_nopld

YES

NO

YES

YES

YES

YES

memcpy_armneon

YES

YES

YES

YES

YES

YES

memcpy_ple_arm

YES

YES

N/A

YES

N/A

YES

memcpy_ple_neon

YES

YES

N/A

YES

N/A

YES

memcpy_arm_codesourcery

YES

YES

YES

YES

YES

YES

memcpy_arm_codesourcery_nopld

YES

NO

YES

YES

YES

YES

memcpy_neon_codesourcery

YES

YES

YES

YES

YES

YES

memcpy_neon_codesourcery_nopld

YES

NO

YES

YES

YES

YES

memcpy_neon_qualcomm

YES

YES

YES

YES

YES

YES

memcpy_neon_qualcomm_nopld

YES

NO

YES

YES

YES

YES

memcpy_neon_siarhei

YES

YES

YES

YES

YES

YES

注1：因为i.MX53EVK板子发生故障，未能测试所有nopld的测试项。

注2：在给omap3430打开preloadengine后，测试产生非法指令错，未能测试ple的测试项。

注3：要替换Snapdragonkernel有些麻烦， 未能测试ple的测试项。

测试结果与分析

下面的图表限于页面大小不能很好地显示细节。具体的数据和大图可到数据表文档中查看。

各个硬件平台上各种实现的表现

  1. imx51800MHZ





  1. imx531000MHZ





  1. imx53800MHZ





  1. msm72301000MHZ





  1. msm7230800MHZ





  1. msm82501000MHZ





  1. omap3430550MHZ





  1. omap37301000MHZ





  1. s5pc100665MHZ





  1. s5pc1101000MHZ





  1. 小结

  1. 在blocksize = 512B ~ 32K之间，有一个性能高台，blocksize = 256K也有一个性能的转折。

    1. 这个特性体现了32KBL1 / 256KB L2 cache的影响。

    2. 小于512B的性能不佳，可能与函数调用，函数开始的块对齐技巧造成的损耗有关，也可能与blocksize太小，cache没有准备好函数就结束了有关。

  2. 文档[]对memcpy的实现还是有指导意义的。但随着芯片内部的优化和工艺的提升，有些规则发生了变化。

    1. NEON指令的性能总是要高于ARM指令的性能。但交替使用ARM/NEON指令并不总是带来性能的提升。随着发展ARM/NEON指令之间性能差在缩小。

    2. pld指令的作用越来越小。在较老的芯片上，如omap3430，采用pld指令后，同一个实现可以有50%的性能提升。在较新的芯片上，如msm7230/s5pc110上，性能基本没有区别，甚至同一个实现没有pld指令后，性能稍稍有些提升。这也许是因为pld指令没有效果，倒反在每个循环中浪费了时钟周期造成的。

    3. 采用ple指令的实现的性能令人大失所望。这也说明如果没有很好的模型设计，软件去干预cache的使用，很容易会造成性能的恶化。

  3. Snapdragon平台有最好的cache性能。超出cache后，各种实现(包括C语言实现)的性能基本一致，也很高效。这也许是Snapdragon平台13-stageload/storepipeline[][]的设计造成的。这个特性对高级语言是有好处的。因为编程不可能在很多地方采用汇编语言。这样开发人员就不必过多地考虑汇编优化，依赖编译器就可以了。

  4. s5pc110平台有最好的平均性能。超出cache后，NEON实现的性能最好，基本保持一条水平线。

在small/bigblock size下各个硬件平台的表现

性能因为blocksize分为fitin cache / out of cache两种表现，所以做两个剖面做对比分析。

  • 8Kblock size。体现fitin cache时的性能。

  • 8Mblock size。体现outof cache时的性能。

MånsRullgård的实现

因为MånsRullgård的实现最简单，除了一个循环体外，没有其它判断代码，可以认为是体现平台速度极限的实现。





ARM的实现









NEON的实现









小结

  1. NEON指令的性能总是要高于ARM指令的性能。随着发展ARM/NEON指令之间性能差在缩小。

  2. 交替使用ARM/NEON指令，在fitin cache条件下性能要差于NEON版本。在outof cache条件下，两个版本性能基本一样。

  3. 在fitin cache条件下，Snapdragon平台有最好的性能。超过第二名s5pc110大约为43%。

  4. 在outof cache条件下，s5pc110有最好的性能。超过第二名omap3730大约为57%。

  5. 在同一个硬件平台下，超频(如i.MX53800/1000MHZ & msm7x30 800/1000MHZ)对memory性能影响很小。

实用ARM/NEON实现在各个硬件平台的表现

通过同一种实现在不同硬件平台上性能的对比，结合上一节的图表，可以评价一种实现的平均性能，也就是适应性。

ARM的实现













NEON的实现













小结

  1. 同一种的实现，在不同的硬件平台上都有不同的表现。没有一种实现在所有平台上是最好的。

  2. Codesourcery版本，包括ARM/NEON版本，有很好的适应性。不愧是做toolchain的公司。

  3. SiarheiSiamashka的NEON版本也有很好的适应性。NOKIA的技术实力也很强。这哥们好像也是pixman项目里面做NEON优化的主力。

  4. Qualcomm版本只适合Snapdragon平台。期待以后能在msm8660以及后续的芯片上进行测试。

总结

  1. 在blocksize = 512B ~ 32K之间，有一个性能高台，blocksize = 256K也有一个性能的转折。这个特性体现了32KBL1 / 256KB L2 cache的影响。

  2. NEON指令的性能总是要高于ARM指令的性能。随着发展ARM/NEON指令之间性能差在缩小。交替使用ARM/NEON指令，性能往往要差于NEON版本。

  3. 如果没有很好的模型设计，软件去干预cache的使用，很容易会造成性能的恶化。

  4. 在fitin cache条件下，Snapdragon平台有最好的性能。

  5. 在outof cache条件下，s5pc110有最好的性能。

  6. 在同一个硬件平台下，超频对memory性能影响很小。

  7. 同一种的实现，在不同的硬件平台上都有不同的表现。没有一种实现在所有平台上是最好的。

进一步的测试

因为在Cortex-A8系列芯片里，NEON模块是必有的。而在Cortex-A9系列芯片里，NEON模块是可选的。因为NEON模块会影响到diesize，因而影响功耗和成本。因此有些Cortex-A9芯片，如NvidiaTegra250，没带有NEON模块。那么有无NEON模块会对软件性能造成什么样的影响呢？

参考文档

  1. ARMCortex-A8

http://en.wikipedia.org/wiki/ARM_Cortex-A8



  1. Cortex™-A8Technical Reference Manual

http://infocenter.arm.com/help/topic/com.arm.doc.ddi0344k/index.html



  1. c0,Cache Size Identification Registers

http://infocenter.arm.com/help/index.jsp?topic=/com.arm.doc.ddi0344f/Chdebced.html



  1. Whatis the fastest way to copy memory on a Cortex-A8?

http://infocenter.arm.com/help/index.jsp?topic=/com.arm.doc.faqs/ka13544.html



  1. ARM-NEONmemory hazards

http://hardwarebug.org/2008/12/31/arm-neon-memory-hazards/



  1. i.MX5family

http://en.wikipedia.org/wiki/I.MX



  1. Freescalei.MX515

http://www.7-cpu.com/cpu/imx515.html



  1. Snapdragon(System on Chip)

http://en.wikipedia.org/wiki/Snapdragon_(System_on_Chip)



  1. QualcommReveals Details on Scorpion Core

http://www.bdti.com/InsideDSP/2007/11/14/Qualcomm



  1. QualcommSnapdragon

http://www.7-cpu.com/cpu/Snapdragon.html



  1. ODROID

http://hardkernel.com/



  1. OMAP3family

http://en.wikipedia.org/wiki/OMAP3



  1. OmapWorld

http://omapworld.com/



  1. beagleboard

http://beagleboard.org/



  1. SiarheiSiamashka: Optimized Memory Copying Functions For Nokia 770

http://lists.maemo.org/pipermail//maemo-developers/2006-March/003269.html



  1. NicolasPitre: ARM memcpy and memmove

http://sourceware.org/ml/libc-ports/2006-10/msg00024.html



  1. CodeSourceryC Library

http://www.codesourcery.com/



  1. Neonmemcpy: Attempts to do a memcpy with Neon registers if possible

https://www.codeaurora.org/patches/quic/qsd/SAMPLE_3918_NEON_MEMOPS_20101001.tar.gz



  1. MånsRullgård: memory bandwidth problem - Beagle Board

http://groups.google.com/group/beagleboard/browse_thread/thread/12c7bd415fbc0993/c54dde7b9d55cf99



  1. SiarheiSiamashka: ARM: NEON optimized implementation of memcpy

http://sourceware.org/ml/libc-ports/2009-07/msg00003.html



  1. Memorytester

http://sandbox.movial.com/gitweb?p=mmem.git;a=summary



高性能与安全并重的内存复制实现memcpy
硬核科技
06-23 154
C语言中memcpy函数的优化实现方法，分析了标准库版本在性能和安全方面的不足。针对常见问题提出两种优化方案：位宽级搬运提高效率，反向拷贝处理内存重叠。最终提出一个融合方案，在非重叠区域采用高速拷贝，重叠时改为反向拷贝，兼顾性能和正确性。测试结果验证了该方案的有效性，并给出在嵌入式系统、SIMD指令集应用等场景的工程建议。该实现特别适合对性能和稳定性要求较高的底层开发环境。
ARM 之九 Cortex-M/R 内核 Keil（ARMCC） 程序启动流程
技术干货
05-05 1万+
内核规范   ARM Cortex-M/R 内核的复位启动过程也被称为复位序列(Reset sequence)。ARM Cortex-M/R内核的复位启动过程与其他大部分CPU不同，也与之前的ARM架构（ARM920T、ARM7TDMI等）不相同。大部分CPU复位后都是从 0x00000000 处取得第一条指令开始运行的，然而在ARM Cortex-M/R内核中并不是这样的。其复位序列为： 从地...
Cortex-A8处理器memcpy的优化方案
做一个有技术追求的人
05-24 1万+
uncached区域到uncached区域memcpy提升3倍，uncached区域到cached区域提升3.5倍，cached区域到uncached区域提升13.2倍，连我自己都吓到了！
在Cortex-A8平台下memcpy ARM/NEON汇编性能的测试
yuyin86的专栏
09-17 3051
本文介绍了基于ARMv7架构的Cortex-A8芯片(FreeScale i.MX51 / i.MX53/QualComm msm8x50 / msm7x30/Samsung s5pc100 / s5pc110/TI omap 3430 / omap 3730芯片)上采用C语言、ARM汇编和NEON汇编实现的memcpy的性能对比，并输入分析了NEON指令（不同处理器的NEON内存位宽从64-
用汇编实现memcpy函数
我的SQL
12-31 784
用汇编实现memcpy函数
ARM Cortex-A9 NEON性能初步测试
WaveRider2012的笔记
01-22 4942
最近在ZC702上对ARM Cortex-A9的NEON性能做了些测试。 测试代码如下： .balign 4 .global neon_best_pipelne .arm neon_best_pipelne: .rept 10000 vmla.f32 q10, q0, q5 vmla.f32
在android开发板上测试neon加速实验
u010684585的专栏
11-04 1642
今天为了测试在mtk6757上面的neon加速性能，从网上找来一个测试例子保留了它的汇编文件和cpp文件，做了一些简单的修改，然后自己写了一个Android.mk和Application.mk 采用ndk来进行编译。 下面贴出相关文件的结构和代码 archermind@flm:~$ tree work >tree.log archermind@flm:~$ cat tree.log  w
NEON在Crtoex平台图像处理中的应用（源代码）
06-30
这样的优化使得`neon_memcpy`比标准`memcpy`在特定环境下性能提高了30%。 对于中心镜像的优化，传统C代码逐像素处理，导致总线带宽未充分利用。利用NEON的反转向量元素指令，可以一次性处理8个像素，显著提高速度。...
智慧农业: STM32F103ZE+ESP8266+腾讯云物联网平台+微信小程序设计
热门推荐
05-22 2万+
本项目设计并实现了一个基于STM32F103ZET6微控制器和ESP8266 Wi-Fi模块的智慧农业管理系统。系统通过SHT30温湿度传感器和BH1750光照度传感器，实时采集农业环境数据，并结合自动灌溉控制，实现了精确的水资源管理。采集的数据通过ESP8266模块上传至腾讯云物联网平台，供用户通过微信小程序远程查看和控制。
am335x应用层memcpy导致死机
sylijinlei的专栏
12-27 1379
一.问题背景 我在am335x上移植Minigui的时候，在移动光标的时候，系统会死机，100%能复现，系统没有任何出错日志，ping不通开发板，外部中断也没有响应。经过定位是移植光标的时候，是调用memcpy进行内存拷贝导致的。每次调用两次memcpy，第一次的源地址是mmap映射framebuffer的内存到用户空间的地址，拷贝到普通内存中。经过排查定位，是linaro编译器对memcpy采用...
【NEON】NEON安装与测试
HAICHANG1105的博客
07-24 547
【NEON】NEON安装与测试
arm neon定点运算测试程序
06-03
arm neon定点运算测试程序 neon一般用于浮点运算， 但定点运算也有一定效果 程序就是对neon定点运算进行测试
NEON + OpenMP测试
u011942916的专栏
06-08 916
在嵌入式的开发中，一直有在使用OpenMP和NEON加速，这次对二者的加速效果做了一个对比，包括二者的组合效果，测试平台为RK3399，因为只测试了加法的情况，其他的运行逻辑需要再实际使用zho
ARM64架构下memcpy实现原理
m0_46250244的博客
03-27 2738
memcpy函数大家再熟悉不过了，是用来拷贝内存中的内容到目标地址所处的内存中。kernel中的函数实现是用汇编来写的，而其他的拷贝函数也有引用到此实现方式。本篇主要解读kernel中是如何实现的，代码是kernel 5.4版本源码。 /* * Copy a buffer from src to dest (alignment handled by the hardware) * * Parameters: * x0 - dest * x1 - src * x2 - n * Returns:
neon浮点运算_ARM 浮点计算测试与分析
weixin_39777163的博客
12-22 1966
1.浮点计算评估：1.1.采用WhetstonebenchmarkWhetstonebenchmark(Whetstone:floating-pointarithmeticperformance)来测试CPU的性能。IntelPentiumDual-CoreCPUE53002.60GHzVSQualcommSnapdragonS2MSM82551.0GHz强17倍。In...
neon测试样例用法
分享嵌入式,移动端,智能应用,数据库等专业板块,记录知识碎片！！！
01-07 678
#include <vector> #include <iostream> #include <arm_neon.h> using namespace std; void matmul() { int32_t a[500], b[500], c[500]; for (int i = 0; i < 500; i++) { ...
[armv9]-ARM最新架构为memcpy/memset底层的实现提供新的指令
baron-周贺贺-代码改变世界ctw
09-13 2404
CPY CPYM CPYP CPYE SET SETP SETM SETE,memcpy,memset 思考 1、memcpy/memset的底层是如何实现的？一个一个字节的操作吗？ 可不可以四个四个字节操作呢？ 2、若干年后再来回答问题1，是不是有新的方法了呢？ 在大多数的[操作]系统中，memcpy()、memset()等函数的实现，其实都一个字节一个字节的处理。翻译成汇编后无非就算循环执行ldr、str指令 memcpy的底层实现: _PTR _DEFUN(memcpy, (dst0, src0
Neon优化第二章 一个简单地Neon实例
weixin_40162153的博客
02-27 545
一个简单的Neon使用案例
Linux内存uncache区域拷贝优化
非专业业余程序员
03-20 2656
1.概述 内存非cache区域拷贝速度很慢，严重影响了系统性能，因此采用多种方法进行优化，主要有对齐拷贝、批量拷贝、减少循环次数、NEON拷贝方法。 2.高级SIMD和浮点寄存器介绍 2.NEON指令 2.1 VLDR VLDR指令可从内存中将数据加载到扩展寄存器中。 VLDR{<c>}{<q>}{.64} <Dd>, [<Rn> {, #+/-<imm>}] Encoding T1/A1, immediate form VLDR{<c
我的芯片是armv7
最新发布
03-08
<think>好的，用户之前问过如何在嵌入式系统中查看字节对齐，现在提到他们的芯片是ARMv7。我需要针对ARMv7架构详细讲解字节对齐的相关内容。 首先，ARMv7属于Cortex-A系列，可能用于应用处理器，比如手机或嵌入式Linux设备。需要区分用户使用的是哪种内核，比如Cortex-A8、A9等，但作为通用情况处理。 用户可能关心的是如何在他们的芯片上检测和对齐数据，以避免性能问题或错误。他们可能在进行底层开发或优化代码，特别是在处理结构体、硬件寄存器或DMA传输时需要注意对齐。 需要覆盖的内容包括ARMv7的对齐要求、编译器相关的设置、如何检测当前对齐方式、实际编程中的处理方法和注意事项。还要补充之前回答中没有提到的ARMv7特有的内容，比如NEON指令的对齐需求，或者原子操作的对齐要求。 用户可能不太清楚ARMv7与之前ARM架构在内存对齐上的差异，比如是否支持未对齐访问，默认行为是什么。需要解释ARMv7的配置选项，比如是否启用硬件未对齐访问支持，以及如何通过CP15寄存器进行配置。 另外，需要提供实际的代码示例，比如结构体对齐、使用属性修饰符强制对齐，以及如何通过内联汇编检查对齐状态。可能还需要提及在Linux环境下使用posix_memalign或memalign进行动态内存对齐的方法。 还要注意用户可能遇到的常见问题，比如结构体填充导致的意外对齐，跨平台数据传输的对齐问题，以及如何利用编译器的警告选项来捕捉潜在的对齐问题。 最后，确保回答结构清晰，分点说明，便于用户理解并应用到实际开发中。</think>在ARMv7架构中，字节对齐的处理与芯片具体实现（如Cortex-A系列或Cortex-R系列）密切相关。以下是针对ARMv7架构的字节对齐核心技术解析： --- ### 一、ARMv7对齐特性基础 #### 1. 默认对齐要求 ```markdown - **基本数据类型**： - char/uint8_t：1字节对齐 - short/uint16_t：2字节对齐 - int/float/uint32_t：4字节对齐 - double/uint64_t：8字节对齐（需VFPv3支持） - **NEON指令**：要求16字节对齐（如`float32x4_t`向量） - **原子操作**：必须自然对齐（如`LDREX/STREX`要求4/8字节对齐） ``` #### 2. 未对齐访问支持 ```c /* 通过CP15寄存器控制 */ uint32_t read_sctlr(void) { uint32_t val; asm volatile("mrc p15, 0, %0, c1, c0, 0" : "=r"(val)); // 读取SCTLR return val; } int check_unaligned_support(void) { return (read_sctlr() & (1 << 22)) ? 1 : 0; // 检查Bit22(UE位) } ``` - **硬件支持**：Cortex-A系列默认开启未对齐访问（UE=1），但会产生性能损耗 - **异常触发**：若关闭UE位，未对齐访问会触发`Data Abort` --- ### 二、对齐检测实践方法 #### 1. 结构体填充验证 ```c struct MixedData { char c; // 偏移0 // 编译器自动插入3字节填充 int i; // 偏移4 double d; // 偏移8（需8字节对齐） }; printf("Size: %zu, Align: %zu\n", sizeof(struct MixedData), __alignof__(struct MixedData)); // 输出Size: 16, Align: 8 ``` #### 2. 地址对齐验证 ```c void* ptr = malloc(256); printf("Address align: %#x\n", (uintptr_t)ptr & 0xF); // 检查16字节对齐 ``` --- ### 三、关键开发技巧 #### 1. 强制对齐声明 ```c // 结构体整体对齐 struct __attribute__((aligned(16))) VectorData { float v[4]; }; // 单个成员对齐 struct Packet { uint8_t header; uint64_t payload __attribute__((aligned(8))); }; ``` #### 2. DMA缓冲区对齐 ```c // 物理地址必须符合总线位宽对齐 #define DMA_ALIGN 32 uint8_t __attribute__((aligned(DMA_ALIGN))) dma_buffer[1024]; ``` --- ### 四、ARMv7特殊场景处理 #### 1. 多核数据共享 ```c // 使用DMB/DSB指令保证内存访问顺序 void write_shared_data(void) { shared_var = 0xABCD; asm volatile("dmb ish" ::: "memory"); // 数据存储屏障 } ``` #### 2. NEON优化对齐 ```c // 使用专用加载指令处理非对齐数据 float32x4_t load_unaligned(const float* src) { return vld1q_f32(src); // 自动处理非对齐（性能略降） } // 理想情况使用对齐加载 float32x4_t load_aligned(const float* src) { assert(((uintptr_t)src & 0xF) == 0); return vld1q_f32(src); } ``` --- ### 五、调试诊断工具 #### 1. 反汇编验证 ```bash arm-none-eabi-objdump -dS build/output.elf | grep -B 10 "strd" # 检查是否生成未对齐指令（如strd需要8字节对齐） ``` #### 2. QEMU模拟调试 ```bash qemu-system-arm -machine virt -cpu cortex-a9 -nographic \ -kernel test.elf -d cpu,exec,int -D log.txt # 查看执行日志中的内存访问异常 ``` --- ### 六、性能优化建议 1. **关键数据结构对齐到Cache Line**（通常32/64字节） ```c struct __attribute__((aligned(64))) CacheLineData { int counter; char padding[64 - sizeof(int)]; }; ``` 2. **优先使用自然对齐访问模式** ```c // 错误方式（强制转换导致非对齐） uint32_t val = *(uint32_t*)(buffer + 1); // 正确方式 uint32_t val; memcpy(&val, buffer + 1, 4); // 避免总线错误 ``` --- ### 七、常见问题排查 #### 1. HardFault定位 若发生对齐错误导致的HardFault： ```c void HardFault_Handler(void) { uint32_t cfsr = SCB->CFSR; if (cfsr & (1 << 1)) { // 检查MMARVALID uint32_t addr = SCB->MMFAR; // 获取错误地址 printf("对齐错误地址: 0x%08x\n", addr); } while(1); } ``` #### 2. 编译器警告启用 ```makefile CFLAGS += -Wcast-align # 警告指针强制转换导致的对齐问题 ``` --- 掌握这些ARMv7对齐特性和调试方法，可显著提升嵌入式系统的稳定性和性能表现。实际开发中建议结合芯片手册与具体应用场景进行优化调整。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值