TMS320C6678平台软件设计优化策略综述

杭州应用声学研究所 徐雅南 李恒光 范泽亚

德州仪器公司2010年推出的8核DSP芯片TMS320C6678是目前商用市场上计算性能最高的DSP之一，已在图像处理、无线电通信基站、雷达和声纳等领域得到了一定范围的应用。相比上一代被广泛应用的TS201芯片，其优点是硬件规模大、工作主频高、对外传输能力强和大容量外部存储空间，缺点是平均内存小、架构复杂、共享资源竞争激烈和调度复杂。随着芯片使用的日益频繁，如何有效优化软件架构，降低经济成本，受到了软件设计人员的广泛关注。针对该问题，提出了一系列针对TMS320C6678的编程优化策略，为实现资源利用最大化提供了技术支撑。

TMS320C6678是德州仪器公司2010年推出的8核处理芯片，理论上单核具有128Gb/s（@1GHz）的单精度计算能力，是目前商用市场上计算性能最高的DSP（Digital Signal Processer）之一，已在图像处理、无线电通信基站、雷达和声纳等领域得到广泛应用。作为上一代被广泛应用的TS201芯片的替代产品，TMS320C6678芯片的优缺点明显，其优点是硬件规模大、集成度高，工作主频高、操作数宽度大，对外传输能力强和大容量外部存储空间，缺点是平均内存小，架构复杂，共享资源竞争激烈、调度复杂以及程序复杂度高。尽管TMS320C6678（4片）的理论运算能力约是TS201（6片）的16倍，但是不合理的软件架构往往使得处理性能得不到有效发挥。针对该问题，本文提出了一系列编程优化策略，为实现资源利用最大化提供技术支持。

1 TMS320C6678简介

图1 C6678处理器架构示意图

TMS320C6678（以下简称C6678）是TI公司的8核高速数字信号处理器之一，支持高速定点和浮点计算，单核主频高达1GHz，拥有独立的操作系统和L2SRAM空间，支持通过GPIO响应硬件中断，外部通过EMIF和SRIO实现高速通信，核间通过消息队列和共享内存进行同步和数据共享。C6678架构图和工业用信号处理板分别如图1所示，包括：32KB一级内存（Cache，L1D，L1P)，512KB二级内存（本地内存，L2）、4MB三级内存（共享内存，MSMC）和2GB DDR3外挂存储空间，3个EDMA控制器（10个通道）用于片内传输，4个SRIO快速串行输入/输出接口用于片间传输。C6678和TS201的主要参数对比见表1所示。目前工业上比较主流的C6678软件开发环境（带操作系统）主要以中电32所的锐华Rede和中科海讯的HaixunIDE为主，两者虽然风格不同，但均满足同一行业标准，核心能力和传输方式一致。

2 软件设计优化策略

2.1 基础优化策略

（1）合理使用MSMC区

C6678芯片8核共享4MB内存MSMC区别于外存DDR3，合理控制EDMA与CPU的访问方式，可以实现MSM与L2之间数据传输的零开销。建议将频繁操作的全局变量定义在MSMC，以提高运算速度。

注意，两两变量做运算时，MSMC区变量的运算速度≥分别位于MSMC和DDR3的运算速度≥DDR3区变量的运算速度，但是不合理的使用会弱化MSMC的计算性能。

（2）优先使用“向量”

建议优先使用“向量”，不建议执行单点、跨步或转置等操作，原因是C6678执行Cache刷新的基本单位为“块”，单点、跨步或转置等操作均会增加Cache开销。此外，TI官方提供的基础数学函数库包含一系列向量操作函数，可显著提高运算速度。

表1 C6678和TS201主要参数对比

（3）优化操作顺序

图2 CLAPACK函数库列表

图3 并行计算架构示意图

建议优化操作顺序，减少多余Cache开销。当CPU操作不同变量时，先将原Cache变量刷回原地址，再将后操作变量刷进Cache，因此，尽可能减少反复的变量切换操作可有效减少多余Cache操作。如：执行A、B、C、D求和，执行（（（A+B）+C）+D）相比执行（（A+B）+（C+D）），其Cache开销更少，相应地运算性能更高。

2.2 使用CLAPACK等开源数学核心库

Intel、AMD等公司针对自己的硬件处理器，Pentium、Xeon、Itanum开发了诸如BLAS和LAPACK等线性代数功能、离散傅里叶变化（DFT）以及向量超越函数（向量数学库/VML），向量统计函数（VSL）。MATLAB之所以拥有强大的矩阵运算能力，主要是使用了BLAS、LAPACK和MKL等高度优化的数学矩阵运算库。截止目前比较出名的核心数学库以OpenBLAS、LAPACK和MKL为主。其中，LAPACK提供了Fortran和C语言两个版本，本文主要是移植了一套适用C6678处理板的LAPACK的C语言版本——CLAPACK，结合编译器O2优化选项（软件排流水，删除全局共有的表达式），有效提高C6678的数学运算效率。

首先，通过开源环境下载CLAPACK，解压获得/SRC、/BALS、/F2CLIBS、/LIB、/INCLUDE、TESTING和/INSTALL目次。再根据C6678底层宏定义对CLAPCK宏定义稍作修改。最后，利用REDE等开发环境自带的交叉编译器封装形成blas.lib、clapack.lib、eig.lib、f2clibs.lib、lin.lib和matgen.lib共6项lib函数库，如图2所示。CLAPACK函数库支持多级多类型向量、矩阵运算和向量矩阵等上千种复杂运算，弥补了C6678自身高性能函数库缺乏的短板，其运算速度是普通函数运算的2到5倍。

2.3 软件架构设计

C6678是一种典型的8核并行计算处理器。以下给出2种典型的软件架构：

（1）并行计算架构。受8核共享数据总线和存储空间限制，当并线计算开销接近饱和时，8核并线计算无法将运算提高8倍（实测运算速度为6至7倍），此时建议采用如图3所示软件架构：单核作为对外数据传输模块，负责片间数据传输及片内数据共享（Cache），其余7核作为核心计算模块，负责片内并行计算并由单核汇总计算结果。由于单核同时负责内外部传输，一般建议单核启用多线程，分别负责外部数据接收、内部数据共享和结果信息发送，其中外部数据接收、内部数据共享可以共用一个线程。

图4 流水线架构示意图

（2）多核流水线架构。通过控制8核流水线访问DDR3外存，可以避开外存总线竞争，实现外存数据的全带宽读取与运算的并行，示意图如图4。

结束语：本文论述了TMS320C6678的编程优化策略，给出了通用软件设计优化手段，为实现资源利用最大化提供了技术支撑。