思考： 如何統(tǒng)計Trustedfirmware的性能數(shù)據(jù)？ tee的呢？uboot的呢？

如何統(tǒng)計cache命令率？

如何計算 IPC:Instructions Per Cycle?

Armv8-A CPU 中的性能監(jiān)控單元 (PMU) 提供硬件級性能監(jiān)控和分析功能。PMU 通過計數(shù)器收集硬件事件計數(shù)。計數(shù)器包括周期計數(shù)器和事件計數(shù)器。您可以配置：

*每個事件計數(shù)器對指定的硬件事件進行計數(shù)。
*每個計數(shù)器從各種 CPU 異常級別和狀態(tài)的工作負(fù)載收集硬件事件。

perf 等工具使用 PMU 來分析在 Armv8-A CPU 上運行的 Linux 應(yīng)用程序。然而，沒有通用的方法來使用 PMU 來分析固件，因為它運行在裸機環(huán)境中。

要使用 PMU 分析固件，一種簡單的方法是以庫的形式添加 PMU 支持。在這篇博文中，我們提供了一個 PMU 庫作為參考實現(xiàn)。該庫已在基于Armv8.0-A CPU的平臺上得到驗證。我們還描述了如何在固件中添加 PMU 支持以及如何使用 PMU 分析固件。Trusted Firmware-A (TF-A) 和 U-Boot 用作示例固件。

下表列出了 PMU 庫的組件

第 1 階段： 向固件添加 PMU 支持

使用以下命令將PMU庫的所有文件解壓到固件 lib/pmu 中的 路徑。 unzip armv8_pmuv3_library.zip-d ${FIRMWARE_PATH}/lib/pmu

根據(jù)您使用的固件，您需要對文件進行如下特定更改。Makefile

（1）、TF-A

Makefile 如下修改位于 TF-A 根路徑中的現(xiàn)有文件。

1.BL_COMMON_SOURCES += lib/pmu/armv8_pmuv3_fn.c lib/pmu/armv8_pmuv3_events.c

2.INCLUDES += -Ilib/p

（2）、uboot

修改Makefile U-Boot 根路徑下的現(xiàn)有文件，如下所示。

1.UBOOTINCLUDE += -Ilib/pmu

Makefile 在與 PMU 庫相同的目錄中創(chuàng)建一個文件。按如下方式填寫文件。

1.obj-y += armv8_pmuv3_fn.o armv8_pmuv3_events.o

現(xiàn)在，您可以重建固件。如果構(gòu)建成功，請進入第 2 階段。

第 2 階段：選擇 PMU 事件進行分析

首先，獲取運行固件的 Armv8-A CPU 的支持 PMU 事件。有關(guān) PMU 事件，請參閱 CPU 技術(shù)參考手冊 (TRM)。

jevents.py在 PMU 庫中，您還可以使用按以下步驟命名的 Python 腳本。

（1）、獲取指定CPU支持的PMU事件 GitHub Machine-readable data 維護每個 Arm CPU 支持的 PMU 事件。它采用JSON格式存儲PMU事件的事件助記符、事件編號等信息。該信息與CPU TRM中的信息一致。

jevents.pyPMU 庫中 命名的 Python 腳本克隆 Machine-readable data， 將 JSON 格式轉(zhuǎn)換為 C 格式，并生成名為armv8pmuv3events.c. 您可以按如下方式使用它。

首先，使用以下命令列出所有支持轉(zhuǎn)換的CPU名稱。

python3 jevents.py--list然后，使用以下命令指定要轉(zhuǎn)換的CPU的名稱。該命令將生成名為armv8pmuv3events.c. 該文件包含兩種類型的數(shù)組。一種是針對指定CPU的支持PMU事件。另一個是針對選定的 PMU 事件進行分析。 python3 jevents.py--cpu

armv8_pmuv3_events.c生成的文件示例 jevents.py 如下。我們將 cpu 名稱指定為cortex-a53。名為的數(shù)組pmu_events_map包含 Cortex-A53 的所有支持 PMU 事件。這與 Cortex-A53 TRM 相同。您可以從此處選擇 PMU 事件并將所選事件放入名為 的數(shù)組中evt_select。

（2）、選擇 PMU 事件進行分析 在初始分析中，通常您需要選擇各種 PMU 事件。這將使您全面了解要分析的代碼。

對于 Armv8-A CPU，每個 CPU 的可用事件計數(shù)器是有限的。您可以參考 CPU TRM 以獲取該編號。如果所需的 PMU 事件數(shù)量超過可用計數(shù)器，可以使用以下方法。

• 將所有要選擇的 PMU 事件分組。每組中的事件數(shù)量不得超過 PMU 的可用計數(shù)器。
• 創(chuàng)建多個pmu_event_selected 結(jié)構(gòu)數(shù)組并將每一組放入一個數(shù)組中。
• 多次分析相同的代碼，一次選擇一個陣列，然后重復(fù)該過程，直到測量所有事件。

例如，我們 在.c文件中創(chuàng)建兩個名為 和 的pmu_event_selected 結(jié)構(gòu)體數(shù)組。對于 Cortex-A53，可使用 1 個周期計數(shù)器和 6 個事件計數(shù)器。每個數(shù)組中的 PMU 事件數(shù)量不超過此數(shù)量。此外，在每個陣列中，PMU 事件都是相關(guān)的，以確保分析數(shù)據(jù)具有可比性。

我們將這兩個數(shù)組用于以下分析示例。

第 3 階段： 使用 PMU 分析固件

現(xiàn)在，您可以使用 PMU 來分析固件。對要分析的固件中的特定代碼使用以下過程。

• 將開始分析點放在代碼之前。這將配置、啟用并讀取每個 PMU 計數(shù)器的當(dāng)前值作為預(yù)分析值。
• 將停止分析點放置在代碼后面。這將禁用每個 PMU 計數(shù)器值并將其讀取為分析后值。
• 重建固件并再次運行代碼。計算每個 PMU 計數(shù)器的分析前值和分析后值之間的差異。這將收集統(tǒng)計分析結(jié)果。

在PMU庫中，armv8pmuv3fn.c 提供了參考實現(xiàn)。

(1)、將分析點放置在固件中

您只需在要分析的代碼之間添加兩個名為pmuv3startProfiling 和的函數(shù)即可。pmuv3stopProfiling對于每個分析，傳遞一個pmueventselected 結(jié)構(gòu)數(shù)組作為參數(shù)。

根據(jù)您想要分析的 PMU 事件數(shù)量，您需要分析一次或多次。以下是兩個分析示例。

例一

要分析 TF-A 中的函數(shù)并重點關(guān)注緩存行為，您只能選擇 為單個分析命名enablemmuel3 的數(shù)組 。evtselectcache

例二

要了解U-Boot 中的工作負(fù)載特征，您可以選擇名為 和 的crc32 陣列 。這樣，您需要對同一代碼進行多次分析才能收集所有分析數(shù)據(jù)。evtselectcacheevtselectwlc

由于該domemcrc 函數(shù)是通過命令調(diào)用的，因此您可以對固件進行一次編程，然后通過多次輸入相同的命令來重復(fù)分析。

(2)、了解 PMU 分析的實現(xiàn)

該函數(shù)startProfiling 執(zhí)行以下操作。

• 為 PMU 執(zhí)行必要的初始化。它檢查CPU PMU 支持的事件計數(shù)器數(shù)量是否適合所選事件。然后，它設(shè)置MDCREL2 或 MDCREL3 以在當(dāng)前異常級別啟用 PMU 分析。這是因為固件通常在 EL2/EL3 或安全狀態(tài)下運行，其中禁止分析以防止信息泄漏。
• 配置每個 PMU 計數(shù)器以分析當(dāng)前異常級別和選定的 PMU 事件。
• 啟用每個 PMU 計數(shù)器。
• 讀取每個 PMU 計數(shù)器的當(dāng)前值作為預(yù)分析值。

該函數(shù)stopProfiling 執(zhí)行以下操作。

• 禁用每個 PMU 計數(shù)器。
• 讀取每個 PMU 計數(shù)器的當(dāng)前值作為分析后值。
• 轉(zhuǎn)儲此分析的結(jié)果。
• 對 PMU 執(zhí)行必要的去初始化。這會禁用工作在 EL2/EL3 或安全狀態(tài)的 PMU。

對于上一部分提到的示例，在 Juno r2 平臺上執(zhí)行分析。分析的輸出如下。

例一

從輸出中可以看到，它記錄了此分析中每個選定 PMU 事件和周期的預(yù)分析和后分析值。此外，它還計算差異，并將它們記錄在名為 的列中DELTA。

對于 Cortex-A53 CPU，PMU 事件L1DTLBREFILL 包含在 的計數(shù)中L1DCACHEREFILL。因此，您可能會發(fā)現(xiàn) 的計數(shù)值L1DCACHEREFILL 大于 的計數(shù)值L1D_CACHE。

示例二

正如您在上面看到的，cycles 兩個分析會話的結(jié)果幾乎相同。

從第一個分析結(jié)果中，您可以參考Arm架構(gòu)參考手冊來抽象出一些有意義的指標(biāo)，如下所示。

根據(jù)第二個分析結(jié)果，您可以計算 Instructions Per Cycle (IPC) as follows.

IPC = INST_RETIRED / CYCLES

The IPC of this workload is 0.23. This is caused by many MEM_ACCESS operations. You might determine the workload as the computation-intensive one.