蜗窝科技

ARM CPU性能实验

作者：linuxer 发布于：2015-4-9 18:13

一、前言

一般工程师的直觉是当提升了CPU的运行频率，那么性能应该是呈现线性的关系，例如如果CPU跑260MHz，当降低到130MHz后，其性能应该会降低一半。实际情况如何呢？我们来做一个实验看看。

二、实验

1、实验环境介绍

硬件平台当然是强大的，生命期超长，死而复生（2010年就phase out了，但仍然有一批人马顽强的在上面开发）的AD6900处理器了。除此之外，还需要一台示波器用来测量时间。

2、在kernel中测试

实验方法如下：
（1）设置AD6900 ARM core所需的clock（260、130，65，32.5）

（2）使用linux中udelay函数（当然，kernel中udelay是和loops per jiffy相关，我们需要稍加修改，让他仅在260MHz的时候能够正确的delay）的方式进行延时

（3）通过GPIO翻转来确定起始和结束的时间点

（4）用示波器测量方波脉宽，记录实验数据。

实验结果如下：

基本上，在260MHz中执行2.501ms的程序，在130MHz上执行了5.081ms的时间，在32.5MHz上执行了20.64ms，基本上CPU运行clock和程序执行时间呈现线性的关系。

3、在bootloader中测试

同样的实验，我们在bootloader中重复进行，udelay有两个版本，一个是c语言的版本，一开始代码如下：

void delay( void )
{
    int cnt = 20000;
    while(cnt—);
}

编译之后，delay函数没有任何效果。当然由于开了O2的优化，实际上上面的函数都被优化掉了，要不改成全局变量试一试：

int cnt = 20000;
void delay( void )
{
    while(cnt--);
}

情况依然，由于强大的编译器知道delay函数执行到最后cnt等于－1，因此，在delay函数中就偷懒，直接给cnt赋值－1，优化掉了--操作和while判断，当然，给cnt变量加上volatile的修饰符应该是OK了，我们采用了简单的去掉O2优化的方法，得到了下面的结果：

好象结果已经不是那么线性了。怎么回事，要不用汇编写，这样会更直接一些，代码如下：

400202f4 <__delay>:
400202f4:    e2500001     subs    r0, r0, #1    ; 0x1
400202f8:    8afffffd     bhi    400202f4 <__delay>

当然，在执行__delay函数之前，要传递初值给r0寄存器。OK，代码已经完全和linux中的一致了，测试结果如下：

呵呵，结果多么的神奇。

三、分析

1、和程序执行相关的HW block如下图所示：

上图只是画出和本次实验有关的block。

2、kernel中的程序执行过程描述

内核态的delay函数虽然代码位于SDRAM，但是由于：

（1）TLB已经保存了地址映射

（2）指令已经被加载到cacheline

因此，实际上程序的执行基本是是限制在了ARM core内，不需要通过bus访问类似SRAM或者SDRAM的bus slave设备。这时候，增加ARM core的频率可以获取线性的程序性能提升。

3、bootloader中的程序执行过程描述

由于种种原因，我们的bootload中没有打开cache，没有启动MMU，而且bootloader中的代码在System RAM中运行。具体clock配置如下：

由于ARM core需要每次去system RAM中取指，虽然ARM core可以运行在260MHz下，但是由于BUS block限制在65MHz上，因此，大部分的时间，ARM core处于饥饿状态，这种状态下，什么流水线、什么out-of-order，什么分支预测都是浮云，性能的瓶颈来自上图中的A bus。因此，在260、130和65MHz下得到了相同的测试结果。

我们再来看看c代码版本的情况，使用objdump看看实际执行的代码是怎样的：

400202b0:    e59f3028     ldr    r3, [pc, #40]    ; 400202e0 <.text+0x2e0>
400202b4:    e5933000     ldr    r3, [r3]
400202b8:    e2432001     sub    r2, r3, #1    ; 0x1
400202bc:    e59f301c     ldr    r3, [pc, #28]    ; 400202e0 <.text+0x2e0>
400202c0:    e5832000     str    r2, [r3]
400202c4:    e59f3014     ldr    r3, [pc, #20]    ; 400202e0 <.text+0x2e0>
400202c8:    e5933000     ldr    r3, [r3]
400202cc:    e3730001     cmn    r3, #1    ; 0x1
400202d0:    1afffff6     bne    400202b0

汇编代码就2条指令，反复执行，c版本的看起来要复杂多了。为何c版本的delay函数没有出现和汇编版本的delay一样的测试结果呢？（TODO，我们留给大家思考吧）

PS：能完成这篇文档，我首先要感谢CCTV，MTV，各种TV，还有华南区linux kernel首席团队的LGR同学，多谢他的实验数据。

原创文章，转发请注明出处。蜗窝科技

标签: ARM性能

评论：