嵌入式系統超標量體系CPU的高效軟件優化技術

引言

　　公司基于超標量體系結構的某款PowerPC芯片開發出了電力系列自動化裝置，它對實時性要求很高。但軟件的運行效率低，這就需要我們針對該芯片的超標量體系結構特點進行軟件優化。實踐中，在針對性優化后進行對比實驗，裝置軟件運行效率大大提高，實際效果良好。

1　超標量體系結構PowerPC芯片特點

1.1　超標量體系結構芯片

　　PowerPC芯片屬于超標量體系結構。超標量體系結構是一種微處理器設計模式，它能夠在一個時鐘周期內執行多條指令。在超標量體系結構設計中，處理器或指令編譯器判斷指令能否獨立于其他順序指令而執行,或是依賴于另一指令，必須按順序執行。然后處理器使用多個執行單元并行執行兩個或更多獨立指令。

1.2　PowerPC芯片特點

1.2.1　流水線機制

　　該芯片一條指令,可簡單分為取指、譯碼、執行,提交4個時鐘周期操作。同一周期,CPU的不同部件可并行執行多條指令的不同操作,從而達到指令并行,提高CPU的吞吐率。

1.2.2　總線頻率

　　該芯片的主頻達到400 MHz，但訪問內存的總線頻率是100 MHz，只有主頻的1/4。由此可見，當訪問內存數據時，其運行時間比執行計算程序慢多了。當系統大量訪問內存時，系統運行速度會明顯下降。

1.2.3　16 KB的指令Cache和16 KB的數據Cache

　　PowerPC芯片中指令Cache和數據Cache中訪問指令和數據的速度與主頻一樣。同樣，當讀取指令和數據時在Cache中讀取的速度約是內存中讀取速度的4倍。

（1） 指令Cache運作機制

　　每次指令運行時若指令未在指令Cache中,即指令Cache未命中,則一次從內存中讀出待執行的連續32字節(32字節相當于8個浮點數)指令到指令Cache。同時將指令Cache中最久未訪問的代碼淘汰出Cache。32字節相當于3~5條普通C語言代碼。

（2） 數據Cache運作機制

　　每次訪問數據時,若數據未在數據Cache中,即數據Cache未命中,則一次從內存中讀出連續32字節數據到數據Cache。同時將數據Cache中最久未訪問的數據淘汰出Cache。

2　從超標量流水線機制的角度進行優化

2.1　超標量流水線機制對程序效率的分析

　　從前面的流水線機制可以看到，若指令能達到盡可能的并行，程序運行效率會明顯提高。這就需要優化代碼，讓編譯器優化成并行指令。

2.2　從提高指令并行和流水線不被打斷的角度進行優化

　　要提高指令并行,主要就要提高代碼并行可能性。防止流水線不被打斷,就是要盡量避免跳轉。

2.2.1　循環體代碼并行執行的優化

　　代碼舉例1：
for(i=0;i1000;i++) {
Y[i]=Y[i]+Y[i-1];
}

　　該代碼循環體代碼之間因為存在相關數據,導致代碼無法被CPU并行執行,需要避免類似代碼。

　　代碼舉例2:
for(i=0;i1000;i++) {
Y[i]=X[i]+Z[i];
}

　　該代碼循環體代碼之間不存在相關,能被CPU并行執行。CPU執行時代碼如下：
Y[0]=X[0]+Z[0],
Y[1]=X[1]+Z[1],
Y[2]=X[2]+Z[2],
Y[3]=X[3]+Z[3],

2.2.2　代碼順序執行避免跳轉的優化

　　跳轉的語句主要有if_else結構、switch_case結構、循環結構等。

　　if_else結構可以將選擇概率最大的語句放到if語句之后。因為取指時,緊接著if語句的指令會被取到。這樣發生跳轉的次數降低,流水線被中斷的概率降低。

　　盡量降低循環嵌套層數和循環次數,這樣發生跳轉的次數也降低。

2.2.3　避免小段程序代碼循環的優化

　　比如2~3句的小循環,可以適當展開。
　　一是可以提高循環內指令并行的可能性。
　　二是可以減少跳轉次數。
　　循環體代碼超過10句普通C語言代碼,可以不要展開。

3　從指令Cache的角度進行優化

3.1　指令Cache對程序效率的分析

　　從前面分析可知，若程序取指環節能從指令Cache中讀取，而不是每次都從內存中讀取，則能顯著提高程序執行速度。

3.2　從提高指令Cache命中的角度進行優化

① 盡量使程序順序執行。
② 避免大量相似的代碼重復實現、分散調用。
③ 盡量將相同的代碼在一個地方循環執行,提高指令Cache的命中率。不要分散執行,導致多次讀取同一段代碼到指令Cache中。

3.2.1　多個相似函數的優化

　　代碼舉例3：
{
FuncA;//3個相似函數連續調用
FuncB;
FuncC;
}
優化為
for(i=0;i3;i++) {
Func(i);
}

　　這樣相同的代碼一次即可從內存讀到Cache中,另外2次指令都是從Cache中讀取。

3.2.2　大函數拆分的優化

　　由于函數體較大,超出了指令Cache的大小，導致第1次循環結束、第2次循環開始時,函數體前面內容已經被調出Cache。同樣代碼又重新從內存中讀取到Cache中,如此反復，實際的結果是函數體Func代碼被三次從內存中讀取到Cache中，導致效率大大降低。

　　代碼舉例4：
for(i=0;i3;i++) {
Func(i);
}
被優化為：
for(i=0;i3;i++) {
Func1(i);
}
for(i=0;i3;i++) {
Func2(i);
}
for(i=0;i3;i++) {
Func3(i);
}

　　將函數體Func分成幾個單獨的子函數：Func1、Func2、Func3,然后分別循環。這樣Func1循環時,由于代碼量較小,整個函數體都在Cache中。Func2、Func3類似。這樣的結果是，函數體Func1、Func2、Func3都只從內存被讀一次到Cache中。

4　從數據Cache的角度進行優化

4.1　數據Cache對程序效率的分析

　　從前面分析可知，在程序取操作數環節，若能從數據Cache中讀取操作數，而不是每次都從內存中讀取則能提高程序執行速度。

4.2　從提高數據Cache命中的角度進行優化

① 訪問數據時,最好是對同一段數據在一個地方集中訪問。
② 訪問數據時,最好是根據數據的順序依次訪問。比如對數組的訪問,最好是按數組成員依次訪問,效率較高。
③ 為了使程序能夠連續訪問數據,需要調整數據結構、重構代碼使得數據結構和程序配合,提高數據Cache的命中率。

4.2.1　數組連續訪問的優化

　　代碼舉例5：
float afBuf[1000];
float xBuf[8][24];
Func {
for(i=0;i24;i++) {
xBuf[0][i]=afBuf[0+i];
xBuf[1][i]=afBuf[24+i];
……
xBuf[7][i]=afBuf[168+i];
}
}

　　被優化為：
Func {
for(i=0;i8;i++) {
m=i*24;
xBuf[i][0]=afBuf[0+m]
xBuf[i][1]=afBuf[1+m];
……
xBuf[i][23]=afBuf[23+m];
}
}

　　這樣優化后,數據每次訪問都是連續的。

4.2.2　將不連續數據訪問重構為連續訪問的優化

　　代碼舉例6：
floatafBufA[24];
floatafBufB[24];
floatafBufC[24];
floatxbuf[200];
Func {
xBuf[0]=afBufA[0];
xBuf[1]=afBufB[0];
xBuf[2]=afBufC[0];
……
xBuf[69]=afBufA[23];
xBuf[70]=afBufB[23];
xBuf[71]=afBufC[23];
}

　　被優化為：
struct {
float fA;
float fB;
float fC;
} aBufABC[24];
floatxbuf[200];
Func {
xBuf[0]=aBufABC[0].fA;
xBuf[1]=aBufABC[0].fB;
xBuf[2]=aBufABC[0].fC;
……
xBuf[69]=aBufABC[23].fA;
xBuf[70]=aBufABC[23].fB;
xBuf[71]=aBufABC[23].fC;
}

5　軟件優化實驗結果

5.1　優化對比實驗

　　在自動化裝置的主要消耗資源的實時掃描任務中進行了代碼分析，并按上述可能優化措施進行了優化。優化前實時掃描任務占用資源為系統CPU總資源的52%。代碼優化后實時掃描任務占用CPU資源只有系統總資源的31%。

　　對比可以看出，系統效率提高了40%，效果是非常明顯的。

結語

　　雖然CPU的標稱性能指標非常高，但其有專用的體系結構，對一般開發者的編程開發方式而言并不是完全匹配，導致發揮不出CPU的潛力。所以有針對性的根據CPU的體系結構特點進行分析，并采取針對性的優化措施，才能真正發揮其性能，滿足嵌入式強實時性要求。