repstosw 18 20 июля, 2020 Опубликовано 20 июля, 2020 (изменено) · Жалоба Добрый день. Продолжаю осваивать чип Allwinner V3s. Столкнулся с таким фактом. Нужно сделать переброс "память-память" самым наискорейшим способом, который возможен. Начал ковырять DMA и обнаружил несколько малоприятных вещей: 1) DMA не поддерживает переменные шаги приращения. Только программирование через дескрипторы. 2) Тактовая частота работы DMA всего 200 МГц !!! В сорцах линукса зачем-то для тактовой DMA используют AHB, которая получается делением на 2 частоты ядра: 1200/2 = 600 МГц. Затем эти 600 МГц делятся ещё на 3 для DMA. В итоге выходит всего-навсего 200 МГц. Таким DMA полезно делать только подкачку аудио-данных при воспроизведении или записи звука. Или ещё что-нибудь свя занное с забором-выводом данных в периферию! Для быстрого коприрования память-память не подходит! А теперь о хорошем! Если копировать с помощью инструкций NEON: void MEMCPY(u8 *dst,u8 *src,u32 size) { asm volatile( "1: \n" "VLDM %[src]!,{d0-d7} \n" "VSTM %[dst]!,{d0-d7} \n" "SUBS %[size],%[size],#0x40 \n" "BGT 1b \n" : [dst]"+r"(dst), [src]"+r"(src), [size]"+r"(size) : : "d0", "d1", "d2", "d3", "d4", "d5", "d6", "d7", "cc", "memory" ); } то скорость получается самая максимальная. Если битовое поле TEX выставить равным "001", то получим ещё более высокий прирост в скорости (+20 %): //VIDEO MEMORY i=61; mmu_tlb_address[i + (dram_base>>20)] = (dram_base + (i << 20)) | (0 << 19) | (0 << 18) | (0 << 17) | (0 << 16) | (0 << 15) | (1 << 12) | //TEX (3 << 10) | (0 << 9) | (15 << 5) | (0 << 4) | (0 << 3) | //Cache (1 << 2) | //Buffer (2 << 0); При этом бит кеширования в дескрипторе приёмника в MMU-таблице должен быть выключен! Если его включить в приемнике, то скорость просядет. Тоесть: приемник: TEX=1, C=0, B=1 источник: TEX=0, C=1, B=1 При таком раскладе выходит около 8000 FPS при копировании буфера 240 x 160 x 16 бит. (ядро 1200 МГц, память 456 МГц ). С DMA выходит в 8 раз меньше! Если увеличить частоту DMA в 2,3 раза, то скорость нисколько не увеличивается. Действительно ли с DMA всё так печально, или есть способ его заставить работать быстрее? Изменено 20 июля, 2020 пользователем repstosw Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
aaarrr 69 20 июля, 2020 Опубликовано 20 июля, 2020 · Жалоба 8 minutes ago, __inline__ said: Для быстрого коприрования память-память не подходит! Практически на любой относительно "толстой" платформе DMA начисто проигрывает по скорости процессору. Так уж мир устроен, так и должно быть. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
mantech 48 20 июля, 2020 Опубликовано 20 июля, 2020 · Жалоба 1 час назад, aaarrr сказал: Практически на любой относительно "толстой" платформе DMA начисто проигрывает по скорости процессору. А не на толстой, разве выигрывает? Тут все дело в частоте проца, если она примерно равна клоку ДМА, то последний однозначно выигрывает, тут же наоборот, вот и проигрыш. Да и ДМА задуман в основном для асинхронной работы с периферией, для видео есть свои ускорители, но толку от них ноль, т.к. недокументированы, вот и есть поле поизвращаться... 1 час назад, __inline__ сказал: Если копировать с помощью инструкций NEON: Впросик - а можно с помощью этих инструкций не копировать, а заполнять прямоугольные области константой? 2 часа назад, __inline__ сказал: С DMA выходит в 8 раз меньше! Чет выходит на IMX6 ДМА быстрее в 2 раза аллвиннеровского... Странно, на А13 ДМА было быстрее... Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
aaarrr 69 20 июля, 2020 Опубликовано 20 июля, 2020 · Жалоба 17 minutes ago, mantech said: Тут все дело в частоте проца, если она примерно равна клоку ДМА, то последний однозначно выигрывает, тут же наоборот, вот и проигрыш. А ширина шин, кэш, работа коммутаторов - совсем не при делах? 18 minutes ago, mantech said: Впросик - а можно с помощью этих инструкций не копировать, а заполнять прямоугольные области константой? Можно. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
mantech 48 20 июля, 2020 Опубликовано 20 июля, 2020 (изменено) · Жалоба 2 минуты назад, aaarrr сказал: А ширина шин, кэш, Шины всегда были периферийные, а кэш в работе с ДМА вообще не понял о чем это... 2 минуты назад, aaarrr сказал: Можно. Не подскажете, что за инструкция? Изменено 20 июля, 2020 пользователем mantech Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
aaarrr 69 20 июля, 2020 Опубликовано 20 июля, 2020 · Жалоба 3 minutes ago, mantech said: Шины всегда были периферийные, а кэш в работе с ДМА вообще не понял о чем это... Просто дело не в "частоте проца", а в том, что ядро, по понятным причинам, имеет наиболее мощные возможности при работе с памятью. 7 minutes ago, mantech said: Не подскажете, что за инструкция? Как ни странно, это vst :) Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
mantech 48 20 июля, 2020 Опубликовано 20 июля, 2020 · Жалоба 22 минуты назад, aaarrr сказал: Как ни странно, это vst :) Гуглил на тему "Заполнение памяти константой с помощью NEON" - ничего нет, видать не все так просто... Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
repstosw 18 20 июля, 2020 Опубликовано 20 июля, 2020 · Жалоба 16 minutes ago, mantech said: Гуглил на тему "Заполнение памяти константой с помощью NEON" - ничего нет, видать не все так просто... Восклицательный значок убрать в инструкции источника (инкрементор?). Только константа будет длиной разрядности всех регистров (64 байта) Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
mantech 48 20 июля, 2020 Опубликовано 20 июля, 2020 · Жалоба 1 минуту назад, __inline__ сказал: Восклицательный значок убрать в инструкции источника Это где VLDM ? Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
repstosw 18 20 июля, 2020 Опубликовано 20 июля, 2020 (изменено) · Жалоба 1 hour ago, mantech said: Странно, на А13 ДМА было быстрее... Да, на A13 быстрее, чем у V3s! 1 minute ago, mantech said: Это где VLDM ? Да. Из-под цикла инструкцию можно вынести. Только в этом случае всеравно константа будет в памяти, а не как immediate. Изменено 20 июля, 2020 пользователем repstosw Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
mantech 48 20 июля, 2020 Опубликовано 20 июля, 2020 (изменено) · Жалоба 4 минуты назад, __inline__ сказал: Только константа будет длиной разрядности всех регистров (64 байта) Это как? Т.е. VLDM считывает по 64 байта и потом VSTM их кладет по новому адресу? А приращение вычисляется SUBS? Или это просто вычитание.. Изменено 20 июля, 2020 пользователем mantech Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
aaarrr 69 20 июля, 2020 Опубликовано 20 июля, 2020 · Жалоба 30 minutes ago, mantech said: ничего нет, видать не все так просто... Пожалуй, наоборот: все так просто, что ничего нет. Напишите свою рисовалку на обычном asm'е, а потом добавьте NEON'а по вкусу. Но не думаю, что замена stm на vst даст что-то выдающееся: C fill : 2269.1 MB/s (0.1%) NEON fill : 2262.7 MB/s NEON fill backwards : 2262.7 MB/s ARM fill (STRD) : 2260.3 MB/s ARM fill (STM with 8 registers) : 2270.0 MB/s (0.1%) ARM fill (STM with 4 registers) : 2268.7 MB/s (0.2%) Т.е. любой вариант легко и непринужденно упирается в шину памяти. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
repstosw 18 20 июля, 2020 Опубликовано 20 июля, 2020 (изменено) · Жалоба 4 minutes ago, mantech said: Это как? Т.е. VLDM считывает по 64 байта и потом VSTM их кладет по новому адресу? "VLDM %[src]!,{d0-d7} в область памяти с адреса src записывается содержимое 8-ми 8-байтовых регистров d0,d1,...,d7 за раз! Адреса должны быть выровнены на 64 байта и передача кратна 64-м. Для быстрой очистки экрана подходит Изменено 20 июля, 2020 пользователем repstosw Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
mantech 48 20 июля, 2020 Опубликовано 20 июля, 2020 (изменено) · Жалоба 4 минуты назад, aaarrr сказал: Но не думаю, что замена stm на vst даст что-то выдающееся. Ну тут как бы по 64 байта за транзакцию кидает, почти как в видеопроцессоре. Ну да, в этот момент проц другим не занимается, в отличии от видеопроца, но в некоторых случаях все-равно ждать отрисовки приходится, так что не все так однозначно... Изменено 20 июля, 2020 пользователем mantech Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
repstosw 18 20 июля, 2020 Опубликовано 20 июля, 2020 (изменено) · Жалоба 4 minutes ago, mantech said: Ну тут как бы по 64 байта за транзакцию кидает, почти как в видеопроцессоре. Ну да, в этот момент проц другим не занимается, в отличии от видеопроца, но в некоторых случаях все-равно ждать отрисовки приходится, так что не все так однозначно... А включенный бит буферизации? Он помогает конвееризировать бурсты? Ещё по теме быстрой отрисовки: https://stackoverflow.com/questions/11161237/fast-arm-neon-memcpy Изменено 20 июля, 2020 пользователем repstosw Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться