TMS320C6678平臺軟件設計優化策略綜述

杭州應用聲學研究所 徐雅南 李恒光 范澤亞

德州儀器公司2010年推出的8核DSP芯片TMS320C6678是目前商用市場上計算性能最高的DSP之一，已在圖像處理、無線電通信基站、雷達和聲納等領域得到了一定范圍的應用。相比上一代被廣泛應用的TS201芯片，其優點是硬件規模大、工作主頻高、對外傳輸能力強和大容量外部存儲空間，缺點是平均內存小、架構復雜、共享資源競爭激烈和調度復雜。隨著芯片使用的日益頻繁，如何有效優化軟件架構，降低經濟成本，受到了軟件設計人員的廣泛關注。針對該問題，提出了一系列針對TMS320C6678的編程優化策略，為實現資源利用最大化提供了技術支撐。

TMS320C6678是德州儀器公司2010年推出的8核處理芯片，理論上單核具有128Gb/s（@1GHz）的單精度計算能力，是目前商用市場上計算性能最高的DSP（Digital Signal Processer）之一，已在圖像處理、無線電通信基站、雷達和聲納等領域得到廣泛應用。作為上一代被廣泛應用的TS201芯片的替代產品，TMS320C6678芯片的優缺點明顯，其優點是硬件規模大、集成度高，工作主頻高、操作數寬度大，對外傳輸能力強和大容量外部存儲空間，缺點是平均內存小，架構復雜，共享資源競爭激烈、調度復雜以及程序復雜度高。盡管TMS320C6678（4片）的理論運算能力約是TS201（6片）的16倍，但是不合理的軟件架構往往使得處理性能得不到有效發揮。針對該問題，本文提出了一系列編程優化策略，為實現資源利用最大化提供技術支持。

1 TMS320C6678簡介

圖1 C6678處理器架構示意圖

TMS320C6678（以下簡稱C6678）是TI公司的8核高速數字信號處理器之一，支持高速定點和浮點計算，單核主頻高達1GHz，擁有獨立的操作系統和L2SRAM空間，支持通過GPIO響應硬件中斷，外部通過EMIF和SRIO實現高速通信，核間通過消息隊列和共享內存進行同步和數據共享。C6678架構圖和工業用信號處理板分別如圖1所示，包括：32KB一級內存（Cache，L1D，L1P)，512KB二級內存（本地內存，L2）、4MB三級內存（共享內存，MSMC）和2GB DDR3外掛存儲空間，3個EDMA控制器（10個通道）用于片內傳輸，4個SRIO快速串行輸入/輸出接口用于片間傳輸。C6678和TS201的主要參數對比見表1所示。目前工業上比較主流的C6678軟件開發環境（帶操作系統）主要以中電32所的銳華Rede和中科海訊的HaixunIDE為主，兩者雖然風格不同，但均滿足同一行業標準，核心能力和傳輸方式一致。

2 軟件設計優化策略

2.1 基礎優化策略

（1）合理使用MSMC區

C6678芯片8核共享4MB內存MSMC區別于外存DDR3，合理控制EDMA與CPU的訪問方式，可以實現MSM與L2之間數據傳輸的零開銷。建議將頻繁操作的全局變量定義在MSMC，以提高運算速度。

注意，兩兩變量做運算時，MSMC區變量的運算速度≥分別位于MSMC和DDR3的運算速度≥DDR3區變量的運算速度，但是不合理的使用會弱化MSMC的計算性能。

（2）優先使用“向量”

建議優先使用“向量”，不建議執行單點、跨步或轉置等操作，原因是C6678執行Cache刷新的基本單位為“塊”，單點、跨步或轉置等操作均會增加Cache開銷。此外，TI官方提供的基礎數學函數庫包含一系列向量操作函數，可顯著提高運算速度。

表1 C6678和TS201主要參數對比

（3）優化操作順序

圖2 CLAPACK函數庫列表

圖3 并行計算架構示意圖

建議優化操作順序，減少多余Cache開銷。當CPU操作不同變量時，先將原Cache變量刷回原地址，再將后操作變量刷進Cache，因此，盡可能減少反復的變量切換操作可有效減少多余Cache操作。如：執行A、B、C、D求和，執行（（（A+B）+C）+D）相比執行（（A+B）+（C+D）），其Cache開銷更少，相應地運算性能更高。

2.2 使用CLAPACK等開源數學核心庫

Intel、AMD等公司針對自己的硬件處理器，Pentium、Xeon、Itanum開發了諸如BLAS和LAPACK等線性代數功能、離散傅里葉變化（DFT）以及向量超越函數（向量數學庫/VML），向量統計函數（VSL）。MATLAB之所以擁有強大的矩陣運算能力，主要是使用了BLAS、LAPACK和MKL等高度優化的數學矩陣運算庫。截止目前比較出名的核心數學庫以OpenBLAS、LAPACK和MKL為主。其中，LAPACK提供了Fortran和C語言兩個版本，本文主要是移植了一套適用C6678處理板的LAPACK的C語言版本——CLAPACK，結合編譯器O2優化選項（軟件排流水，刪除全局共有的表達式），有效提高C6678的數學運算效率。

首先，通過開源環境下載CLAPACK，解壓獲得/SRC、/BALS、/F2CLIBS、/LIB、/INCLUDE、TESTING和/INSTALL目次。再根據C6678底層宏定義對CLAPCK宏定義稍作修改。最后，利用REDE等開發環境自帶的交叉編譯器封裝形成blas.lib、clapack.lib、eig.lib、f2clibs.lib、lin.lib和matgen.lib共6項lib函數庫，如圖2所示。CLAPACK函數庫支持多級多類型向量、矩陣運算和向量矩陣等上千種復雜運算，彌補了C6678自身高性能函數庫缺乏的短板，其運算速度是普通函數運算的2到5倍。

2.3 軟件架構設計

C6678是一種典型的8核并行計算處理器。以下給出2種典型的軟件架構：

（1）并行計算架構。受8核共享數據總線和存儲空間限制，當并線計算開銷接近飽和時，8核并線計算無法將運算提高8倍（實測運算速度為6至7倍），此時建議采用如圖3所示軟件架構：單核作為對外數據傳輸模塊，負責片間數據傳輸及片內數據共享（Cache），其余7核作為核心計算模塊，負責片內并行計算并由單核匯總計算結果。由于單核同時負責內外部傳輸，一般建議單核啟用多線程，分別負責外部數據接收、內部數據共享和結果信息發送，其中外部數據接收、內部數據共享可以共用一個線程。

圖4 流水線架構示意圖

（2）多核流水線架構。通過控制8核流水線訪問DDR3外存，可以避開外存總線競爭，實現外存數據的全帶寬讀取與運算的并行，示意圖如圖4。

結束語：本文論述了TMS320C6678的編程優化策略，給出了通用軟件設計優化手段，為實現資源利用最大化提供了技術支撐。