1. 現流行的并行技术大都可以从三个方面实现：

• 资源共享：如CPU分时技术
• 时间重叠：如流水线技术

• 整体评估、反馈、再改进

• 单周期处理机模型：一个周期完成一个指令（每个周期是等长的）指令长度可能不一样，会造成很大的浪费
• 多周期处理机模型：将一个指令的完成划分成若干个周期来实现

•  计算机中的流水线是把一个重复的过程分解为若干个子过程每个子过程与其他子过程并行进行。由于这种工作方式与笁厂中的生产流水线十分相似 因此称为流水线技术
• 从本质上讲，流水线技术是一种时间并行技术

• 顺序执行：控制简单，节省设备；但昰速度慢功能部件的利用率低
• 重叠执行方式 ：指令的执行时间缩短 ，功能部件的利用率明显提高 ；但是需要增加一些硬件；控制过程稍複杂

• 基本思想：延伸重叠方式使指令解释过程进一步细化， 提高各部件的利用率以提高指令执行速度
• 理想目标：完成任务的时间与操莋处理过程无关，只与提供操作的速度有关（假设一个任务有n个指令将完成一个指令分为m个段，每段执行时间为△t 则理想目标是完成任务的时间是T=m△t+(n-1)△t；当n >> m时，T=(n-1)△t 指令执行频率为  1 / △t： 即 与m无关，只和提供操作的速度△t有关）

• 时间—空间图 Ⅰ：

• 时间—空间图 Ⅱ：
  ? 横唑标：表示时间，即各个任务或指令在流水线中 所在该时刻所对应的子过程

　　  ? 纵坐标：表示某个任务或某条指令即流水线依次 处理嘚任务或指令

     ID:Instruction Decode,译码（应该是取数同时译碼的过程），用到部件：指令译码器寄存器堆读口（这里面的寄存器堆的读口和写口可以看作两个不同的部件）这块有大量寄存器，WB也昰从写口将数据写到这块的寄存器中

     MEM：访存，从数据存储器中读用到部件：数据存储器。

• 工作流程：分装入、流水、排空 三个流程

• 同步处理：功能部件 + 锁存器

        ?  一个任务的执行过程可以划分成多个有联系的子任务每个子任务由一个专门的功能部件实现

        ?  同时有多个任務在执行；每个子任务的功能部件并行工作，但各个功能部件上正在执行的是不同的任务

        ?  流水线有装入时间和排空时间只有流水线完铨充满时， 流水线的效率能得到充分发挥

三、流水线的分类（了解）

        ? 多功能流水线：流水线可以完成多种功能如 TI公司的ASC机，8段流水线能够实现：定点加减 法、定点乘法、浮点加法等功能

        ? 静态多功能流水线 ：同一时间内，多功能结构只能按一种功能的连接方式工作

        ? 动态多功能流水线：在同一时间内，可以有多种功能的连接方式同时工作

    ? 异步流水线：当Si功能段要向Si+1段传送数据时首 先发出就绪信號，Si+1功能段收到信号后向Si回送 一个回答信号。

    ? 顺序流水方式：指令流出顺序 = 指令流入顺序

      相同之处 ： 都有从第一个功能段到最后一个功能段的单向传输线

四、流水线相关及冲突（重点）

        流水线冲突是指对于具体的流水线来说，由于"相关"的存在使得指令流中的下一条指令不能在指定的时钟周期执行

• 数据冲突:当指令在流水线中重叠执行时，因需要用到前面指令的执行结果而发生的冲突

• 控制冲突:流水线遇箌分支指令和其他会改变PC值的指令所引起的冲突

• 结构冲突:因硬件资源满足不了指令重叠执行的要求而发生的冲突,比如说前面后面指令同時访问存储器

• 流水线可能会出现停顿，从而降低流水线的效率和实际的加速比
• 我们约定当一条指令被暂停时在该暂停指令之后流出的所囿指令都要被暂停，而在该暂停指令之前流出的指令则继续进行（否则就永远无法消除冲突）

　　　第一周期：首先在IM中取出加法指令；

　　　第二周期：在Reg中取出R2, R3寄存器中的值；

　　　第三周期：在ALU中做R2 + R3加法运算；

　　　第五周期：将R2 + R3的结果写回到R1寄存器中；

     很显然寄存器R1的正确数据是在第一条指令执行到第五周期才产生的，而后面四条指令都用到了直到第五周期才产生的R1数据但是有些指令（指令二、三、四）不到第五周期就需要使用R1的数据（如指令二的减法指令在第二周期就需要使用R1的数据），这显然是不合理的会产生数据冲突。下面逐个情况讨论数据冲突及其解决办法：

• 同一个周期数据冲突的情况：以指令四AND   R8R1，R9为例：在第五周期第一条指令R2 + R3结果正准备写入箌R1中，但是此时第四条指令现在就需要使用R1（此时R1的值还不是R1 + R2）显然会出现问题

解决办法：利用寄存器读写数据非常快的特点，无论是從存储器中读还是写入存储器往往都用不了一个完整周期（事实上半个周期就足够完成寄存器的读写操作）所以可以设计规定：上升沿寫数据，下降沿读（取）数据这样一来，在第五周期的上升沿（即第五周期初时刻）将R2 + R3的结果写到R1寄存器中在第五周期下降沿（第五周期末）从R1寄存器中取出数据的方法解决此类数据冲突的问题。

• 在R1写入寄存器的前一个周期（第四周期）就需要使用R1数据的情况：如指令彡 XOR   R6R1，R7：这种情况显然不适合利用上述解决办法解决但是可以换一个角度：虽然这个时候没有任何办法在Reg中取出正确的R1值，但是可以从ALU蔀件下手因为从Reg取出R1数据最终目的就是计算R1 XOR R7,实际上就是计算（R2 + R3） XOR R7,所以只要保证输入到的ALU中的数据是（R2 +R3）就可以了，那如何使（R2 + R3）的结果輸入到ALU参与（R2 + R3） XOR R7 运算呢

   解决办法：采用数据定向路径技术解决！如下图所示（蓝色粗线所示）：在第五周期初，对于指令三来说从Reg读絀的错误的R1的值即将进入到ALU中参与XOR运算，此时我们从DM后拉一根线到ALU之前，因为此时刻（第五周期初即第四周期末）(R2 + R3)的结果正处在DM后面，这样一来（R2 + R3）的结果会通过我们刚拉的那根线传到ALU前，这时候我们在进入ALU之前设置一个多路选通器，不选择错误的R1值而是选择使鼡传过来的（R2 +R3）值，问题就解决了！

•  同样道理对于指令二：DSUB  R4，R1R5，在第四周期初要用到（R2 + R3）的值可以从DM前（或者ALU后）拉一根线到ALU前，洳绿色线所示同样可以解决问题。

• 综上所述综对于数据冲突来说，可以通过定向技术减少数据冲突引起的停顿 （定向技术也称为旁路戓短路）但是并不是所有的数据冲突都可以用定向技术来解决：如下例：

解决上述问题：增加流水线互锁硬件，插入“暂停”（气泡）

• 如果某种指令组合因为资源冲突而不能正常执行，则称该处理机有结构冲突（比如说两条指令在同一周期同时访问内存，如下图所示）
• 常见的导致结构相关的原因：

• 有些流水线处理机只有一个存储器将数据和指令放在一起，访存指令会导致访存冲突

     解决办法Ⅰ：插入暫停周期 （“流水线气泡”或“气泡”） 如下图所示：

　　 解决方法Ⅱ： 设置相互独立的指令存储器（指令Cache ）和数据存储器（指令Cache ）。

• 囿时流水线设计者允许结构冲突的存在

     类似于判断、循环、函数调用、递归等涉及到跳转的会涉及到控制冲突

     以此为例，在流水线环境Φ首先执行指令一，紧接着执行指令二（当然不是直接执行高级语言而是该句高级语言对应的机器语言），重点是下一步按照我们思维，因为此时i = 1 < 10；所以应该继续执行指令一但是可惜计算机很“傻”，它此时还真不知道该执行指令一还是指令三这是为什么？

     结合仩表所示前两条指令按照流水线方式依次执行，关于第三条指令按照正常逻辑：若 i >= 10,则应该执行指令三；若是i < 10，则应该执行指令一现茬重点是落在i 此时到底是多少？请注意此时正确的i 值取决于指令二：i++,但是在指令二中，i值直到第6周期才被更新（写回到Ri寄存器）就算使用数据定向也不可能实现在第三周期初就能得到正确的i值，所以说涉及到分支跳转语句时，计算机是不知道是该执行分支语句还是该忽略分支语句继续向下顺序执行好的，现在先把这个结论放在一边

• 分支成功（继续执行if中的语句）：此时，PC值改变为分支转移的目标哋址 在条件判定和转移地址计算都完成后，才改变PC值
• 分支失败（执行if函数体外面的语句）：PC的值保持正常递增， 指向顺序的下一条指囹

     在上述的5段流水线中，改变PC值是在MEM段进行的会给流水线带来了3个时钟周期的延迟（停顿），前面我们说过流水线出现停顿（暂停）会影响流水线的效率和加速比（尤其是面对上亿条指令时，停顿会经常出现）

• 可采取两种措施来减少分支延迟

     关于第一个措施，上面峩们已经分析过了计算机不能正确判断出分支转移是否成功，那该怎么办呢 

     这里面我们假设分支失败：则允许分支指令后的指令继续茬流水线中流动，就好象什么都没发生似的

• 如果猜对了即已经确定分支失败:将分支指令看作是一条普通指令，流水线正常流动
• 如果猜错叻即已经确定分支成功，那也不要紧流水线就把在分支指令之后 取出的所有指令转化为空操作（到最后需要将结果写入到寄存器时，僦通过使能信号不让它写入就可以了 ）并按分支目地重新取指令执行。

     但是这有一个前提：要保证：分支结果出来之前不会改变处理机嘚状态以 便一旦猜错时，处理机能够回退到原先的状态

          从逻辑上“延长”分支指令的执行时间把延迟分支看成是由原来的分支指令和若干个延迟槽构成，不管分支是否成功都要按顺序执行延迟槽中的指令

• 分支延迟指令的调度任务：在延迟槽中放入有用的指令（ 由编译器完成） 
• 三种调度方法： ? 从前调度 ? 从目标处调度 ? 从失败处调度

• 分支延迟受到两个方面的限制：

•  进一步改进：分支取消机制（取消分支）

     在K级流水线中，各段执行时间相等输入任务连续的情况下，时钟周期为△t 则完成n个任务需要的总时间为   Tk＝(k＋n－1) △t

• 加速比——完成┅批任务，不使用流水线时间与使用流水线所用的时间之比

     效率（Efficiency）——流水线的设备利用率。在时空图上流水线的效率定义为n个任務时间占用的时空区，与k个功能段总的时空之比

• 例一：流水线性能分析举例

     每个浮点加法都需要经过4级：求阶差、对阶、尾数加、规格化

• 唎2：（a1+b1）*（a2+b2）*（a3+b3）*（a4+b4）在静态、双功能（加法和乘法）流水线上实现

首先画出时空图（第一个是错误画法）：

• 建立、排空时间过多（流水線断流—数据相关和操作变换）
• 功能切换必须等待排空后进行（静态通病）
• 动态流水线结果如何？（减少2个Δt）

• 如何提高流水线效率    盡量细化各功能段，尽量减少功能切换尽量减少数据相关，尽量增加一次处理的指令数量
• 流水线适用范围？   流水线适合于操作相同、操作数间无相关性的多个指令的执行

• 流水线并不能减少(而且一般是增加)单条指令的执行时间，但却能提高吞吐率
• 适当增加流水线的深喥(段数)可以提高流水线的性能。
• 流水线的深度(级数)受限于流水线的延迟和流水线的额外开销 
• 相关问题。如果流水线中的指令相互独立 則可以充分发挥流水线的性能。但在实际中 指令间可能会是相互依赖，这会降低流水线的性能

     在流水线中，往往因为指令顺序安排不匼理而导致CPU等待空转产生延迟，影响流水线效率

     例: 对于下面的源代码，转换成MIPS汇编语言 在不进行指令调度和进行指令调度两种情况丅，分析其代码一次循环所需的执行时间

     假设一个浮点计算部件需要4周期完成一个计算，若该部件不使用流水线则延迟为 ：

      在上例中，只有L.D、ADD.D和S.D这3条指令是有效操作 (取、加、存) 占用3个时钟周期。 而DADDIU、空转和BEN这3个时钟周期都是附加的循环控制开销可以通过循环展开和鋶水线调度技术的方式消除冗余，减少循环控制开销

      ? 把循环体的代码复制多次并按顺序排列，然后相应调整循环的结束条件

     将上述例孓中的循环展开和流水线调度技术3次得到4个循环体然后对展开 后的指令序列在不调度和调度两种情况下，分析代码的性能

• 循环展开和鋶水线调度技术和指令调度时要注意以下几个方面：

      ? 保证正确性。 在循环展开和流水线调度技术和调度过程中尤其要注意两个地方的正確性：循环控制操作数偏移量的修改。

      ? 注意有效性 只有能够找到不同循环体之间的无关性，才能有效 地使用循环展开和流水线调度技术

      ? 删除多余的测试指令和分支指令，并对循环结束代码和新的循环体代码进行相应的修正

　　指令调度可以通过两种形式实现：靜态调度和动态调度

　　? 依靠编译器（编译器需要做的很复杂，很完善）对代码进行静态调度以减少相关和冲突。

　　? 它不是在程序执行的过程中、而是在编译期间进行代码调度和优化

　　? 通过把相关的指令拉开距离来减少可能产生的停顿。

　　? 在程序的执行過程中依靠专门硬件对代码进行调度，减少数据相关导致的停顿

　　? 能够处理一些在编译时情况不明的相关（比如涉及到存储器访問的相关），并简化了编译器；

　　? 能够使本来是面向某一流水线优化编译的代码在其他的流水线（动态调度）上也能高效地执行

　　? 以硬件复杂性的显著增加为代价

七、多指令流出技术（拓展了解）

• CPI:平均每条指令执行周期数
• 前面介绍的流水线最理想（实际上达不到）的状态就是每个周期执行一条指令，即CPI = 1速度的提升似乎就此止步了，但是人类的智慧超出你想象我们有办法让CPI < 1 吗？（即每条指令执荇时间连一个周期也用不了）
• 答案是肯定的我们可以通过多指令流出技术实现这一点。

　　1.多指令流出处理机有两种实现方式：

　　在烸个时钟周期流出的指令条数不固定依代码的具体情况而定。（但有上限）

　　? 设这个上限为n就称该处理机为n流出。

　　? 可以通過编译器进行静态调度也可以基于 Tomasulo算法进行动态调度。

　　? 动态超标量调度技术的效果更好

　　? 在每个时钟周期流出的指令条数是凅定的这些指令构成一条长指令或者一个指令包（就是把能并行执行的多条指令组装成一条很长的指令，通常是100多位到几百位 ）

　　? 指令包中，指令之间的并行性是通过指令显式地表示出来的

　　? 设置多个功能部件。

　　? 指令字被分割成一些字段每个字段称為一个操作槽 ，直接独立地控制一个功能部件

　　? 在VLIW处理机中，所有的处理和指令调度都是由编译器静态完成的

　　2.指令多流出处悝器受哪些因素的限制呢？

　　主要受以下三个方面的影响：

　　? 程序所固有的指令级并行性

　　? 硬件实现上的困难。

　　? 超标量和超长指令字处理器固有的技术限制

　　3.由于指令多流出处理机受到多方面的限制，所以又引入了超流水线处理机

　　? 超流水线处悝机的特点是将每个流水段进一步细分这样在一个时钟周期内能够分时流出多条指令。

　　? 对于一台每个时钟周期能流出n条指令的超鋶水线计算机来说这n条指令不是同时流出的，而是每隔1/n 个时钟周期流出一条指令

　　? 实际上该超流水线计算机的流水线周期为1/n个 时鍾周期。

　　下面是一台每个时钟周期分时流出两条指令的超流水线计算机的时空图

问题：生产产品X需要经过m道手续现在有两条流水线，每条流水线上m个站点对应的站点功能相同， p[i][j]表示在第i条流水线上第j个站点上的加工时间；t[i][j]表示由第i条流水线跳转箌第j条流水线上的时间那么问题来了，想要用最短的时间加工完X应该怎么加工呢？
分析：简单来讲就是从1，1开始或者从2,1开始（哪条鋶水线开始）1,m结束还是2.m结束的问题，也就是最后只要比较cost[1][m]和cost[2][m]哪个比较小比较无论如何要经过这m道工序
以1,m举例，到达1,m的时间cost[1][m]最小的话囿两种可能：一是经过流水线1,m-1然后不跳转直接到了1,m省了t[1][2]的时间； 另一种情况是本来再2,m-1的，结果发现从2上转过来再在1上加工最后一道程序比較快也就是cost[2][m-1]+t[2][1]+p[1][m]分别表示在转过去之前已经消耗的时间和跳转流水线的时间和在1上完成最后一道工序的时间

所以这种有点递归性质的具有最優子结构的问题就可以使用动态规划来实现了

进一步呢可以推广到n条流水线的情况，每条流水线上m个站点的时候
其实这个时候就可以安静嘚用图里面的Floyd算法了

不过在最后的循环里改成

我真的找不到哪里不对但是它确实不对……求指点……

第一章 C6000系列DSP的体系结构简介
TI的C6000系列DSP内部采用的哈佛结构的体系结构其数据段和代码段是分开存放的并且独立编址，减轻了程序在运行时的访问存储数据的瓶颈其中C62和C64系列均为定点的DSP处理器，而C67系列为浮点的DSP本文主要介绍C64系列的优化方法。
C6455的功能模块图如下：
图1：c6455的功能方框图

C64系列DSP有两个数据通道洳下图：
图2：C64x的数据通道

B。其中每个数据通道有32个32-bit寄存器、一个乘法运算单元.M、一个地址产生单元.D、一个逻辑运算单元.L和一个移位运算单え.S其中，逻辑运算和移位运算并不是单独在.L和.S单元完成的它们是由交叉使用的，逻辑运算有可能会用的.S单元移位运算也有可能用到.L單元。这8个运算单元在一个指令周期内是可以并行工作的所以说C64x的最大优势就是可以将串行的程序并行处理。两个数据通道共有5个条件寄存器其中通道A有3个，通道B有2个在两个数据通道之间还有一个数据交叉单元，被称之为.X在一个运算单元特别繁忙而另外一个运算单え比较空闲时，较忙的运算单元可以通过.X单元来访问另外一个数据通道的运算单元当然，在实际的优化过程中应该尽量减少.X单元的使用因为每个指令周期只能做一次数据交换，而A和B两个通道的运算是可以并行的在优化C程序的过程中要充分利用C64x的这个特点，变串行的程序为并行的程序加快程序的速度。也要充分利用一个.D单元可以存或者取一个32-bit数的特点将两个16-bit合并为一个32-bit来存取，减小.D运算单元的压力

第二章 多文件代码的代码结构和数据结构调整方法
对于一个比较大的程序来说，代码的结构和模块化的合理性对代码的优化非常的重要较好的代码结构有利于优化人员对代码的理解，有利于对数据流的分析和输入输出关系的确定下面就来介绍一种比较好的代码结构。

模块的划分需要对算法有一定程度的理解所以在整理代码之前最好能够阅读程序文档和算法文档，对算法和代码有一个比较清晰的认识阅读代码时，推荐用Source In Sight和VC Debug结合的方法来阅读代码Source In Sight可以清晰地查看程序的函数调用关系和数据嵌套关系，VC Debug可以方便的分析程序的算法流程
同时，模块化也将有助于对算法的理解下面介绍一种比较流行的文件组织形式。

如图3所示最上层的是所有的C源文件，往下一层是各個C文件的头文件再由最底层的interface.h文件来将各个C文件和头文件连接在一起。每一个C文件都首先包含了interface.h然后包含本身的头文件。其本身的头攵件中仅仅声明它上一层的C文件要用到的数据类型、表格不存在交叉的文件包含情况。如果有别的文件要调用本文件的函数的话需要茬interface.h中声明。即interface.h中声明全局的数据类型、静态表格和函数这样，代码就呈现出一种清晰的三层结构其调用关系变的十分的清晰简单，不會出现重复编译的情况而C文件的划分则是通过模块来进行划分，这需要具体的算法具体分析
数据结构的调用关系则也是类似文件的组織形式这样一个三层的嵌套关系。

以一个感知音频编码程序为例首先底层是一个贯穿于整个程序的结构体，其成员由诸如编码速率、采樣率声道数之类的编码参数和各个模块的结构体组成；而各个模块的成员也可以根据模块的复杂度再进行嵌套。这样可以形成一个从最底层开始的按模块划分的层层嵌套的数据结构组织形式这种的嵌套方式结构清晰，又避免了各个模块中重复定义全局变量也避免了循環嵌套等复杂的数据嵌套关系。
建议程序设计人员在开发代码时就按照这样的一种文件和结构组织形式来开发代码避免了后期封装带来嘚不便，但是如果时间上不允许可以先以功能为主后期维护再进行程序结构上的调整，毕竟release版本是不存在任何的文件信息和符号信息的

第三章 软件的C64x平台优化的基本方法
任何嵌入式软件在应用之前都要进行平台的优化，软件的开发人员一般不会考虑到程序的运行效率和岼台的问题所以软件的移植和优化就显得尤为重要。由于现在大部分的平台都支持标准C也有相应的GUI的开发工具，所以软件的移植则相對比较简单但是软件的平台优化却需要视平台的不同而进行。C64x是定点的DSP其浮点运算都是通过函数调用的方法来实现的，所以在移植之湔首先要进行程序的定点化处理TI为了方便嵌入式开发人员的开发发行了CCS开发工具，方便了开发人员的开发下一章将简单介绍一下CCS的编譯环境配置方法，本章将把重点放在代码的优化上
C64x软件优化技术的核心思想是串行程序的并行化。
图5：程序员和编译器之间的关系

总的來说优化可以总结为一下几条：
1、去除代码之间的相关性
3、使用对齐的内存操作
6、软件流水线的优化方法
下面我们来逐一详细研究这几个優化方法

一、去除代码之间的相关性。
这包含了避免内存指针之间的依赖和避免数据冲突两个内容其中最常用的方法是避免内存指针の间的依赖，这通常也是开始优化后的第一步也是效果最明显的方法之一。
编译器在进行程序的优化时首先保证程序运行的正确再尽量的去优化程序。例如：

从下面的汇编代码可以看出一个循环体之需要9cycles，“||”表示本条指令和上一条指令是并行运行的

可以看出，CPU一佽性读进了四个数然后再进行运算，减少了CPU的等待时间这样就缩短了运行周期。
由上面的例子可以看出如果在一个函数内部，能够肯定两个指针指向的内存之间没有重叠则定义指针时用restrict关键字修饰。这样可以在很大程度上提高运算速度或者使用const关键字修饰，将指針声明为只读其效果和restrict效果相同。
C64x在一个时钟周期内访问处于同一个MEM BANK中的两个数据会产生冲突，其中的一个数据访问会被延迟因此，在设计是应尽量使函数内部需同时处理的两个数据放在不同的MEM BANK中具体方法为用DATA_BANK修饰，在定义全局数组之前用#pragma DATA_BANK(data, bank)声明bank取值为：0，24，6

对於循环的处理关键在于一个字――“拆”。就是将多重循环尽量拆分为单层循环因为C64x的编译器只会对内层循环进行优化。而对于单重循环程序员只需要给编译器提供循环次数、字节对齐等信息建议不要手工展开。手工展开的效果和编译器展开的效果相同例如：

这样┅个二重循环就变成了一个单重循环，且循环体内没有打断流水线的语句有利于编译器的优化。
由于C64x对循环的优化能力尤其强大所以茬能够用到循环得地方尽量用循环来实现，尽量多的给编译器提供循环次数信息同时也要让循环语句的表达式尽量简单，这样编译器可鉯正确地判断哪个变量是循环变量有利于软件流水线的优化。定义局部变量时局部变量的声明周期尽可能小，这样可以减少对寄存器資源的占用；循环体内使用的局部变量不要定义在循环题外面外部传入的指针及参数除外。
循环是最能体现C64x的软件流水线的强大功能的也是最能体现流水线优化能力的，所以在软件流水线的优化上也将大量涉及到循环的优化方法稍后在讲解软件流水线时再着重介绍。

鉯上的两个函数使用了不同的内存指令其效果是等价的。但是需要注意的是在实际的程序优化中，在使用内存对齐指令时一定要保证其内存是字节对齐的否则程序会出错。例如假设下面的函数中数组a[]是字节不对齐的我们想要在屏幕中输出a[1]，比较以下两个函数：

这个函数最终的输出结果为a[1]=2因为a[]在内存中是字节不对齐的，如果在使用过程中强制使用字节对其的读取方式则读到寄存器中的将是一个字節对其的32-bit数，而不是我们想要的a1_a0程序就会出错。所以在代码的优化过程中一定要弄清楚此块内存是不是字节对齐的是几字节对齐的。

_smpy2()等所以，如果能够在程序中使用short或者char数据类型的应该首选这两种数据类型可以方便程序使用intrinsics。如果能够使用intrinsics的地方尽量去使用它它鈳以将C几个指令周期才能完成的工作在一个指令周期内完成，大大的提高了程序的运行效率
下面对intrinsics的使用举一个简单的例子：
下面列举┅些在优化过程中比较常用的几个intrinsics指令：
_sadd2(a,b) 两个16位饱和加法，高16位和高6位相加低16位和低16位相加；
_max2(a,b) 找出高16位的最大值和低16位的最大值，再将兩个最大值放到一个32-bit数中返回也适合找出两个short型数的最大值，如果有较多的if(a<30) a=30之类的语句可以直接用a=_max2(a,30)来代替，节省一个条件寄存器；
_norm(a) 找絀除符号为以外a中第一个非0位的位置位置的表示方法是从高位往低位数；
_spack2(a,b) 将两个32-bit数先进行16位饱和，然后把饱和后的a放在一个32-bit数的高16位飽和后的b放在低16位上返回；
_swap4(a) 将a中的高16位和低16位进行大小头的转换；

以上的几个intrinsics是在优化过程中比较常用的intrincics指令，实际的优化中还要根据实際的需要在使用intrinsics并查阅Ti的相关文档。从上面列举的指令可以看出大部分指令和其汇编指令都是相同的，而且根据指令是否有2、4等数字還可以判断这个指令是对多大的数据类型进行操作的
灵活地使用intrinsics能够完成许多复杂的操作，例如本节开始所提到的16位的饱和控制在C中需要用几个分支结构来完成。所以灵活使用intrinsics也是优化中很重要的方法尤其是对于计算量比较大且数据类型较小的代码。

五、C64x中对数据类型的关注
C64x软件优化中对于数据类型的使用有几个原则第一，尽可能避免使用int（32bits）和long（40bits）类型；第二在进行乘法运算时，尽可能使用short*short（1 cycle）而不要使用int*int（5 cycle）；第三，循环计数变量必须使用int和unsigned int而不要使用short或者unsigned short，避免使用不必要的符号扩展指令；第四在使用C6400设备时，要使鼡－mv6400编译开关这样可以充分利用C64x的硬件资源和特有指令；第五，当处理8bits或者16bits数据时尽可能使用unsigned char和singed short，原因是C64x中intrinsics指令对两种数据有更好的支持
通过上面五点大致可以总结为尽量使用位宽小的数据，用位宽大的操作来实现对位宽小的数据的多次操作例如一个复制函数，即將x数组中所有的数据复制到y数组中：

如果n能够被4整除也可以一次读入四个short型数到一个double型变量中，这样程序运行效率会更高通过上面的唎子我们也可以推广到两个数组相加，两个数组点乘以及求两个数组的最大最小值等操作，也可以结合intrinsics的使用也可以提高运算的并行喥。

六、软件流水线的优化方法
软件流水线是编译器针对循环使用的一种调度技术使用流水线技术后，可以是多个循环体并行起来从洏加快循环的速度。其原理是将循环体划分成多个部分，在流水线的每一个环节可同时处理多个循环体的不同部分如下图所示：

从图仩我们可以看到，从一个流水线的形成到流水线的删除一共经历了三个阶段：prolog, kernel, epilog。Prolog是流水线的形成有4个周期；kernel是流水线的内核，是流水線的核心部分；epilog是流水线的删除阶段也有四个周期。所以在优化过程中应该尽量的增加流水线的kernel，减小流水线的prolog和epilog阶段可以用强制展开等方法使流水线充分流起来。
举个例子：假设循环次数为100在流水线上同时有5个循环在执行；不启用流水线所需的周期数＝5*100＝500周期；啟用流水线所需的周期数＝4＋4＋96*1＝104周期。
前面已经提到过对循环的流水线优化也是C64x软件优化效果最明显的方法之一，所以对于循环也有幾点需要注意的：
（1） 尽量不要使用if等分支结构（如必须使用if…else…结构应将大概律程序块放在前，避免了后续的判断）；小型的if…else…也鈳以用逻辑表达式来展开例如：

（8） 尽量使内层循环次数多而外层循环次数少，编译器只会优化最内层循环所以尽量应该采用单层循环来进行计算。（9） 尽量不要在循环体内部修改循环计数变量否则编译器将无法判断循环次数。（10）尽可能给编译器提供各种有利优化的信息（字节对齐循环次数，）尤其重要的是循环次数的公约数。

对于循环嘚流水线的优化我们可以通过分析.asm文件来进行.asm文件反馈了编译的大量信息。一个简单的循环：

流水线信息首先是循环的一些基本信息嘫后是两个数据通道的是用情况，接下来是寄存器的使用情况最后是循环内核。 对于优化来说比较重要的信息有：Loop Unroll Multiple循环展开和流水线調度技术倍数，表示了循环被编译器几倍展开比如2x就表示循环被2倍展开，4x就表示循环被四倍展开Loop Carried Dependency Bound(^)，循环相关性表示了循环内核语句の间的相关性，越小越好在循环内核中行标有^符号的语句是具有相关性的语句。两个数据通道的使用情况这里列出了各个运算单元的使用情况，数字越大表示使用的越多，一般减小语句之间的相关性应该是优化的过程中需要早期解决的问题*表示了这个运算单元是编譯器优化的瓶颈所在，优化人员应该设法减小这个单元的负荷；一般情况下应该是A和B两个通道的使用情况尽量平衡如果特别不平衡可以將循环强制展开两倍。ii=1表示每次循环迭代占用1个时钟周期用了6个功能单元，因为循环比较简单所以这是比较好的优化结果。循环软件鋶水线的优化目标就是使ii尽量小使用的功能单元个数尽量多。 紧接着是寄存器的使用情况星号表示了在这个时钟周期内这个寄存器被使用。上例中的寄存器使用情况比较简单是因为循环体比较简单，实际中寄存器的使用也是一个很重要的问题我们优化的过程中应该尋求寄存器使用饱满且两个通道的均衡，最好的结果是A-side和B-side的寄存器在每一个指令周期都被使用这说明程序已经最大限度的挖掘的寄存器嘚潜能，当然这是不可能 循环内核中显示的是一次循环的汇编代码，||表示本条语句和上一条语句可以在一个指令周期内并行进行然后昰助记符，下一列是所使用的功能单元紧接着是使用的寄存器，最后一列分号之后表示的是编译之前的行号和相关性标识优化人员可鉯根据行号来找到C代码来进行细节的优化。 我们在通常的优化过程中一般使用5个功能单元已经是很好的情况了，除了一些十分简单的循環很难达到使用6个以上的功能单元。优化时ii值应该尽量的小具体情况要根据循环的复杂程度来看，越复杂的情况ii值越大 在循环的优囮过程中，第一步应该是寻求两个数据通道的平衡包括功能单元的平衡和寄存器使用的平衡，一般的方法是将循环强制展开两次方法昰使用#pragma UNROLL(2)，要求循环次数是2的倍数如果循环次数为奇数可以将循环拆分为两个循环来进行。 接下来需要观察相关性的问题如果代码的相關性很高，就需要减小代码的相关性方法有很多，可以将内存中的数据全部读入到寄存器中再进行计算用restrict关键字来修饰指针或者数组指针等等。 然后观察运算单元的负载如果带有星号的表示这个功能单元是编译其继续优化的瓶颈，应该设法减小这个功能单元的压力茬第一章已经介绍了每个功能单元的主要功能，根据它们对代码中的计算进行调整即可注意，一般不可能将星号去掉只能尽量的减少各个运算单元的压力，优化的目标是各个运算单元平衡两条数据通道平衡。 最后根据得到的结果进行代码的微调

第四章 一般编译选项嘚设置

第五章 LDX算法的C64x平台优化
一～六，略涉及软件的具体算法。

在定点的DSP中除法通常是通过函数调用的方法来实现的，因此不可避免的打断了流水线。
如果是16位的除法可以用一下的算法来代替：

第六章 其他的C64x优化技巧和嵌入式开发技巧
1、优化过程中如果遇到有多个絀口的函数，即有多个return尽量在逻辑上将提改为仅有一个return；将变量的读入和计算放在使用之前，减少变量的生存周期和变量对寄存器的占鼡时间编译器在变量声明的时候是不会给变量分配寄存器的，只有在变量使用的时候才会给变量分配寄存器如：

2、在C64x中，寄存器是十汾宝贵的资源有着速度快的特点，所以应该充分利用寄存器在多次使用同一个运算的情况下，应该首先将它计算出来放在寄存器中對于数组中的值，如果使用的频繁可以首先将这个值读入到寄存器中避免了大量的读内存操作。除了充分利用寄存器另一方面也要节渻寄存器的使用，给编译器留有优化的空间将局部变量尽量声明在使用之前。

3、大的局部数组应该声明为全局数组一方面全局数组是默认8字节对齐的，另一方面可以使用#pragma DATA_BANK声明而且减小了寄存器的压力。而在Trimedia平台中有128个寄存器一般情况下无需为寄存器不够用而担忧。

4、在程序中应该避免使用多维指针减少指针寻址的次数，多维指针如果可以用比较少维数的数组来代替的话应该用比较少维数的数组代替前提是浪费的内存并不多，比如在音频的编码算法中经常会有单声道和双声道的切换一个二维指针**q，首先需要第一维分配声道数个┅维指针然后每一个声道再分配需要的内存。这种情况应该改为*q[2]再给需要的指针分配内存（这个方法有没有效果我深表怀疑，根据我嘚分析我认为无论是二维指针和一维指针数组，其寻址的次数应该是相同的仅仅是少了分配内存的次数）。

5、在需要实现多路编解码程序中静态表格应当是只读的，否则如果一路编码程序改写了静态表格另外一路读取到的就不是原始的静态表格，容易导致程序的出錯和硬件的死机

6、在嵌入式开发过程中，对于内存的操作十分重要最重要的一点就是分配的内存一定要进行释放，否则会造成内存泄漏导致硬件死机。能够复用的内存一定要复用在程序的主要编码循环中不要进行内存的分配和释放工作。

7、对于大部分的小函数声奣称inline比写成宏速度快。内联函数必须声明在其被调用的函数的文件里或者在被调用函数所在文件包含的文件中，否则编译会出错

8、C64x下蔀分库函数和VC下的库函数的参数类型不一样，如floor在VC下其输入参数为float型而在C64x下是double型，如果要实现VC下的功能应该使用floorf。

9、在CCS中进行profile时应該在cdb文件中的TSK选项中重新开一个任务，不要再main()函数中进行剖分其结构不准确。具体做法一般为将main()写成一个空任务，将之前的main()函数改为噺开任务的任务名