TI：使用CLT工具优化C6000代码

　　摘要

　　在C6000 DSP的开发过程中，优化是必不可少的一个环节，根据对象不同可以分为系统，算法，代码以及内存优化。通常，开发者熟悉自己的代码，会从前三个方面修改以获得整体性能的提升，但是对于内存尤其是缓存(Cache)的优化，因为其涉及到芯片本身的架构，Cache的维护由DSP自动完成，用户通常不能干预，所以似乎无从着手;考虑到这些实际的问题，从TI的7.0系列编译器开始支持使用缓存优化工具(Cache Layout Tools)对C6000代码进行优化，通过这一系列的工具，可以很轻松的完成L1P Cache性能的提升，本文详细介绍了该工具的使用方法。

　　1.引言

　　目前，使用TI DSP的用户越来越多，在C6000系列DSP中，包含了C64x, C64x+, C66x等。在C6000 DSP的开发过程中，为了充分利用DSP的计算资源，需要对用户程序进行优化的工作，根据对象不同可以分为系统，算法，代码以及内存优化。通常，开发者熟悉自己的系统和代码，可以比较方便的从前三个方面修改以获得整体性能的提升，但是对于内存尤其是缓存(Cache)的优化，因为其涉及到芯片本身的架构，Cache的维护由DSP自动完成，用户通常不能干预，所以似乎无从着手;考虑到这些实际的问题，从TI 的7.0 系列编译器开始支持使用缓存优化工具(Cache Layout Tools)对C6000代码进行优化，通过这一系列的工具，可以很轻松的完成L1P Cache性能的提升，本文详细介绍了该工具的使用方法。

　　2.C6000 DSP内核缓存机制

　　C6000系统的存储器结构如下图所示。

　　Figure 1.C6000存储器结构

　　存储器分成三级：第一级是L1，包括数据存储器(L1D)和代码存储器(L1P);第二级是代码和数据共用存储器(L2以及MSMC SRAM);第三级是外部存储器，主要是DDR存储器。L1P、L1D和L2的Cache功能分别由相应的L1P 控制器、L1D控制器和L2控制器完成。

　　在C6000 DSP中通常我们会把L1P全部配置成Cache，当CPU发出取指命令，首先会从L1P里查找，如果L1P找不到，则到下一级Cache或者Memory里查找，当找到需要的地址，则将其读入L1P里，CPU从中读取执行。

　　因为L1P Cache的大小是有限的(本文以32KB为例)，而用户内存空间一般大于32KB，必须采取一种映射的方式使得所有地址都能被L1P缓存;在C6000 DSP中，L1P Cache使用地址直接映射，所有DSP 核可访问的地址对L1P Cache大小(32K)取模就能得到该地址在L1P Cache的偏移值。

　　如果用户代码在内存排布不合理，可能会在L1P Cache中发生反复的内容替换，下图中的例子是一个极端情况。

　　Figure 2. 函数的不正确排布

　　TOP函数中FOR循环反复调用A 函数，而A,B,C三个函数在内存地址的分布上，与32KB边界的偏移地址是一样的，因此，A,B,C将对应L1P里同一个CACHE位置;其运行流程如下

　　当执行A时，CPU需要把A函数调入到Cache偏移值N的位置上;

　　A调用B，此时调入B到Cache偏移值N 的位置上，覆盖A的代码;

　　B调用C，此时调入C到Cache偏移值N 的位置上，覆盖B的代码;

　　C返回，下一次循环调入A到Cache中覆盖C的代码。

　　DSP核对L1P，L2，DDR的访问速度差异很大，对L1P的访问通常在1 个时钟周期内完成，而L2平均需要3-5个周期，DDR访问需要的时间更多，因此我们应该尽量避免上述这种反复重写Cache的情况，尽可能的减少函数在Cache中的置换。

　　如何解决该问题?最好的解决方法则是将A，B,C在内存中连续排放，这样对Cache的操作次数将降到最低，能够有效的提高执行效率，如下图所示，只要A，B，C总的大小不超过32KB，它们在Cache中的偏移值就是连续的，不会发生覆盖的现象，即使其总和大于32KB，发生置换的也仅仅是超过32K的部分。

　　Figure 3. 函数的正确排布

　　3.内存优化工具

　　通过上述机制可以看到，对于L1P Cache的优化主要通过分析函数调用关系和其在内存的分布。由于用户代码日益复杂，人工分析代码调用关系和地址排布需要花费大量的时间。因此，从7.0系列编译工具开始，TI提供了一套内存优化工具(Cache Layout Tools)来帮助用户轻松快捷地解决该问题。

　　该工具的原理是在用户进行程序编译时打开生成分析信息选项，编译器会自动加入分析记录代码到用户程序里，之后用户在TI DSP simulator或者DSP芯片上运行该可执行文件，内置的分析代码会自动记录用户的函数调用关系及调用次数。运行的案例越多，记录的信息会更详细，优化的效果也就越好。

　　在得到函数运行时信息以后，就可以使用编译器工具对其进行分析，生成函数排布的顺序，最后将此排布顺序输入到编译器里重新编译原代码，生成的可执行文件就已经优化过内存排布，具体的操作可以参照以下实例。

　　4.实例教程

　　该实例主要由三个C文件组成，

　　实例中使用DSP计数器TSCL来统计cycle数，子函数放在sub目录下。

　　使用实例的步骤如下，

　　1.编译代码

　　使用TI编译器对该实例进行编译，为了产生用于profile的信息，需要在编译时增加--gen_profile_info选项。如果使用命令还形式，命令行下运行Compile.bat文件，cl6x的具体参数可以参考spru186和spru187两篇文档，一般可以在编译器的安装目录下找到他们，如C:Program Files(x86)Texas InstrumentsC6000 Code Generation Tools 7.3.9doc。

　　同时在目录下生成OBJ和ASM文件，这个和我们的实验关系不大，可以不用关注。out文件是一会需要下载到芯片里运行的可执行文件，而map文件用于帮助我们定位profile信息存放的内存地址。

　　如果用户使用CCS编译工具，则需要在Build的属性里指定Feedback选项，然后正常编译即可生成携带分析代码的可执行文件。

　　Figure 4. CCS初编译的选项