Я немного экспериментировал с выполнением из ОЗУ и флэш-памяти во встроенных системах. Для быстрого прототипирования и тестирования я в настоящее время использую Arduino Due (SAM3X8E ARM Cortex-M3). Насколько я вижу, среда выполнения и загрузчик Arduino здесь не должны иметь никакого значения.
Вот проблема: у меня есть функция ( calc ), которая написана в сборке большого пальца ARM. calc вычисляет число и возвращает его. (Время выполнения> 1 с для данного ввода) Теперь я вручную извлек собранный машинный код этой функции и поместил его в виде необработанных байтов в другую функцию. Подтверждено, что обе функции находятся во флэш-памяти (адреса 0x80149 и 0x8017D, рядом друг с другом). Это было подтверждено как разборкой, так и проверкой во время выполнения.
void setup() {
Serial.begin(115200);
timeFnc(calc);
timeFnc(calc2);
}
void timeFnc(int (*functionPtr)(void)) {
unsigned long time1 = micros();
int res = (*functionPtr)();
unsigned long time2 = micros();
Serial.print("Address: ");
Serial.print((unsigned int)functionPtr);
Serial.print(" Res: ");
Serial.print(res);
Serial.print(": ");
Serial.print(time2-time1);
Serial.println("us");
}
int calc() {
asm volatile(
"movs r1, #33 \n\t"
"push {r1,r4,r5,lr} \n\t"
"bl .in \n\t"
"pop {r1,r4,r5,lr} \n\t"
"bx lr \n\t"
".in: \n\t"
"movs r5,#1 \n\t"
"subs r1, r1, #1 \n\t"
"cmp r1, #2 \n\t"
"blo .lblb \n\t"
"movs r5,#1 \n\t"
".lbla: \n\t"
"push {r1, r5, lr} \n\t"
"bl .in \n\t"
"pop {r1, r5, lr} \n\t"
"adds r5,r0 \n\t"
"subs r1,#2 \n\t"
"cmp r1,#1 \n\t"
"bhi .lbla \n\t"
".lblb: \n\t"
"movs r0,r5 \n\t"
"bx lr \n\t"
::
); //redundant auto generated bx lr, aware of that
}
int calc2() {
asm volatile(
".word 0xB5322121 \n\t"
".word 0xF803F000 \n\t"
".word 0x4032E8BD \n\t"
".word 0x25014770 \n\t"
".word 0x29023901 \n\t"
".word 0x800BF0C0 \n\t"
".word 0xB5222501 \n\t"
".word 0xFFF7F7FF \n\t"
".word 0x4022E8BD \n\t"
".word 0x3902182D \n\t"
".word 0xF63F2901 \n\t"
".word 0x0028AFF6 \n\t"
".word 0x47704770 \n\t"
);
}
void loop() {
}Вывод вышеуказанной программы на цель Arduino Due:
Address: 524617 Res: 3524578: 1338254us
Address: 524669 Res: 3524578: 2058819us
Таким образом, мы подтверждаем, что результаты будут равны, а адрес во время выполнения будет таким, как ожидалось. Выполнение введенной вручную функции машинного кода происходит на 50% медленнее.
Разборка с arm-none-eabi-objdump дополнительно подтверждает соответствующие адреса, резидентность флэш-памяти и равенство машинного кода (обратите внимание на порядковый номер байтов и группировку байтов!):
00080148 <_Z4calcv>:
80148: 2121 movs r1, #33 ; 0x21
8014a: b532 push {r1, r4, r5, lr}
8014c: f000 f803 bl 80156 <.in>
80150: e8bd 4032 ldmia.w sp!, {r1, r4, r5, lr}
80154: 4770 bx lr
00080156 <.in>:
80156: 2501 movs r5, #1
80158: 3901 subs r1, #1
8015a: 2902 cmp r1, #2
8015c: f0c0 800b bcc.w 80176 <.lblb>
80160: 2501 movs r5, #1
00080162 <.lbla>:
80162: b522 push {r1, r5, lr}
80164: f7ff fff7 bl 80156 <.in>
80168: e8bd 4022 ldmia.w sp!, {r1, r5, lr}
8016c: 182d adds r5, r5, r0
8016e: 3902 subs r1, #2
80170: 2901 cmp r1, #1
80172: f63f aff6 bhi.w 80162 <.lbla>
00080176 <.lblb>:
80176: 0028 movs r0, r5
80178: 4770 bx lr
}
8017a: 4770 bx lr
0008017c <_Z5calc2v>:
8017c: b5322121 .word 0xb5322121
80180: f803f000 .word 0xf803f000
80184: 4032e8bd .word 0x4032e8bd
80188: 25014770 .word 0x25014770
8018c: 29023901 .word 0x29023901
80190: 800bf0c0 .word 0x800bf0c0
80194: b5222501 .word 0xb5222501
80198: fff7f7ff .word 0xfff7f7ff
8019c: 4022e8bd .word 0x4022e8bd
801a0: 3902182d .word 0x3902182d
801a4: f63f2901 .word 0xf63f2901
801a8: 0028aff6 .word 0x0028aff6
801ac: 47704770 .word 0x47704770
}
801b0: 4770 bx lr
...
Далее мы можем подтвердить аналогично используемое соглашение о вызовах:
00080234 <setup>:
void setup() {
80234: b508 push {r3, lr}
Serial.begin(115200);
80236: 4806 ldr r0, [pc, #24] ; (80250 <setup+0x1c>)
80238: f44f 31e1 mov.w r1, #115200 ; 0x1c200
8023c: f000 fcb4 bl 80ba8 <_ZN9UARTClass5beginEm>
timeFnc(calc);
80240: 4804 ldr r0, [pc, #16] ; (80254 <setup+0x20>)
80242: f7ff ffb7 bl 801b4 <_Z7timeFncPFivE>
}
80246: e8bd 4008 ldmia.w sp!, {r3, lr}
timeFnc(calc2);
8024a: 4803 ldr r0, [pc, #12] ; (80258 <setup+0x24>)
8024c: f7ff bfb2 b.w 801b4 <_Z7timeFncPFivE>
80250: 200705cc .word 0x200705cc
80254: 00080149 .word 0x00080149
80258: 0008017d .word 0x0008017d
Я могу исключить это из-за какой-то спекулятивной выборки (которую, по-видимому, имеет Cortex-M3!) Или прерываний. (РЕДАКТИРОВАТЬ: NOPE, я не могу. Возможно, какая-то предварительная выборка) Изменение порядка выполнения или добавление вызовов функций между ними не меняет результат. Что может быть виновником здесь?
РЕДАКТИРОВАТЬ: После изменения выравнивания функции машинного кода (вставить nops как пролог) я получаю следующие результаты:
+ 16 бит для calc2:
Address: 524617 Res: 3524578: 1102257us
Address: 524669 Res: 3524578: 1846968us
+ 32 бита для calc2:
Address: 524617 Res: 3524578: 1102257us
Address: 524669 Res: 3524578: 1535424us
+ 48 бит для calc2:
Address: 524617 Res: 3524578: 1102155us
Address: 524669 Res: 3524578: 1413180us
+ 64 бита для calc2:
Address: 524617 Res: 3524578: 1102155us
Address: 524669 Res: 3524578: 1346606us
+ 80 бит для calc2:
Address: 524617 Res: 3524578: 1102145us
Address: 524669 Res: 3524578: 1180105us
EDIT2: только работает каль
Address: 524617 Res: 3524578: 1102155us
Только работает calc2:
Address: 524617 Res: 3524578: 1102257us
Изменение порядка:
Address: 524669 Res: 3524578: 1554160us
Address: 524617 Res: 3524578: 1102211us
EDIT3: добавление .p2align 4перед меткой .inтолько для calc, отдельное исполнение:
Address: 524625 Res: 3524578: 1413185us
Оба, как в оригинальном тесте:
Address: 524625 Res: 3524578: 1413185us
Address: 524689 Res: 3524578: 1535424us
РЕДАКТИРОВАТЬ 4: Изменение положения во вспышке полностью меняет результат. -> Линейная предварительная выборка?
Ответы:
Скорость выполнения кода из флэш-памяти зависит от количества циклов ожидания и выравнивания кода для каждой цели ветвления. В этом и аналогичных процессорах, таких как STM32F103, флэш-памяти требуется 3 цикла ожидания, когда ядро работает на самой высокой частоте. Это означает, что каждая взятая ветвь может занять от 2 до 5 циклов, что может повлиять на общее время выполнения.
Чтобы компенсировать медлительность FLASH, эти процессоры имеют широкую шину FLASH и буфер выборки. SAM3X имеет пару 128-битных буферов инструкций, которые, кажется, заполняются в шаблоне предварительной выборки [1].
Чтобы оптимизировать узкий цикл, попробуйте вписать в 32-байтовый кодовый блок и выровнять его по 16-байтовой границе (или лучше 32, на всякий случай). Кроме того, было бы неплохо проверить, правильно ли установлены параметры FLASH, т. Е. Включена предварительная выборка, а ширина шины установлена на 128 бит, в этом MCU. Копирование кода в ОЗУ может быть вариантом, но это боль и может замедлить процесс по сравнению с правильно работающими буферами выборки.
[1] http://ww1.microchip.com/downloads/en/DeviceDoc/Atmel-11057-32-bit-Cortex-M3-Microcontroller-SAM3X-SAM3A_Datasheet.pdf , стр. 294, рисунки 18-2, 18-3 ,
источник