STM32H7 Cache缓存命中率

cline

使用STM32H750VBT6，将其超频至600Mhz，项目开启了D-Cache和I-Cache,同时将D1域配置为WT，D2域配置为WBWA；
具体程序如下：



void MPU_Config(void)
{
  MPU_Region_InitTypeDef MPU_InitStruct = {0};

  /* Disables the MPU */
  HAL_MPU_Disable();

  /** Initializes and configures the Region and the memory to be protected
  */
    //TEX = 1, C = 1, B = 1,    //Write back, write and read allocate
    //TEX = 1, C = 0, B = x,    //no cacheable
    //TEX = 0, C = 1, B = 1,    //Write back, no write allocate
    //TEX = 0, C = 1, B = 0,    //Write through, no write allocate
    //最高性能
    MPU_InitStruct.Enable           = MPU_REGION_ENABLE;        //使能该保护区域
    MPU_InitStruct.BaseAddress      = 0x24000000;
    MPU_InitStruct.Size             = MPU_REGION_SIZE_512KB;    //设置保护区域大小
    MPU_InitStruct.AccessPermission = MPU_REGION_FULL_ACCESS;   //设置访问权限,
    MPU_InitStruct.IsBufferable     = MPU_ACCESS_NOT_BUFFERABLE;        //是否缓冲? B = 0
    MPU_InitStruct.IsCacheable      = MPU_ACCESS_CACHEABLE;     //是否cache?  C= 1
    MPU_InitStruct.IsShareable      = MPU_ACCESS_NOT_SHAREABLE;     //是否共用? S = 0
    MPU_InitStruct.Number           = MPU_REGION_NUMBER0;       //设置保护区域
    MPU_InitStruct.TypeExtField     = MPU_TEX_LEVEL0;           //设置类型扩展域为level0
    MPU_InitStruct.SubRegionDisable = 0x00;                 //禁止子区域
    MPU_InitStruct.DisableExec      = MPU_INSTRUCTION_ACCESS_ENABLE;        //允许指令访问(允许读取指令)

    HAL_MPU_ConfigRegion(&MPU_InitStruct);           //配置MPU
   
    MPU_InitStruct.Enable           = MPU_REGION_ENABLE;        //使能该保护区域
    MPU_InitStruct.BaseAddress      = 0x30000000;
    MPU_InitStruct.Size             = MPU_REGION_SIZE_64KB; //设置保护区域大小
    MPU_InitStruct.AccessPermission = MPU_REGION_FULL_ACCESS;   //设置访问权限,
    MPU_InitStruct.IsBufferable     = MPU_ACCESS_BUFFERABLE;        //是否缓冲? B = 1
    MPU_InitStruct.IsCacheable      = MPU_ACCESS_CACHEABLE;     //是否cache?  C=1
    MPU_InitStruct.IsShareable      = MPU_ACCESS_NOT_SHAREABLE;     //是否共用? S = 0
    MPU_InitStruct.Number           = MPU_REGION_NUMBER1;       //设置保护区域
    MPU_InitStruct.TypeExtField     = MPU_TEX_LEVEL1;           //设置类型扩展域为level1, TEX = 1
    MPU_InitStruct.SubRegionDisable = 0x00;                 //禁止子区域
    MPU_InitStruct.DisableExec      = MPU_INSTRUCTION_ACCESS_ENABLE;        //允许指令访问(允许读取指令)
   
    HAL_MPU_ConfigRegion(&MPU_InitStruct);           //配置MPU


  /** Initializes and configures the Region and the memory to be protected
  */
  /* Enables the MPU */
  HAL_MPU_Enable(MPU_PRIVILEGED_DEFAULT);

}


#define     CH_NUM          6       //DMA采样的通道数
#define FIFO_DBS_0      1000        //每个DMA的传输长度

ALIGN_32BYTES(__attribute__((section (".RAM_D2"))) uint8_t src_fifo[CH_NUM][FIFO_DBS_0]);       //DMA传输的目标地址
ALIGN_32BYTES(__attribute__((section (".RAM_D1"))) uint8_t fifo_data[CH_NUM * FIFO_DBS_0]);     //用于传输完成后的数据整合

uint8_t tc_flag = 0;    //DMA传输完成标志
uint32_t ca_cycles = 0;     //算法效率

/*
*********************************************************************************************************
*   函 数 名: Copy_Fifo
*   功能说明: 将DMA 6个通道的数据排序
*   形    参: 无
*   返 回 值: 无
*********************************************************************************************************
*/
void    Copy_Fifo(void)
{
    unsigned int inc = 0;
   
    if(tc_flag == 1)        //传输结束，可以处理数据
    {
    //对DMA传输的内存数据做无效化处理
        SCB_InvalidateDCache_by_Addr((uint32_t *)src_fifo, FIFO_DBS_0 * CH_NUM);

        uint32_t start = DWT->CYCCNT;       //记录起始周期
      
        for(int i = 0; i < FIFO_DBS_0 ; i ++ )
        {
            for(uint16_t j =0; j<6; j++)
            {
                fifo_data[inc] = src_fifo[j];
                inc ++;
            }
        }
        tc_flag = 0;        //数据处理完成，开始下一次DMA传输
      
        uint32_t end = DWT->CYCCNT;     //记录结束周期
        ca_cycles = end - start;        //计算消耗周期数
        ca_cycles = ca_cycles / 600;    //换算成时间（单位：微秒），
      
    }
}


项目配置只勾选了IRAM1
其中，数组src_fifo位于D2域，用于存放读取到的GPIO口的数据，数组fifo_data位于D1域，用于6组DMA数据按照顺序存放在main函数中执行Copy_Fifo（）。在执行Copy_Fifo的时候，DMA这些是已经关闭了的，只有一个计时用的定时器在运行，在数据处理完毕后会在这个定时器的UPDATE中断中打开DMA，开始下一次的采样。
理论上，ca_cycles的值最差的情况下应该是40~50us左右，但是实际测量这个时间是139us；我尝试过将一下关键的代码放在ITCM中，效果也一样。
当我把Cache关闭之后，ca_cycles的值为250us左右，也就是说目前这个139us的时间是cache基本没命中导致的，为什么会到这么高的miss情况呢，要如何提高命中率？

eric2013

H750的DCache比较小，只有16KB.

cline

eric2013 发表于 2025-6-24 16:08
H750的DCache比较小，只有16KB.

搬运的buffer是6K，所以没有超过DCache的大小吧

eric2013

cline 发表于 2025-6-25 11:49
搬运的buffer是6K，所以没有超过DCache的大小吧

不仅这里，你的Cache应该还缓冲其他位置数据了。

cline

eric2013 发表于 2025-6-26 09:44
不仅这里，你的Cache应该还缓冲其他位置数据了。

请问，如何查找其他位置是否被Cache缓冲了呢

eric2013

cline 发表于 2025-6-30 16:32
请问，如何查找其他位置是否被Cache缓冲了呢

这个看不到，

可以尝试让你的总RAM使用小于16KB，效果就出来了

DX3906

没开优化吧？两层for循环吃了太多时间了，改成while会好很多

DX3906

这个问题看起来是cache命中率问题，实际上是代码效率问题，两层for循环里面就只有两行代码，就算100%cache命中率，也有大量内核周期耗在for循环指令里了
你这个完全可以改成memcpy，比两层for循环一个个byte赋值快多啦

DX3906

DX3906 发表于 2025-7-1 11:36
这个问题看起来是cache命中率问题，实际上是代码效率问题，两层for循环里面就只有两行代码，就算100%ca ...

看错，这个不能用memcpy，不过也可以优化，下午我整理下

DX3906

在for循环前后反转io并用逻辑分析仪测量高电平时间可以知道代码耗时，下面是我测试的结果，不过我不是在stm32上跑的，不用管时间的绝对数值，只需要看相对比例就好

先看原代码，两层for循环一共耗时233.64u：

[C] 纯文本查看 复制代码

void Copy_Fifo(void)
{
    unsigned int inc = 0;
   
    if(tc_flag == 1)
    {
        RGPIO_WritePinOutput(EXT_GPIO01_GPIO, EXT_GPIO01_GPIO_PIN, 1);
        for(int i = 0; i < FIFO_DBS_0 ; i ++ )
        {
            for(uint16_t j =0; j<6; j++)
            {
                fifo_data[inc] = src_fifo[j][i];
                inc++;
            }
        }
        RGPIO_WritePinOutput(EXT_GPIO01_GPIO, EXT_GPIO01_GPIO_PIN, 0);
        tc_flag = 0;
    }
}

然后是改进的代码，把里面的for循环展开了，耗时64.46us：

[C] 纯文本查看 复制代码

void Copy_Fifo(void)
{
    unsigned int inc = 0;
   
    if(tc_flag == 1)
    {
        RGPIO_WritePinOutput(EXT_GPIO01_GPIO, EXT_GPIO01_GPIO_PIN, 1);
        for(int i = 0; i < FIFO_DBS_0 ; i ++ )
        {
          fifo_data[inc++] = src_fifo[0][i];
          fifo_data[inc++] = src_fifo[1][i];
          fifo_data[inc++] = src_fifo[2][i];
          fifo_data[inc++] = src_fifo[3][i];
          fifo_data[inc++] = src_fifo[4][i];
          fifo_data[inc++] = src_fifo[5][i];
        }
        RGPIO_WritePinOutput(EXT_GPIO01_GPIO, EXT_GPIO01_GPIO_PIN, 0);
        tc_flag = 0;
    }
}

以上测试均在关掉dcache的情况下跑的，编译器0级优化
可以看到，只需要把最里层的for循环展开，就能获得74%的性能提升，所以是双层for拖慢了整体效率

cline

DX3906 发表于 2025-7-1 14:31
在for循环前后反转io并用逻辑分析仪测量高电平时间可以知道代码耗时，下面是我测试的结果，不过我不是在stm ...

找到原因了，谢谢！谢谢

spi-sd

DX3906 发表于 2025-7-1 14:31
在for循环前后反转io并用逻辑分析仪测量高电平时间可以知道代码耗时，下面是我测试的结果，不过我不是在stm ...

请问为啥双层循环会慢这么多？按理来说不应该差这么多啊？

eric2013

spi-sd 发表于 2025-7-3 15:17
请问为啥双层循环会慢这么多？按理来说不应该差这么多啊？

一个for循环等于几条赋值指令。可以用DWT时钟周期单测一下时间差异。