He estado experimentando un poco con la ejecución desde RAM y memoria flash en sistemas integrados. Para la creación rápida de prototipos y pruebas, actualmente estoy usando un Arduino Due (SAM3X8E ARM Cortex-M3). Hasta donde puedo ver, el tiempo de ejecución Arduino y el gestor de arranque no deberían hacer ninguna diferencia aquí.
Aquí está el problema: tengo una función ( calc ) que está escrita en ARM Thumb Assembly. calc calcula un número y lo devuelve. (> 1s de tiempo de ejecución para la entrada dada) Ahora extraje manualmente el código de máquina ensamblado de esa función y lo puse como bytes sin procesar en otra función. Se confirma que ambas funciones residen en la memoria flash (Dirección 0x80149 y 0x8017D, una al lado de la otra). Esto se ha confirmado tanto a través del desmontaje como de una verificación de tiempo de ejecución.
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() {
}La salida del programa anterior en el objetivo de Arduino Due es:
Address: 524617 Res: 3524578: 1338254us
Address: 524669 Res: 3524578: 2058819us
Por lo tanto, confirmamos que los resultados sean iguales y que la dirección durante el tiempo de ejecución sea la esperada. La ejecución de la función de código de máquina ingresada manualmente es 50% más lenta.
El desmontaje con arm-none-eabi-objdump confirma aún más las direcciones respectivas, la residencia de la memoria flash y la igualdad del código de la máquina (¡tenga en cuenta la endianness y la agrupación de bytes!):
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
...
Podemos confirmar aún más la convención de llamada utilizada de forma análoga:
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
Puedo descartar que esto se deba a algún tipo de búsqueda especulativa (que aparentemente tiene el Cortex-M3) o interrupciones. (EDITAR: NO, no puedo. Probablemente algún tipo de captación previa) Cambiar el orden de ejecución o agregar llamadas a funciones intermedias no cambia el resultado. ¿Cuál podría ser el culpable aquí?
EDITAR: después de cambiar la alineación de la función de código de máquina (inserte nops como prólogo) obtengo los siguientes resultados:
+ 16 bits para calc2:
Address: 524617 Res: 3524578: 1102257us
Address: 524669 Res: 3524578: 1846968us
+ 32 bits para calc2:
Address: 524617 Res: 3524578: 1102257us
Address: 524669 Res: 3524578: 1535424us
+ 48 bits para calc2:
Address: 524617 Res: 3524578: 1102155us
Address: 524669 Res: 3524578: 1413180us
+ 64bit para calc2:
Address: 524617 Res: 3524578: 1102155us
Address: 524669 Res: 3524578: 1346606us
+ 80bit para calc2:
Address: 524617 Res: 3524578: 1102145us
Address: 524669 Res: 3524578: 1180105us
EDIT2: solo ejecuta calc:
Address: 524617 Res: 3524578: 1102155us
Solo ejecutando calc2:
Address: 524617 Res: 3524578: 1102257us
Cambiar el orden:
Address: 524669 Res: 3524578: 1554160us
Address: 524617 Res: 3524578: 1102211us
EDITAR3: Agregar .p2align 4antes de la etiqueta .insolo para calc, ejecución separada:
Address: 524625 Res: 3524578: 1413185us
Tanto como en el punto de referencia original:
Address: 524625 Res: 3524578: 1413185us
Address: 524689 Res: 3524578: 1535424us
EDITAR4: invertir la posición en flash cambia completamente el resultado. -> Captación previa lineal?
Respuestas:
La velocidad de ejecución del código desde flash depende del número de ciclos de espera y la alineación del código para cada objetivo de rama. En este y otros procesadores similares, como STM32F103, el flash necesita 3 ciclos de espera cuando el núcleo funciona a la frecuencia más alta. Esto significa que cada rama tomada puede tomar entre 2 y 5 ciclos, lo que puede afectar el tiempo de ejecución total.
Para compensar la lentitud de FLASH, estos procesadores tienen un bus FLASH ancho y un buffer de recuperación. SAM3X tiene un par de memorias intermedias de instrucciones de 128 bits, que parecen estar pobladas en un patrón de captación previa [1].
Para optimizar un bucle cerrado, intente encajar en un bloque de código de 32 bytes y alinearlo en el límite de 16 bytes (o mejor 32, por si acaso). Además, podría ser una buena idea verificar si los parámetros FLASH están configurados correctamente, es decir, la captación previa está habilitada y el ancho del bus está configurado en 128 bits, en esta MCU. Copiar código a la RAM puede ser una opción, pero es una molestia y en realidad puede ralentizar las cosas, en comparación con los buffers de recuperación que funcionan correctamente.
[1] http://ww1.microchip.com/downloads/en/DeviceDoc/Atmel-11057-32-bit-Cortex-M3-Microcontroller-SAM3X-SAM3A_Datasheet.pdf , página 294, Figuras 18-2, 18-3 .
fuente