您的位置 首页 产品

在Cortex-A8平台下memcpy ARM/NEON汇编功能的测验

2020年9月18日 16:37 阅读(787)

本文介绍了基于ARMv7架构的Cortex-A8芯片(FreeScalei.MX51/i.MX53/QualCommmsm8x50/msm7x30/Samsungs5pc100/s5pc110/TI.

本文介绍了根据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)上选用C言语、ARM汇编和NEON汇编完成的memcpy的功能比照，并输入剖析了NEON指令（不同处理器的NEON内存位宽从64-bit到128-bit不等）和cache的预取preload（preload engine指令）对功能的影响。终究定论标明1.在复制块巨细block size = 512B ~ 32K之间，有一个功能高台，block size = 256K也有一个功能的转机。这个特性体现了芯片32KB L1 / 256KB L2 cache的影响;2. NEON指令的功能总是要高于ARM指令的功能。跟着开展ARM/NEON指令之间功能差在缩小。替换运用ARM/NEON指令，功能往往要差于NEON版别;3.假如没有很好的模型规划，软件去干涉cache的运用，很简略会形成功能的恶化; 4.在fit in cache条件下，Snapdragon渠道有最好的功能; 5.在out of cache条件下，s5pc110有最好的功能; 6.在同一个硬件渠道下，超频对memory功能影响很小; 7.同一种的完成，在不同的硬件渠道上都有不同的体现。没有一种完成在一切渠道上是最好的。

  1. 前语

    在C run time library中，memcpy是重要的函数，对运用软件的功能有着重要的影响。ARM芯片开展到Cortex-A8[1][2]架构，不光频率有了很大进步，并且架构规划有了很大地改善。其间添加的NEON指令，是类似于原先X86渠道下的MMX指令，是为多媒体而规划。但由于这类指令一次能够处理64-bit数据，对memcpy函数功能进步也很有协助。本文首要是测验选用NEON[2]指令的多种memcpy完成，讨论NEON指令和预取(preload)指令对功能的影响，以及在芯片优化和工艺前进后，这些影响的改变趋势。一起希望芯片规划人员在了解软件完成的基础上，给予一个知其然，也知其所以然的解说，从而辅导进一步进步功能的方向。

  2. 渠道介绍

    本次的测验渠道来源于笔者作业项目中接触到的Cortex-A8渠道。见下面列表：

  • FreeScale i.MX51 / i.MX53
  • QualComm msm8x50 / msm7x30
  • Samsung s5pc100 / s5pc110
  • TI omap 3430 / omap 3730

  1. i.MX5 family

    i.MX5 family的介绍见[6][7]。其间i.MX535能够运转在800MHZ / 1000MHZ两种频率上。

  • i.MX515
    • freq: 800MHZ
    • cache size: 32KB/32KB I/D Cache and 256KB L2 Cache
    • cache line: 64-bit wide(NEON), 64-byte / line
  • i.MX535
  • freq: 800MHZ / 1000MHZ
  • cache size: 32KB/32KB I/D Cache and 256KB L2 Cache
  • cache line: 64-bit wide(NEON), 64-byte / line

  1. Snapdragon family

    Snapdragon的介绍见[8][9][10]。其间msm7x30能够运转在800MHZ / 1000MHZ两种频率上。此外Snapdragon cache特别之处是128-bit wide(NEON), 128-byte / line。规范Cortex-A8中，该数值为64-bit wide(NEON), 64-byte / line。这对功能有较大影响。

  • msm8x50
    • freq: 1000MHZ
    • cache size: 32KB/32KB I/D Cache and 256KB L2 Cache
    • cache line: 128-bit wide(NEON), 128-byte / line
  • msm7x30
    • freq: 800MHZ / 1000MHZ
    • cache size: 32KB/32KB I/D Cache and 256KB L2 Cache
    • cache line: 128-bit wide(NEON), 128-byte / line

  1. s5pc family

    s5pc family参阅渠道见[11]。

  • s5pc100
    • freq: 665MHZ
    • cache size: 32KB/32KB I/D Cache and 256KB L2 Cache
    • cache line: 64-bit wide(NEON), 64-byte / line
  • s5pc110
    • freq: 1000MHZ
    • cache size: 32KB/32KB I/D Cache and 512KB L2 Cache
    • cache line: 64-bit wide(NEON), 64-byte / line

  1. omap3 family

    omap3 family参阅渠道见[12][13][14]。

  • omap3430
    • freq: 550MHZ
    • cache size: 16KB/16KB I/D Cache and 256KB L2 Cache
    • cache line: 64-bit wide(NEON), 64-byte / line
  • omap3730
    • freq: 1000MHZ
    • cache size: 32KB/32KB I/D Cache and 256KB L2 Cache
    • cache line: 64-bit wide(NEON), 64-byte / line

  1. memcpy完成介绍

    memcpy的完成在ARM渠道上的开展有3类版别：

  2. C言语版别
  3. ARM汇编版别
  4. NEON汇编版别

    ARM公司的文档[4]对memcpy的完成有很好描绘。有人[5][19][20]还进一步论述了完成原理和技巧。简述如下：

  • NEON指令一次能够处理64-bit数据，功率更高。
  • NEON架构与L1/L2 cache都有直连，在OS层级enable后，能够取得更好的功能。
  • ARM / NEON的pipeline有或许异步处理，替换运用ARM / NEON指令有或许取得更好的功能。
  • 在一次循环中，竭尽或许多的寄存器copy更多的数据，确保pipeline有更好的功率。现在一次最大处理块为128-byte。
  • 对cache的操作有考究。
    • memcpy归于一次扫瞄无回溯的操作，关于cache选用预取(preload)战略能够进步hit rate。所以汇编版别中一定会运用pld指令提示ARM预先把cache line填充好。
    • pld指令中的offset很有考究。一般为64-byte的倍数。在ARMv5TE渠道是一个循环用一个pld指令。在Cortex-A8渠道上速度更快，需求一个循环用2~3个pld指令填充cache line。这样一个循环消费2~3个时钟周期换得cache hit rate进步，作用是值得的。
    • 进一步的，Cortex-A8架构供给了preload engine指令，能够让软件更深地影响cache，以便让cache hit rate得到进步。不过要在用户空间运用ple指令，需求在OS中打补丁敞开权限。

  1. C言语版别

    C言语版别首要是做比照。选用两个完成：

  2. 32-bit wide copy。后边标记为in32_cpy。
  3. 16-byte wide copy。后边标记为vec_cpy。这个完成的技巧是选用gcc的向量扩展”__attribute__ ((vector_size(16)))”，在C言语层级完成16-byte wide copy，将详细完成交给编译器。

    值得注意的工作是，编译器不会自动刺进pld指令。由于编译器无法判别运用对内存的拜访形式。

  4. ARM汇编版别

    ARM汇编版别也首要是做比照。选用两个完成：

  5. Siarhei Siamashka完成[15]。后边标记为arm9_memcpy。他是为Nokia N770做的优化。
  6. Nicolas Pitre完成[16]。后边标记为armv5te_memcpy。这是现在glibc里边缺省的arm memcpy完成。

  7. NEON汇编版别

    NEON汇编版别选用四个完成：

  8. M?ns Rullg?rd完成[19]。这是一个128-byte-align block的最简略的完成。没有判别不是128-byte align的状况。因而不是有用的版别。但经过这类完成，能够调查memcpy功能的极限。他一共供给4种完成。
  9. 全ARM汇编的完成。后边标记为memcpy_arm。此外，笔者还将其间的pld指令去掉，做为比照实验，调查pld指令的影响。后边标记为memcpy_arm_nopld。
  10. 全NEON汇编的完成。后边标记为memcpy_neon。此外，笔者还将其间的pld指令去掉，做为比照实验，调查pld指令的影响。后边标记为memcpy_neon_nopld。
  11. ARM / NEON指令替换运用的完成。后边标记为memcpy_armneon。此外，笔者还将其间的pld指令去掉，做为比照实验，调查pld指令的影响。后边标记为memcpy_armneon_nopld。
  12. ple + NEON的完成。后边标记为memcpy_ple_neon。此外，笔者还将其间的NEON指令换成ARM指令，做为比照实验，调查ple指令对ARM/NEON指令的影响。后边标记为memcpy_ple_arm。由于这个完成需求对linux kernel打补丁，在omap3430渠道上没有成功。在Snapdragon渠道上替换kernel有些费事，所以也没有测验。
  13. CodeSourcery完成[17]。这是CodeSourcery toolchain中的glibc里边的完成。也分两种完成。
  14. ARM完成。后边标记为memcpy_arm_codesourcery。笔者还将其间的pld指令去掉，做为比照实验，调查pld指令的影响。后边标记为memcpy_arm_codesourcery_nopld。
  15. NEON完成。后边标记为memcpy_neon_codesourcery。这也是Android bionic里边选用的NEON完成。笔者还将其间的pld指令去掉，做为比照实验，调查pld指令的影响。后边标记为memcpy_neon_codesourcery_nopld。
  16. QualComm完成[18]。后边标记为memcpy_neon_qualcomm。这是QualComm在Code Aurora Forum中为Snapdragon渠道开发的优化版别。首要是对8660/8650A渠道的优化。这个版别的特点是针对L2 cache line size＝128bytes而规划，pld offset设置得特别大。成果在其它Cortex-A8渠道上没有作用。所以笔者将pld offset改为M?ns Rullg?rd完成的数值。笔者还将其间的pld指令去掉，做为比照实验，调查pld指令的影响。后边标记为memcpy_neon_qualcomm_nopld。
  17. Siarhei Siamashka完成[20]。后边标记为memcpy_neon_siarhei。这是Siarhei Siamashka向glibc提交的NEON版别，没有被glibc选用。但是在MAEMO项目中得到选用。这个版别的特点是pld offset是从小到大添加的，以希望习惯block size的改变。

  18. 测验计划介绍

    测验计划非常简略。参阅了movial memory tester的完成[21]。履行过程如下：

  19. 先对每个完成进行正确性的验证。首要办法是以随机的block size & offset，填充随机的内容，然后履行memcpy操作，然后再用体系的memcmp函数对两块内存做校验。
  20. 然后对每个完成以不同的block size调用400次。假如total copy size < 1MB，则添加count直到满足要求。对总操作计时。
  21. 以total copy size / total copy time公式核算memcpy bandwidth。

    上述说到的block size = 2^n ( 7 <= n <= 23 )。

    此外，这个测验程序运转在openembedded-gpe软件体系中。QualComm / Samsung硬件渠道只供给Android软件体系，要替换到GPE体系有些费事，则选用chroot方法进行测验。不论是哪种软件渠道，都是进入到图形体系后，静置，等候黑屏，然后再进行测验。

    下表是运转环境的计算。

    硬件渠道

    软件环境

    imx51 800MHZ

    openembedded-gpe

    imx53 1000MHZ

    openembedded-gpe

    imx53 800MHZ

    openembedded-gpe

    msm7230 1000MHZ

    Android + chroot

    msm7230 800MHZ

    Android + chroot

    msm8250 1000MHZ

    Android + chroot

    omap3430 550MHZ

    openembedded-gpe

    omap3730 1000MHZ

    openembedded-gpe

    s5pc100 665MHZ

    Android + chroot

    s5pc110 1000MHZ

    Android + chroot

    下表是测验项目的计算。

    完成计划

    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：由于i.MX53 EVK板子发生毛病，未能测验一切no pld的测验项。

    注2：在给omap3430翻开preload engine后，测验发生不合法指令错，未能测验ple的测验项。

    注3：要替换Snapdragon kernel有些费事，未能测验ple的测验项。

  22. 测验成果与剖析

    下面的图表限于页面巨细不能很好地显现细节。详细的数据和大图可到数据表文档中检查。

  23. 各个硬件渠道上各种完成的体现

  24. imx51 800MHZ

  25. imx53 1000MHZ

  26. imx53 800MHZ

  27. msm7230 1000MHZ

  28. msm7230 800MHZ

  29. msm8250 1000MHZ

  30. omap3430 550MHZ

  31. omap3730 1000MHZ

  32. s5pc100 665MHZ

  33. s5pc110 1000MHZ

    1. 小结

  34. 在block size = 512B ~ 32K之间，有一个功能高台，block size = 256K也有一个功能的转机。
  35. 这个特性体现了32KB L1 / 256KB L2 cache的影响。
  36. 小于512B的功能欠安，或许与函数调用，函数开端的块对齐技巧形成的损耗有关，也或许与block size太小，cache没有准备好函数就完毕了有关。
  37. 文档[]对memcpy的完成仍是有辅导意义的。但跟着芯片内部的优化和工艺的进步，有些规矩发生了改变。
  38. NEON指令的功能总是要高于ARM指令的功能。但替换运用ARM/NEON指令并不总是带来功能的进步。跟着开展ARM/NEON指令之间功能差在缩小。
  39. pld指令的作用越来越小。在较老的芯片上，如omap3430，选用pld指令后，同一个完成能够有50%的功能进步。在较新的芯片上，如msm7230/s5pc110上，功能根本没有差异，乃至同一个完成没有pld指令后，功能稍稍有些进步。这也许是由于pld指令没有作用，倒反在每个循环中浪费了时钟周期形成的。
  40. 选用ple指令的完成的功能令人大失人望。这也阐明假如没有很好的模型规划，软件去干涉cache的运用，很简略会形成功能的恶化。
  41. Snapdragon渠道有最好的cache功能。超出cache后，各种完成(包含C言语完成)的功能根本共同，也很高效。这也许是Snapdragon渠道13-stage load/store pipeline[][]的规划形成的。这个特性对高档言语是有优点的。由于编程不或许在许多当地选用汇编言语。这样开发人员就不用过多地考虑汇编优化，依靠编译器就能够了。
  42. s5pc110渠道有最好的均匀功能。超出cache后，NEON完成的功能最好，根本坚持一条水平线。

  43. 在small/big block size下各个硬件渠道的体现

    功能由于block size分为fit in cache / out of cache两种体现，所以做两个剖面做比照剖析。

  • 8K block size。体现fit in cache时的功能。
  • 8M block size。体现out of cache时的功能。

  1. M?ns Rullg?rd的完成

    由于M?ns Rullg?rd的完成最简略，除了一个循环体外，没有其它判别代码，能够认为是体现渠道速度极限的完成。

  2. ARM的完成

  3. NEON的完成

  4. 小结

  5. NEON指令的功能总是要高于ARM指令的功能。跟着开展ARM/NEON指令之间功能差在缩小。
  6. 替换运用ARM/NEON指令，在fit in cache条件下功能要差于NEON版别。在out of cache条件下，两个版别功能根本相同。
  7. 在fit in cache条件下，Snapdragon渠道有最好的功能。超越第二名s5pc110大约为43%。
  8. 在out of cache条件下，s5pc110有最好的功能。超越第二名omap3730大约为57%。
  9. 在同一个硬件渠道下，超频(如i.MX53 800/1000MHZ & msm7x30 800/1000MHZ)对memory功能影响很小。

  10. 有用ARM/NEON完成在各个硬件渠道的体现

    经过同一种完成在不同硬件渠道上功能的比照，结合上一节的图表，能够点评一种完成的均匀功能，也便是习惯性。

  11. ARM的完成

  12. NEON的完成

  13. 小结

  14. 同一种的完成，在不同的硬件渠道上都有不同的体现。没有一种完成在一切渠道上是最好的。
  15. Codesourcery版别，包含ARM/NEON版别，有很好的习惯性。不愧是做toolchain的公司。
  16. Siarhei Siamashka的NEON版别也有很好的习惯性。NOKIA的技能实力也很强。这哥们如同也是pixman项目里边做NEON优化的主力。
  17. Qualcomm版别只合适Snapdragon渠道。等待今后能在msm8660以及后续的芯片上进行测验。

  18. 总结

  19. 在block size = 512B ~ 32K之间，有一个功能高台，block size = 256K也有一个功能的转机。这个特性体现了32KB L1 / 256KB L2 cache的影响。
  20. NEON指令的功能总是要高于ARM指令的功能。跟着开展ARM/NEON指令之间功能差在缩小。替换运用ARM/NEON指令，功能往往要差于NEON版别。
  21. 假如没有很好的模型规划，软件去干涉cache的运用，很简略会形成功能的恶化。
  22. 在fit in cache条件下，Snapdragon渠道有最好的功能。
  23. 在out of cache条件下，s5pc110有最好的功能。
  24. 在同一个硬件渠道下，超频对memory功能影响很小。
  25. 同一种的完成，在不同的硬件渠道上都有不同的体现。没有一种完成在一切渠道上是最好的。

  26. 进一步的测验

    由于在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。由于NEON模块会影响到die size，因而影响功耗和本钱。因而有些Cortex-A9芯片，如Nvidia Tegra250，没带有NEON模块。那么有无NEON模块会对软件功能形成什么样的影响呢？

声明：本文内容来自网络转载或用户投稿，文章版权归原作者和原出处所有。文中观点，不代表本站立场。若有侵权请联系本站删除（kf@86ic.com）https://www.86ic.net/xinpin/chanpin/276194.html
7赞
标签:

为您推荐

华芯微特（Synwit）吊扇灯方案

2024慕尼黑上海电子展解读电子行业10大热门趋势！

2024慕尼黑上海电子展解读电子行业10大热门趋势！

为什么 MCU 用户可以从探索低端 FPGA 的应用范围中受益

超小型滑动开关的选择及使用

河北小漫电子与富满微电子集团股份有限公司签订代理协议，经销FM(富满)全系列产品

开关电源设计之Buck电路电感、电容值的选取

联系我们

联系我们

在线咨询: QQ交谈

邮箱: kf@86ic.com

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

返回顶部