在 C 语言中为 Xilinx Microblaze 使用内联汇编

Using Inline Assembly in C for Xilinx Microblaze

我有一个用 C 语言编写的应用程序,带有用于 Xilinx Microblaze 内核的内联汇编。我的内联程序集有一个延迟任务。函数“_delay_loop_X_x”在处理器的每个循环中正好延迟 4 个周期。输入信号决定了要进行的循环次数。函数“_NOPx”是为了达到更高的精度。该功能工作正常,但在信号结束时它会产生两倍的额外延迟。恐怕我错误地使用了寄存器。有人可以检查我的汇编代码吗?

对于 Microblaze,我使用此文档:https://www.xilinx.com/support/documentation/sw_manuals/mb_ref_guide.pdf

汇编代码:

    static __inline__ void _delay_loop_1_x( uint8_t) __attribute__((always_inline));

    static __inline__ void _NOP1 (void) {__asm__ volatile ("nop                  \n\t"            ); } //1 cycle
    static __inline__ void _NOP2 (void) {__asm__ volatile ("beqi r12, 1f \n\t""1:\n\t" ::: "r12", "cc" ); } //2 cycle
    static __inline__ void _NOP3 (void) {__asm__ volatile ("brk r12, r0          \n\t" ::: "r12", "cc" ); } //3 cycle

    static __inline__ void      /* exactly 4 cycles */
    _delay_loop_1_x( uint8_t __n )
    {                                        /* cycles per loop */
        __asm__ volatile (                        
           "   addik r11, r0, 1             \n\t"  /*    1   */
           "1: rsub %[input], r11, %[input] \n\t"  /*    1   */
           "   beqi %[input], 2f            \n\t"  /*    1   */
           "2: bnei %[input], 1b            \n\t"  /*    1   */
           :                                       /*  ----- */
           : [input]"r" (__n)                      /*  ----- */
           : "r11", "cc"                           /*    4   */
       );
    }

    static __inline__ void      /* exactly 4 cycles/loop */
    _delay_loop_2_x( uint16_t __n )
    {                                               /* cycles per loop      */
        __asm__ volatile (                            /* __n..one */
               "   addik r11, r0, 1             \n\t" /*    1   */
               "1: rsub %[loops], r11, %[loops] \n\t" /*    1   */
               "   beqi %[loops], 2f            \n\t" /*    1   */
               "2: bnei %[loops], 1b            \n\t" /*    1   */
               :                                      /*  ----- */
               : [loops]"r" (__n)                     /*  ----- */
               : "r11", "cc"                          /*    4   */
           );
    }

    static __inline__ void
    _delay_cycles(const double __ticks_d)
    {
        uint32_t __ticks = (uint32_t)(__ticks_d);
        uint32_t __padding;
        uint32_t __loops;

        if( __ticks <= 3 )  {       
            __padding = __ticks;

        } else if( __ticks <= 0x400 )  {
            __ticks -= 1;                
            __loops = __ticks / 4;
            __padding = __ticks % 4;
            if( __loops != 0 )
                _delay_loop_1_x( (uint8_t)__loops );

        } else if( __ticks <= 0x40001 )  {
            __ticks -= 2;                  
            __loops = __ticks / 4;
            __padding = __ticks % 4;
            if( __loops != 0 )
                _delay_loop_2_x( (uint16_t)__loops );
        } 

       if( __padding ==  1 )  _NOP1();
       if( __padding ==  2 )  _NOP2();
       if( __padding ==  3 )  _NOP3();
    }

C代码:

    #define _delay_ns(__ns)     _delay_cycles( (double)(F_CPU)*((double)__ns)/1.0e9 + 0.5 )
    #define _delay_us(__us)     _delay_cycles( (double)(F_CPU)*((double)__us)/1.0e6 + 0.5 )
    #define _delay_ms(__ms)     _delay_cycles( (double)(F_CPU)*((double)__ms)/1.0e3 + 0.5 )

    #define BIT_DELAY_1        _delay_ns(2070) 
    #define BIT_DELAY_5        _delay_us(19) 
    #define BIT_DELAY_7        _delay_us(26)
    #define RX_TX_DELAY        _delay_us(78) 
    #define SHA204_SWI_FLAG_TX      ((uint8_t) 0x88)

    XGpio GpioPIN;

    uint8_t swi_send_bytes(uint8_t count, uint8_t *buffer);
    uint8_t swi_send_byte(uint8_t value);

    int main()
    {
        init_platform();
        XGpio_Initialize(&GpioPIN, GPIO_PIN_DEVICE_ID);
        XGpio_SetDataDirection(&GpioPIN, PIN_CHANNEL, ~PIN);

        (void) swi_send_byte(SHA204_SWI_FLAG_TX);
        cleanup_platform();
        return 0;
    }

    uint8_t swi_send_byte(uint8_t value)
    {
        return swi_send_bytes(1, &value);
    }

    uint8_t swi_send_bytes(uint8_t count, uint8_t *buffer)
    {
        uint8_t i, bit_mask;

        RX_TX_DELAY;

        for (i = 0; i < count; i++) {
            for (bit_mask = 1; bit_mask > 0; bit_mask <<= 1) {
                if (bit_mask & buffer[i]) {
                    XGpio_DiscreteClear(&GpioPIN, PIN_CHANNEL, PIN);
                    BIT_DELAY_1;
                    XGpio_DiscreteWrite(&GpioPIN, PIN_CHANNEL, PIN);
                    BIT_DELAY_7;
                }
                else {
                    XGpio_DiscreteClear(&GpioPIN, PIN_CHANNEL, PIN);
                    BIT_DELAY_1;
                    XGpio_DiscreteWrite(&GpioPIN, PIN_CHANNEL, PIN);
                    BIT_DELAY_1;
                    XGpio_DiscreteClear(&GpioPIN, PIN_CHANNEL, PIN);
                    BIT_DELAY_1;
                    XGpio_DiscreteWrite(&GpioPIN, PIN_CHANNEL, PIN);
                    BIT_DELAY_5;
                }
            }
        }
        return 0;
    }

我的结果: https://imgur.com/a/beBgn

仔细想想我真的不明白这些循环应该是 Nx4 个循环。

static __inline__ void      /* exactly 4 cycles */
_delay_loop_1_x( uint8_t __n )
{                                        /* cycles per loop */
    __asm__ volatile (                        
       "   addik r11, r0, 1             \n\t"  /*    1   */
       "1: rsub %[input], r11, %[input] \n\t"  /*    1   */
       "   beqi %[input], 2f            \n\t"  /*    1   */
       "2: bnei %[input], 1b            \n\t"  /*    1   */
       :                                       /*  ----- */
       : [input]"r" (__n)                      /*  ----- */
       : "r11", "cc"                           /*    4   */
   );
}

一旦 C 部分结束(函数序言)并且代码将开始执行 ASM 部分,我看到:

for n = 1(假设编译器将使用 r1 for input):

执行的指令(一步一步)我猜是这样的:

addik r11, r0, 1             ; r11 = 1 (r0 == fixed zero, right?)
rsub r1, r11, r1             ; r1 = r1 - r11 (i.e. r1 = 0 in this example)
beqi r1, 2f                  ; r1 is zero, so branch to "2" will be taken
bnei r1, 1b                  ; r1 == 0, branch not taken

然后来自 C 的所有剩余指令将跟进(函数的结尾)。

如果每条指令是 1 个周期(有很多依赖关系,所以在高频现代 CPU 上不太可能,但如果 microblaze 是低频简单 RISC 架构,没有多级流水线,那么它可能会那样工作),那么你有 4 个周期。

对于 n = 2

addik r11, r0, 1             ; r11 = 1
rsub r1, r11, r1             ; r1 = 1
beqi r1, 2f                  ; r1 != 0, branch not taken
bnei r1, 1b                  ; r1 != 0, branch taken
rsub r1, r11, r1             ; r1 = 0
beqi r1, 2f                  ; r1 == 0, branch taken to bnei
bnei r1, 1b                  ; r1 == 0, branch not taken

那是 7 条指令,而不是 8 条。对于 8 条指令,您需要 bneiaddik 以将 r11 重新设置为 1 以达到延迟目的(即使该值已在 r11).

中设置

无论如何这让我想知道这个 CPU 的时间是否真的那么简单(1 条指令 = 1 个周期,即使在分支时),为什么不将循环简化为简单的倒计时(并为 input 使用相当原生的 32b 类型):

1: raddik %[input], %[input], -1
   bnei   %[input], 1b

然后你有 2 个周期的延迟循环。

但是使用延迟的主要代码...有很多 C 代码,它们也会转换为机器代码指令,并且这些代码也需要一些时间来执行,所以不清楚您在测量什么,并且为什么,以及您是否确实考虑了这些额外指令导致的执行延迟。


更新

关于 ticks -= 1 崩溃..不知道,没有意义,所以你必须进入调试器并在机器级别找出真正的原因。

但是整个事情没有多大意义,因为您试图通过 C 表达式拆分循环延迟参数 ticks_d,例如 if (padding == ...) 的块。那些条件测试将比实际填充值花费更多的周期,所以没有必要调用 NOPx(); 来进一步延迟,因为你已经延迟了几十个周期。

现在我终于发现 double Olaf 提到,仅此一项(将剩余数学转换为整数)当然会导致巨大的性能损失,甚至可能在数百个周期内。所以整个 void delay_cycles(const double ticks_d) 实际上会比你预期的延迟更多的周期,ASM 部分在总时间中可以忽略不计(除了内部循环每个参数值消耗大约 3 个周期,那个可能会增加如果初始参数足够大,总延迟会相当大。

如果你真的需要指令周期的准确性(不是那么常见,上次我确实需要它是在 1990 年左右的 8 位计算机上),你必须在没有 C 的情况下用纯 asm 编写它,并且还要计算 preparation/logic 指令进入延迟 - 理想情况下以固定执行时间方式编写,因此调用 delay_cycles 函数将导致任何 ticks_d 参数值的固定开销。

然后您可以计算该固定开销,然后先执行 ticks -= <overhead>; 以稍后获得准确的延迟。并且您必须从 double 切换到整数,因为 Microblaze CPU 没有 FPU 单元,因此浮点值由整数数学模拟,只是初始转换为 int int ticks = (int)(ticks_d); 必须花费相当多的周期,你应该在调试器中看到,如果你有反汇编视图并通过单指令进入它。