基于龍芯3A的編譯器及操作系統(tǒng)深度優(yōu)化

何信華　連彥澤　王新

摘要：為了深度發(fā)揮龍芯3A1500的性能，文章提出了一種基于龍芯3A的編譯器及操作系統(tǒng)深度優(yōu)化方法，使用loongson3a指令集（mips64r2是loongson3a指令集的子集）重新編譯了Fedora21（即Loongnix1.0）操作系統(tǒng)。經(jīng)過試驗驗證，優(yōu)化后的操作系統(tǒng)性能大幅度提升，部分函數(shù)性能提升6倍以上。

關(guān)鍵詞：龍芯處理器；編譯器；操作系統(tǒng)；深度優(yōu)化；基礎(chǔ)指令集 文獻標識碼：A

中圖分類號：TP302 文章編號：1009-2374（2017）08-0044-02 DOI：10.13535/j.cnki.11-4406/n.2017.08.021

1 概述

重新編譯srpm包共14781個，編譯后生成39369個rpm包，該系統(tǒng)原生支持64位，同時兼容32位應(yīng)用程序，包括O32和N32，集成了office、瀏覽器、編譯工具、調(diào)試工具、QT圖形工具、媒體播放、云計算、數(shù)據(jù)庫等各類應(yīng)用，是迄今為止龍芯處理器上最完整的操作系統(tǒng)，提供海量軟件倉庫。

2 編譯器優(yōu)化

GCC編譯器添加了一系列針對龍芯GS464處理器核（簡稱464核）的定制和優(yōu)化，主要工作如下：

2.1 GS464、GS464E處理器核基礎(chǔ)支持

將464核的基礎(chǔ)指令集從mips64升級到mips64r2。升級后，編譯器代碼生成時以mips64r2的標準進行，與mips64相比，指令集中將增加如下指令：（d）ror、（d）seb、（d）seh、（d）ext、（d）mthc1、（d）mfhc1。

根據(jù)464核官方文檔中描述的指令延遲特征，建立了后端流水線描述；添加龍芯三操作數(shù)乘法、除法、取模以及l(fā)oad到0號寄存器的預(yù)取指令模板支持；針對龍芯464處理器核在O32 ABI下（即FR=0），浮點寄存器應(yīng)按照mips3模式使用的特征，對奇數(shù)號浮點寄存器的使用規(guī)則進行了定制；添加-march=loongson3a選項，該選項雖然名字叫做3a，但實際上可以控制3A/3B/2H/2J處理器的優(yōu)化。在GCC代碼中，可以通過TARGET_LOONGSON_3A宏來實現(xiàn)對464核的定制優(yōu)化。

2.2 函數(shù)序跋的128位訪存優(yōu)化

本優(yōu)化在GCC的pro_and_epilogue遍實施，該遍生成函數(shù)的序和跋的RTL指令序列，該遍通過gen_prologue（）（由模板define_expand prologue生成）調(diào)用到mips后端的對應(yīng)函數(shù)，分別為mips_expand_prologue（）和mips_expand_epilogue（）。在這兩個函數(shù)中，分別有對應(yīng)于寄存器保存（序）和寄存器恢復(fù)（跋）的代碼生成函數(shù)，通過函數(shù)mips_for_each_saved_reg來對每一個需要保存和恢復(fù)的寄存器生成對應(yīng)的store和load的RTL指令。

為了實現(xiàn)該優(yōu)化，為mips_for_each_saved_reg增加一個參數(shù)，用于區(qū)分保存/恢復(fù)。當同時滿足條件時，進行特殊的代碼生成過程，否則依然按照原來的方式生成寄存器保存和恢復(fù)序列。

實現(xiàn)該優(yōu)化后，可以提高代碼密度，減小代碼尺寸，并且減少訪存指令數(shù)量，從而減小訪存隊列和訪存部件壓力。但是由于龍芯3A處理器和3B處理器對128位訪存指令的實現(xiàn)細節(jié)不同，對3A處理器而言，128位訪存指令是在浮點訪存功能部件中實現(xiàn)的，使用時需要內(nèi)核將浮點協(xié)處理器置為可用狀態(tài)，而內(nèi)核出于效率考慮，一般不使用浮點指令。因此3A處理器不宜在系統(tǒng)態(tài)使用128位訪存，而3B處理器在用戶態(tài)和系統(tǒng)態(tài)下均可使用。該優(yōu)化spec2000平均提升5～6%，有單個測試用例提升10%。

2.3 64位數(shù)組指針乘法優(yōu)化

464核由于不對hi/lo寄存器重命名，因此在執(zhí)行m指令時，后續(xù)指令都要暫停取指重命名以等待其結(jié)果。在gcc的-mips3指令集選項下，乘法指令是雙操作數(shù)的（mult和multu），結(jié)果隱式寫入hi/lo寄存器，當使用-mips64指令集選項后，編譯器能夠產(chǎn)生三操作數(shù)的乘法指令，但僅局限于將兩個源通用寄存器內(nèi)的32位的有符號數(shù)相乘得到一個64位結(jié)果存入目標通用寄存器。

龍芯擴展指令集提供了將兩個64位整數(shù)相乘的低64位結(jié)果存入結(jié)果寄存器的指令gsdmult和gsudmult，且龍芯還具有在執(zhí)行32位定點alu操作和訪存操作時，將通用寄存器的高32位進行隱式的符號擴展的特點。

該優(yōu)化可以在減小代碼密度的同時，提升運算速度，運算速度的提升來自于三個方面：首先，指令變少；其次，會堵流水線的hi/lo移動指令被消除；最后，鏈式alu操作減少，降低了464核上alu到alu的forwarding具有一拍延遲的影響。

該優(yōu)化可以用于所有具有464核處理器的系統(tǒng)態(tài)和用戶態(tài)上，無任何副作用。

2.4 將464核流水線描述實驗性的改為跟5kc一致

在對coremark程序的指令調(diào)度調(diào)優(yōu)中，發(fā)現(xiàn)將流水線描述改成跟5kc一致后，性能有2%～3%提升，但對SPEC2000進行測試，卻發(fā)現(xiàn)26個程序有升有降。

主要修改的是mips.md和loongson.md文件。需要注意的細節(jié)是mips.h文件中的枚舉enum processor_type以及mips.c文件中的static const struct mips_rtx_cost_data mips_rtx_cost_data[PROCESSOR_MAX]數(shù)組，以及mips.md文件中的（define_attr “cpu”…）語句中，關(guān)于不同處理器名稱的出現(xiàn)順序應(yīng)該一致，否則將出現(xiàn)rtx insn的cost和流水線描述不能與實際的-march選項所選擇的處理器相匹配的問題。而mips.c文件中的mips_cpu_info_table卻無需跟另外三者順序完全對應(yīng)，該表的查找是采用字符串hash進行的。

優(yōu)化5的兩個patch，除了將在-march=loongson3a選項下的指令調(diào)度全部都變成以5kC的方式進行調(diào)度，并對與464核的指令集有了更多的描述。

2.5 指令實現(xiàn)數(shù)學(xué)庫中round、lround、trunc、cabs、floor和ceil函數(shù)

glibc中的數(shù)學(xué)函數(shù)round、lround、trunc和cabs，這些函數(shù)使用c語言實現(xiàn)，通過編譯器生成的二進制目標碼執(zhí)行效率低。由于round、lround、trunc、cabs等指令與glibc中對應(yīng)函數(shù)舍入方式不同，無法直接替換為對應(yīng)指令。通過gcc中的__builtin_round、__builtin_lround、__builtin_trunc等接口，實現(xiàn)glibc中對應(yīng)函數(shù)的功能。性能提升明顯，其中spec2000中189.lucas程序提升20%。

glibc中的數(shù)學(xué)函數(shù)floor和ceil，這些函數(shù)使用c語言實現(xiàn)，通過編譯器生成的目標碼執(zhí)行效率低。由于floor、ceil等指令與glibc中對應(yīng)函數(shù)舍入方式不同，無法直接替換為對應(yīng)指令。通過gcc中的__builtin_floor、__builtin_ceil接口，實現(xiàn)glibc中對應(yīng)函數(shù)的功能。性能提升明顯，其中spec2000中177.mesa程序提升15%。

3 數(shù)學(xué)庫優(yōu)化

Fedora21基于GNU的glibc-2.20版本優(yōu)化了數(shù)學(xué)庫及一些string類函數(shù)，glibc的數(shù)學(xué)庫計算精度滿足IEEE754標準。操作系統(tǒng)的核心庫glibc（數(shù)學(xué)庫是其核心的一部分）使用上述優(yōu)化的GCC版本編譯，充分發(fā)揮loongson3a指令集優(yōu)勢，流式DMA運算特性支持，能夠數(shù)倍甚至數(shù)量級倍提升三角函數(shù)、矩陣運算、FFT等的性能表現(xiàn)。

龍芯處理器提供了abs、sqrt等專用指令，編譯器不會直接生成這些指令，從而采用效率很低的C代碼，通過手寫匯編指令的方法直接使用這些專用指令。分別執(zhí)行百萬次abs和sqrt函數(shù)，使用abs指令的性能與C函數(shù)相比，性能提高32%，使用sqrt指令的性能與C函數(shù)相比，性能提高6倍。

編譯器提供了大量的編譯選項，不同的編譯選項影響生成的目標代碼質(zhì)量，最終影響程序的運行時間，采用編譯選項搜索優(yōu)化，找到適合龍芯處理器和ZY計算的最優(yōu)編譯選項。例如，統(tǒng)計6種三角函數(shù)的200萬次計算時間，-O3情況下計算時間為12.3秒，-O2情況下計算時間為16.4秒，-O3與-O2相比，計算時間減少了25%。

4 QT優(yōu)化

目前為止已經(jīng)完成了初步優(yōu)化，優(yōu)化的主要工作如下：（1）QT4.7.4和QT4.8.6的向量指令優(yōu)化；（2）QT4.8.6中獨立繪制過程的部分算法級優(yōu)化；（3）QT4.8.6中OPENGL后端繪制過程的橢圓繪制的優(yōu)化；（4）QT4.7.4和QT4.8.6中內(nèi)存填充過程的優(yōu)化等。

5 試驗結(jié)果

multi_calc包括sin、cos、asin、acos等32個函數(shù)，是將測試2中的函數(shù)放在一起循環(huán)百萬次計算，也分為dbl-64精度和flt-32精度。可以看出與單個函數(shù)測試均值的能提升基本一致，flt-32精度下fedora21優(yōu)化較fedora13提升較大。

6 結(jié)語

基于龍芯3A對編譯器及操作系統(tǒng)進行了深度優(yōu)化，采用算法和內(nèi)嵌匯編指令的方法優(yōu)化熱點函數(shù)，提高操作系統(tǒng)的整體性能。通過內(nèi)嵌匯編指令，一方面可以直接使用龍芯專用指令；另一方面可以減少指令數(shù)量，提高指令的執(zhí)行效率，從而減少程序的運行時間。通過裁剪保留操作系統(tǒng)最基本的核心功能，從而保證操作系統(tǒng)的最小CPU和內(nèi)存消耗，滿足不同應(yīng)用場景的需要。

參考文獻

[1] 胡奇明.VxWorks操作系統(tǒng)的重新編譯和優(yōu)化研究與

實現(xiàn)[D].國防科學(xué)技術(shù)大學(xué)，2008.

（責任編輯：蔣建華）