如何在ARM平臺上開發(fā)低功耗的軟件系統(tǒng)

圖4：緩存的能量優(yōu)勢

圖4摘自普林斯頓(Brooks，2000)一份論文，顯示了針對某簡單應(yīng)用基準(zhǔn)的三套數(shù)據(jù)。針對不同的緩存大小，這些條塊分別代表性能IP C(單位周期指令數(shù))、功耗和功耗時間積(ED P)?？偟膩碚f，性能會隨著緩存大小的增加而提升。但是，系統(tǒng)的功耗也會增加，因為增大緩存單元會相應(yīng)增加功耗。功耗時間積允許我們在性能和緩存大小之間取得平衡。在這個例子里，存在一個最佳點，即緩存大小為64k時，此時的功耗時間積最小。

最大限度減少數(shù)據(jù)內(nèi)存存取

A RM架構(gòu)的一個特性是其常量是不確定的，特別是，不可能用單條指令把一個任意32位常量放到一個寄存器中。實際上，所有內(nèi)存存取必須按寄存器中的地址操作，這就意味著程序需要把這些地址和其他常量頻繁地放到寄存器中，而這一點很難做到。解決此問題的標(biāo)準(zhǔn)方法是把常量作為文字?jǐn)?shù)據(jù)嵌入到代碼段中，在運行時使用PC相關(guān)的加載進(jìn)行加載。

因此，這種最大限度減少常量影響的方法很實用。確保在編譯時這些常量是已知的，如果可能，最好能把這些常量嵌入到單條ARM指令中。為了存取全局變量，盡可能減少加載基址指針的需求。這就需要確保全局變量在運行時都在內(nèi)存中，這樣才能使用單個指針存取多個變量。實現(xiàn)這個目標(biāo)最簡單的方式是將全局變量放到一個結(jié)構(gòu)中。

盡管A R M的堆棧訪問相對高效(堆棧訪問可較好地加載和存儲多條指令)，但是程序員還可以通過很多方式來減少堆棧訪問：減少活動變量、避免占用本地變量地址、可能時充分利用尾部調(diào)用優(yōu)化、將傳遞到函數(shù)的參數(shù)數(shù)量減少到四個以下、允許編譯器主動內(nèi)聯(lián)函數(shù)等。

遞歸情形和避免遞歸情形的做法更加復(fù)雜。通常編譯器可以對歸函數(shù)很好地進(jìn)行尾部優(yōu)化。實際上將所有數(shù)據(jù)存儲到堆棧中可以比其他做法獲得更好的局部性?；蛟S建議可能最好表達(dá)為“除非其他做法讓數(shù)據(jù)局部性更糟或您確信編譯器可以對遞歸調(diào)用進(jìn)行尾部優(yōu)化，否則不要使用遞歸算法”。應(yīng)編寫異常處理程序，增加尾部連鎖的機會，進(jìn)而避免堆棧環(huán)境內(nèi)不必要的保存和恢復(fù)。

現(xiàn)在我們把注意力轉(zhuǎn)到這個問題的第二頭大象，即指令執(zhí)行。

最大限度減少指令數(shù)目

事實上，減少指令執(zhí)行次數(shù)本質(zhì)上與性能優(yōu)化是相同的，執(zhí)行的指令數(shù)越少，能耗就越低。另外，還要增加一些明顯的指針。

首先，正確地配置工具。在編譯器和鏈接器完全了解目標(biāo)平臺，甚至無法實施一些基本的優(yōu)化。

編寫代碼時要保持敏銳，才能避免不必要的操作。對于A R M架構(gòu)，32位數(shù)據(jù)類型是高效的：一般8位和16位數(shù)據(jù)類型，盡管占用的存儲空間較少，但是處理效率也較低。在v6和v7架構(gòu)中，打包和接包指令以及S IM D操作一定程序上對此有些幫助，但是要注意，在主程序中無法從C訪問這些指令。

編寫循環(huán)時要當(dāng)心

可以按照以下一些簡單的規(guī)則來編寫循環(huán)：使用無符號的整數(shù)計數(shù)器，向下倒數(shù)，并把是否等于零作為終止條件。這可以讓循環(huán)更短，速度更快，使用的寄存器更少。還要記住，要采用矢量化來編寫循環(huán)。即使在嘗試展開和矢量化最簡單的循環(huán)時，有關(guān)控制結(jié)構(gòu)和數(shù)據(jù)聲明的一些簡單規(guī)則都可以讓編譯器的作業(yè)變得更簡單。

圖5：循環(huán)展開

圖5顯示了與一個特定循環(huán)優(yōu)化有關(guān)的一些數(shù)據(jù)，這個循環(huán)優(yōu)化就是循環(huán)展開(Brooks，2000)。按照預(yù)期，隨著展開因子的增加，執(zhí)行時間和指令數(shù)目會減少。我們看到了減少循環(huán)開銷和減少地址計算的效果。功率結(jié)果更加有趣，但不太明顯。因為預(yù)測器可用來訓(xùn)練其行為的分支更少且針對循環(huán)結(jié)束失敗的最終錯誤預(yù)測比例大增，所以隨著循環(huán)進(jìn)一步展開，分支預(yù)測器的準(zhǔn)確性出現(xiàn)下降。但是，因為順序取指的連續(xù)數(shù)據(jù)流不經(jīng)常被中斷，所以取指階段的效率可以提升。組合的結(jié)果是減少了每條指令的凈能耗。

因此盡管執(zhí)行時間基本上低于展開因子4，但是因為功耗持續(xù)降低，所以所有重要的功耗時間積也隨之降低。因此有能耗意識的編譯器或開發(fā)人員與只考慮執(zhí)行時間的編譯器或開發(fā)人員相比，會更傾向于展開循環(huán)。

精度滿足需求即可

還必須考慮輸出要求的精度。即使有浮點硬件可用，定點實現(xiàn)的計算通常比浮點實現(xiàn)的計算更有效率。如果您正在渲染一個供屏幕查看的圖像，可能并不需要完全符合標(biāo)準(zhǔn)，您只需要渲染出可以接受的圖像。

對標(biāo)準(zhǔn)M P E G- 4解碼函數(shù)進(jìn)行遞進(jìn)優(yōu)化的一項研究(S h i n,2002)已經(jīng)表明，把軟浮點切換為定點二進(jìn)制可以把能耗降低72%。精度損失意味著該結(jié)果不再符合標(biāo)準(zhǔn)，但是在所研究的系統(tǒng)上仍然足以滿足渲染用途。

關(guān)于Thumb

T humb指令集專門設(shè)計用于改進(jìn)代碼密度，還可以提升窄內(nèi)存系統(tǒng)的性能。但是，在代碼密度確實改進(jìn)的同時，指令數(shù)也同時增加了。這是因為，與A R M指令相比，減少了個別Thumb指令的功能。因此Thumb重新編譯會造成能耗增加，這看起來是合理的，而我們看到的事實也的確是這樣。

上述研究表明，如果代碼大小減少4%，指令執(zhí)行數(shù)增加38%，而能耗增加28%。為了找到第三頭大象，我們需要走出處理器及其內(nèi)存的領(lǐng)域，著眼于范圍更大的系統(tǒng)。我們這些天使用的系統(tǒng)已經(jīng)被我們的硬件設(shè)計同事組合到了一起，這個系統(tǒng)提供了大量節(jié)能選項。

更廣系統(tǒng)中的節(jié)能

顯而易見，沒有使用的組件應(yīng)盡可能置于低功耗狀態(tài)。這也是所有敏銳的設(shè)計系統(tǒng)不可分割的組成部分，這些組件應(yīng)包括內(nèi)存和緩存系統(tǒng)、甚至是處理器本身。在多核系統(tǒng)中，我們必須考慮在處理要求相對低時中止一個或多個內(nèi)核運行的可能性。

首先，一個很小但值得考慮的問題是：處理外設(shè)時，要始終嘗試使用中斷機制，而不是輪詢機制。輪詢循環(huán)只會耗用能量而無任何目的。幾乎所有架構(gòu)均包括了某種等待中斷的指令，可以把這種情況下的系統(tǒng)置于待機狀態(tài)。對于A R M系統(tǒng)，內(nèi)核通常帶有時鐘門控，只保留靜態(tài)漏電。

通過設(shè)計中斷架構(gòu)來增加拖尾連鎖，一般可以避免不必要的睡眠喚醒循環(huán)。ARM Cortex-M3架構(gòu)可以自動實現(xiàn)這一點。