Question

[很多文字传入，因为我想尽我所能详细说明我的问题。]

我正在优化Cortex-M0的手写ARM汇编代码。我正在使用的主板是STMicro STM32F0Discovery，它有一个STM32F051R8控制器。控制器以48 MHz运行。

不幸的是，在进行优化时，我得到了一些非常奇怪的循环计数。

例如，在我的代码中将一个nop添加到循环中应该总共添加2个循环（循环2次）。但是，这样做会增加大约1800个额外周期。现在，当我添加额外的nop（总共2 nop s）时，循环计数确实增加了预期的4个周期。

对于下面的示例代码，我得到了类似的奇怪结果。示例代码显示了顶部摘录：c = 25 * a + 5 * b。底部摘录为c = 5 * (5 * a + b)。因此，底部应该更快，因为它需要少1 mov。但是，改变这个：

movs r4, #25
muls r3, r4, r3
add  r2, r3 

ldrb r3, [r6, #RoundStep]
movs r4, #5
muls r3, r4, r3

add  r2, r3

进入这个：

movs r4, #5
muls r3, r4, r3 

ldrb r5, [r6, #RoundStep]
add r3, r5
muls r3, r4, r3

add  r2, r3

不会将速度提高预期的1个周期，相反，它会使速度降低或多或少1000个周期......

要计算周期，我使用SysTick计数器，从其最大值开始倒计数，并在溢出中断时增加溢出计数器。我正在使用的代码与ARM网站上的this excerpt大致相同，但为我正在使用的Cortex-M0重写了代码。我的代码足够快，在测量过程中不会发生溢出中断。

现在，我开始认为计数器给了我错误的值，所以我还为我曾经躺着的TI Stellaris LaunchPad写了一些代码。这是一个运行频率为80 MHz的Cortex-M4F。该代码测量某个引脚保持高电平的周期数。当然，M0的时钟和M4F的时钟没有同步运行，因此报告的周期计数略有不同，我通过采用测量周期计数的非常低加权指数平均值来“修复”{{{ 1}}）并重复测量10000次。

M4F测量的时间与M0测量的时间相同，所以“不幸的是”看起来SysTick计数器在M0中运行得很好。

起初我认为这些额外的延迟是由管道停滞造成的，但一方面M0似乎太简单了，而另一方面我找不到M0管道的任何详细信息，所以我可以验证。

所以，我的问题是：这里发生了什么？为什么添加单个avg = 0.995 * avg + 0.005 * curCycles使我的函数需要额外的1000个循环/循环，但是两个nop只会使循环计数增加2？如何删除指令会使我的代码执行得更慢？

Answer 1

mul指令可以是ALU管道的multiple cycles。您将c = 25 * a + 5 * b转换为c = 5 * (5 * a + b)只需要少mov。但是，管道的加载存储阶段与ALU重叠。这些通常是单独的阶段，通过ldrb指令，您可以获得免费的mov说明。此外，根据值，muls可能执行得更快;具体而言，顶部字节为零通常会导致分拣机乘法循环。第一个版本中的数据依赖性少得多;指令 n 没有与 n + 1 共用的寄存器。这是允许管道衬里的基本要求。

比较，

ldrb r5, [r6, #RoundStep]  ; 2 cycles
add r3, r5                 ; must block for r5 to load (1 cycle)

用，

ldrb r3, [r6, #RoundStep]  ; 2 cycles
movs r4, #5                ; may run in parallel with above.

因此，即使您可以将指令数量相加并且代码更少，但由于 pipe-lining 或instruction scheduling，可能会发现较大的备用代码运行得更快。

如果您可以将ldrb重新定位到例程的开头，那么2 ^nd版本可能会更快。

ARM Cortex-M0上的循环次数不稳定

1 个答案: