-
Notifications
You must be signed in to change notification settings - Fork 6
/
arm_opt.txt
572 lines (524 loc) · 15.1 KB
/
arm_opt.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
Optimalizace při překladu na procesorech ARM
==================================================
■ Autor Pavel Tišnovský, Red Hat
■ Email <ptisnovs 0x40 redhat 0x2e com>
■ Datum 2015-10-10
Obsah přednášky
-------------------------------
▶ ARM32 z pohledu programátora
▶ Instrukční sady procesorů ARM
◆ Původní instrukční sada ARM (A32)
◆ Instrukční sada Thumb
◆ Instrukční sada Thumb-2
◆ A64 (AArch64)
▶ Další rozšíření instrukční sady procesorů ARM
◆ VFP
◆ SIMD
◆ NEON
▶ Problematika FP operací
▶ Omezení některých jader ARM
ARM32 z pohledu programátora
-------------------------------
▶ Architektura typu Load-Store
◆ Pro efektivní práci nutný velký počet registrů
◆ Omezení přístupů do pomalé paměti
◆ Alokace registrů → optimalizující překladač
▶ Řešení
◆ 27/37 registrů
30 pracovních, PC, CPSR, 5xSPSR
15 registrů viditelných r0..r14
r13 Stack Pointer
r14 Link Register
◆ Šířka registrů 32 bitů
◆ Rozdělení do banků, které se překrývají
◆ Pro každý stav procesoru zvláštní bank
Instrukční sady procesorů ARM
-------------------------------
▶ A32
◆ 32bitové instrukce, 32bitové operandy
▶ Thumb (T32)
◆ 16bitové instrukce
▶ Thumb-2
◆ Mix 16 a 32bitových instrukcí
▶ A64
◆ 32bitové instrukce, 64bitové operandy
Instrukční sada A32
-------------------------------
▶ Původní instrukční sada procesorů ARM
▶ Konstantní šířka instrukcí 32bitů
▶ Šířka zpracovávaných dat taktéž 32 bitů
◆ Problém s načítáním konstant
◆ Musí se řešit na každé architektuře RISC
Typy instrukcí
-------------------------------
▶ Load-store (jeden registr)
▶ Load-store (více registrů)
▶ Aritmetické operace
▶ Logické a bitové operace
▶ Skoky a změna režimu procesoru
▶ Práce se stavovými registry CPSR a SPSR
▶ Práce se semafory
▶ Instrukce koprocesoru(ů)
Vlastnosti ISA typické pro ARM
-------------------------------
▶ Vykonání instrukce na základě příznaků
N - negative
V - overflow
Z - zero
C - carry
Q - sticky (ARMv5 a výše)
▶ Lze odstranit některé skoky
▶ Lze zvolit, které příznaky se mají nastavit
▶ U mnoha instrukcí lze druhý operand
◆ Posunout
◆ Zrotovat
Velmi často používaný příklad
-------------------------------
int gcd(int a, int b) {
while (a != b) {
if (a > b) a = a - b;
else b = b - a;
}
return a;
}
Klasický přístup
-------------------------------
gcd CMP r0, r1
BEQ end
BLT less
SUB r0, r0, r1
B gcd
less
SUB r1, r1, r0
B gcd
end
Využití příznaků
-------------------------------
gcd
CMP r0, r1
SUBGT r0, r0, r1
SUBLT r1, r1, r0
BNE gcd
Výsledky
-------------------------------
▶ Klasický přístup
7 instrukcí
28 bajtů
13 taktů (branch=vyprázdnění cache=3 takty)
▶ Využití podmíněných instrukcí
4 instrukce
16 bajtů
10 taktů (pouze jeden branch)
▶ Thumb (viz další slajdy)
7 instrukcí
14 bajtů (16bit/instrukci)
Instrukční sada Thumb (T32)
-------------------------------
▶ ARMv4T a další modely
▶ Šířka instrukcí 16bitů
▶ Podmnožina původní instrukční sady
▶ Optimalizováno s ohledem na překladače C a C++
▶ Přepínání mezi stavem ARM a stavem Thumb
◆ Nutno přepínat, protože instrukce nejsou kompatibilní
▶ Rozdělení registrů
◆ Lo registers r0-r7
◆ Hi registers r8-r15
◆ Některé instrukce pracují pouze s jednou skupinou
• Ušetří se bity v instrukci
Instrukční sada Thumb (T32)
-------------------------------
▶ Thumb neumožňuje podmníněné provádění instrukcí
▶ Jen podmíněné skoky
▶ Skoky
Branch, Branch and link
▶ Aritmetické a logické operace
◆ OP Rd, Rn, Rm
• omezení na r0..r7
• tři bity pro výběr registru v instr.slovu
◆ Výjimky
• ADD Rd, Rn, konstanta
• ADD Rd, Rm - jeden z registrů r8..r15
• CMP Rm, Rn - dtto
• MOV Rd, Rm - dtto
Instrukční sada Thumb (T32)
-------------------------------
▶ Aritmetické instrukce
ADD, ADC, SUB, SBC
MUL, NEG
▶ Logické operace
AND, EOR, ORR
▶ Rotace a posuny
ASR, LSL, LSR, ROR
▶ Porovnání a nastavení příznaků
CMP, CMN, TST
▶ Skoky
B, BL, BX, BLX (link, exchange)
▶ Přesuny dat
MOV, MVN - move (not)
POP, PUSH
▶ Operace typu LOAD a STORE
LDR, LDRH, LRRB - load (word, halfword, byte)
LDRSH, LDRSB - sign extend (na word)
STR, STRH, STRB - store (word, halfword, byte)
LDMIA, STMIA - vektor registrů
STXH, STXB, UXTH, UXTB - sign/zero extend
Instrukční sada Thumb-2
-------------------------------
▶ 2003
▶ ARMv7
▶ Povoluje kombinace instrukcí o šířce 16 a 32 bitů
▶ Zpětná kompatibilita s Thumb
▶ Větší složitost čipů
▶ Větší „hustota“ strojového kódu
◆ Srovnatelná s Thumb
▶ Má smysl ve světě rychlých CPU, pomalých DRAM a drahých cache
▶ Výkonnost srovnatelná s ARM režimem
Instrukční sada Thumb-2
-------------------------------
▶ Bitové operace
◆ Bit Field Clear
◆ Bit Field Insert
▶ CBZ
◆ Compare and Branch on Zero
▶ CBNZ
◆ Compare and Branch on Non-Zero
▶ IT
◆ Instrukce odpovídající konstrukci if-then-else
◆ (viz následující slajd)
RISCové procesory a problém se skoky
-------------------------------------
▶ RISCová pipeline
◆ Nemá smysl nečinně čekat na výsledek skoku
◆ → spekulativní provádění instrukcí
× Čím delší pipeline, tím větší cena za špatný
odhad sekvence instrukcí
▶ Statická a/nebo dynamická predikce skoků
◆ Dynamická
Branch Target Address Cache (BTAC)
pamatuje si výsledek skoku
◆ Statická
Použije se, když BTAC neobsahuje informaci
"taken" pro podmíněné skoky dozadu
◆ Úspěšnost se udává okolo 85%
× U dvoubitového prediktoru je to až 93%
IT
-------------------------------
▶ IT{pattern} {condition}
◆ až čtyři instrukce provedené na základě testu
◆ (pozitivní/negativní výsledek)
▶ {pattern}
◆ T-then
◆ E-else
▶ první instrukce
◆ provedena při splnění podmínky {condition}
▶ druhá instrukce
◆ T-podmínka
◆ E-inverze podmínky
▶ třetí a čtvrtá instrukce
◆ dtto
▶ {condition}
EQ NE GT GE LT LE
CS CC carry
PL MI HI LS
...
CMP r0, r1
ITE EQ
MOVEQ r0, r2 ; větev "then"
MOVNE r0, r3 ; větev "else"
Výsledky měření: délka kódu
----------------------------------
Instrukční sada Délka kódu
==================================
ARM 100%
Thumb 70%
Thumb-2 74%
Výsledky měření: rychlost aplikace
----------------------------------
Instrukční sada Relativní rychlost
==================================
ARM 100%
Thumb 75%
Thumb-2 98%
Instrukční sada A64
-------------------------------
▶ 32bitů -> 64bitů
▶ Pravděpodobně největší změna v architektuře
procesorů ARM v celé jejich historii
▶ Velké odlišnosti, nutnost překladu pro novou architekturu
AArch64 z pohledu programátora
-------------------------------
▶ Instrukční sada A64
▶ Instrukční slova
◆ Konstantní šířka 32 bitů
▶ Pracovní registry
◆ 64bitové
◆ 31 univerzálních registrů
◆ 32.registr
• liší se v závislosti na kontextu
• buď nula (ZR)
• nebo Stack pointer (SR)
◆ PC není přímo dostupný
Operace
-------------------------------
▶ 32bitové
◆ horních 32 bitů zdrojových registrů ignorováno
◆ horních 32 bitů cílového registru vynulováno
▶ 64bitové
Multiply/divide
-------------------------------
▶ signed
▶ unsigned
▶ 32×32 → 32
▶ 64×64 → 64
▶ 64+32×32 → 64 (multiply and accumulate)
▶ 64×64 → 64+64 (registrový pár)
Skoky a rozeskoky
-------------------------------
▶ +- 1MB pro podmíněné skoky
▶ +- 128MB pro nepodmíněné skoky
Instrukce s podmínkou
-------------------------------
▶ Již nejsou podporovány
◆ Rozhodnutí založeno na výsledcích benchmarků
◆ Více bitů v instrukčním slově použitelných pro jiné účely
◆ Současné prediktory skoků jsou již velmi kvalitní
◆ Podmínky mohou být použity jen u některých instrukcí
==================
Specifika AArch 64
==================
A57
-------------------------------
Instrukce jsou dekódovány do µops
◆ Fetch + Decode: in order
◆ Execute (issue): out of order
▶ Pro issue: osm samostatných pipeline
◆ Integer 0
◆ Integer 1
◆ Integer Multi-cycle
◆ Branch
◆ Load
◆ Store
◆ FP/ASIMD 0
◆ FP/ASIMD 1
Osm samostatných pipeline (pokr.)
-------------------------------
◆ Integer Multi-cycle
Shift
MUL
DIV
CRC
◆ FP/ASIMD 0
všechny FP operace
crypto
◆ FP/ASIMD 1
ADD, MUL
Podpora pro operace s FP
-------------------------------
▶ "softfloat" nepodporováno
▶ Podobné VPS
▶ FP registry
◆ 32 pracovních registrů
◆ Každý registr až 4x32 bitů
▶ Použití registrů
◆ Skalární hodnoty
• float
• double
• quad
◆ Vektory
• 8x short float
• 4x float
• 2x double
SIMD
-------------------------------
▶ Režim kompatibility s IEEE 754
Crypto
-------------------------------
▶ AES
▶ SHA-1
▶ SHA-256
Rozšíření instrukčních sad
-------------------------------
▶ FPA
▶ VFP
▶ Advanced SIMD Architecture
▶ NEON (Advanced SIMD)
▶ Jazelle
◆ Podpora pro spouštění většiny instrukcí JVM (bajtkód)
• Proměnná délka instrukcí s osmibitovým opkódem a proměnným počtem operandů
◆ Musí existovat podpora v JVM
• Jazelle Java Technology Enabling Kit (JTEK)
FPA (ARM Floating Point Accelerator)
-------------------------------
▶ Podporované formáty hodnot
◆ Single
◆ Double
◆ Extended
▶ Registry
◆ f0..f7
• šířka 80bitů
◆ FPSR
• Floating Point Status Register
◆ FPCR
• Floating Point Control Register
▶ Podpora pro "rychlé" násobení a dělení
◆ Jen pro "single"
◆ Nemusí se provést korektní zaokrouhlení
VFP
-------------------------------
▶ Vector Floating Point (VFP)
▶ Podpora pro typy half, single a double
◆ IEEE 754
▶ VFPv1
◆ Dnes již nepoužívaná
▶ VFPv2
◆ Podpora v ARM instrukcích
▶ VFPv3
◆ Podpora v Thumb a ThumbEE
◆ Rozšíření FP registrů na 32
VFP
-------------------------------
▶ Registry
◆ d0..d15 (double)
◆ s0..s31 (stínové registry pro single)
◆ + ve VFPv3 nově i d16..d31 (double)
▶ SIMD operace (s vektory)
◆ 8*single
◆ 4*double
◆ mohou se provádět na jediné FP jednotce
◆ stále však rychlejší než skalární operace
VFP
-------------------------------
▶ Vektory
◆ 8*single (viz předchozí slide)
Rozdělení na banky:
s0..s7
s8..s15
s16..s23
s24..s31
◆ 4*double
Rozdělení na banky:
d0..d3
d4..d7
d8..d11
d12..d15
VFP
-------------------------------
Wrapping:
vektor s délkou 6 začínající na s5:
[s5, s6, s7, s0, s1, s2]
Stride
vektor s délkou 3, stride 2 začínající na s1:
[s1, s3, s5]
vektor s délkou 4, stride 2 začínající na s6:
[s6, s0, s2, s4]
Wrapping a stride nesmí způsobit, že se registr
ve vektoru ocitne 2x!
VFP
-------------------------------
▶ Instrukce
Aritmetické
Konverze (single » double, integer » FP atd.)
FP MAC (Multiply and Accumulate)
√
Fixed point (» single, » double a naopak)
VFP
-------------------------------
▶ VFPv3-FP16
▶ VFPv3-D16-FP16
▶ VFPv4
Volitelná podpora 16bitových FP (Half precision)
Advanced SIMD Architecture
-------------------------------
▶ SIMD
◆ Jedna instrukce aplikovaná na vektor dat
▶ Použití
◆ Zpracování audia
◆ Zpracování obrazu a videa
◆ 3D grafika
◆ Speech processing
▶ Banku registrů určených pro SIMD operace
◆ Používají se i pro VFP
◆ 32bit FP (jednoduchá přesnost)
◆ 8bit, 16bit, 32bit, 64bit celá čísla
◆ 8bit, 16bit, 32bit, 64bit bitová pole
NEON
-------------------------------
▶ Instrukce se provádí v jiné jednotce
◆ Vlastní fronta instrukcí
◆ Nezávislé na hlavní ALU
◆ U některých jader více NEON jednotek
▶ 32 nových registrů
◆ d0..d31 (64bitů/registr)
▶ Sdružení registrů do párů
◆ q0..q15 (128 bitů/pár)
▶ Vektory
◆ 8x8 bitů (obrazová data)
◆ 4x16 bitů (zvukové vzorky)
◆ 2x32 bitů
◆ float/single
NEON
-------------------------------
Datové typy
Unsigned integer
8, 16, 32, 64b
Signed integer
8, 16, 32, 64b
Floating point
jen 32b
NEON Intrinsic
-------------------------------
gcc -mcpu=cortex-a9 -mfpu=neon ...
clang -mcpu=cortex-a9 -mfpu=neon ...
-mtune=cortex-a5 (a8, a9)
...
#include <arm_neon.h>
(typ)x(lanes)_t - uint8x4_t
(typ)x(lanes)x(počet_registrů)_t - uint8x2x4_t
...
uint16x4_t vadd_u16(uint16x4_t x, uint16x4_t y);
uint16x2_t vmlal_u32(uint64x2_t x, uint32x2_t, uint32x2_t);
...
▶ Naměřený výpočetní výkon
◆ Funkce rgb2gray
◆ Čisté céčko - 48 sekund
◆ Intrinsics - 8.8 sekund (cca 5x rychlejší)
===========================
Omezení některých jader ARM
===========================
FP
--
▶ FPU je volitelnou součástí
▶ Cortex-M4
◆ jen float (single), nikoli double
◆ pozor na to, že překladač může mezivýpočty provádět v double!
-Wdouble-promotion
-fsingle-precision-constant
▶ FP v obsluze přerušení
◆ pokud se nepoužije -> Lazy Stacking
__FPU_USED - pokud je definováno:
◆ FPU se povolí automaticky ve funkci SystemInit()
◆ nepatrně větší spotřeba
"Skryté" výpočty s double
-------------------------
test.c: In function ‘calcVAT’:
test.c:3:16: warning: implicit conversion from ‘float’ to ‘double’ to match other operand of binary expression [-Wdouble-promotion]
return 20.0*price;
^
Lazy stacking
-------------
▶ Použito například na Cortex-M4F
▶ Rutiny pro obsluhu přerušení
▶ Neprovádí se úschova FP registrů na zásobník, když
◆ FPU se nepoužívá v přerušovací rutině
nebo
◆ FPU se nepoužívá v přerušeném programu
C knihovny
----------
▶ ARM cc/Keil
◆ std.C
důraz větší výpočetní výkon
◆ MicroLib
důraz na menší paměťové nároky
▶ gcc
◆ NewLib
◆ NewLib-Nano