小议ARM Cortex-m0/m4系列的总线差异

下面的一段话来自http://bbs.eeworld.com.cn/thread-1068770-1-1.html，讲述的挺详细的，我认为非常好，因此，都转载下。

同时自己最近使用了cm0+内核的g0芯片，看了芯片资料，内核与外设之间和stm32f0芯片是有区别的，gpio、nvic相连是有各自单独的总线的，因此性能比stm32f0应该是强多了，（stm32f0我看了STM32F098的资料）。也只有一个总线连接，因此想要速度快，肯定是没有cm3或cm4的快了

从一个简单问题说起：STM32的GPIO翻转速度（比如用来模拟时序）最快能多快？
写段代码测试一下：

1. void test(void)
2. {
3.         for(;;)
4.         {
5.                    GPIOA->ODR = (1<<5);
6.                    GPIOA->ODR = 0;
7.                    GPIOA->ODR = (1<<5);
8.                    GPIOA->ODR = 0;
9.                    GPIOA->ODR = (1<<5);
10.                    GPIOA->ODR = 0;
11.                    GPIOA->ODR = (1<<5);
12.                    GPIOA->ODR = 0;
13.                    GPIOA->ODR = (1<<5);
14.                    GPIOA->ODR = 0;
15.                    GPIOA->ODR = (1<<5);
16.                    GPIOA->ODR = 0;
17.                    GPIOA->ODR = (1<<5);
18.                    GPIOA->ODR = 0;
19.                    GPIOA->ODR = (1<<5);
20.                    GPIOA->ODR = 0;
21.                    GPIOA->ODR = (1<<5);
22.                    GPIOA->ODR = 0;
23.                    GPIOA->ODR = (1<<5);
24.                    GPIOA->ODR = 0;
25.                    GPIOA->ODR = (1<<5);
26.                    GPIOA->ODR = 0;
27.                    GPIOA->ODR = (1<<5);
28.                    GPIOA->ODR = 0;
29.                    GPIOA->ODR = (1<<5);
30.                    GPIOA->ODR = 0;
31.                    GPIOA->ODR = (1<<5);
32.                    GPIOA->ODR = 0;
33.                    GPIOA->ODR = (1<<5);
34.                    GPIOA->ODR = 0;
35.                    GPIOA->ODR = (1<<5);
36.                    GPIOA->ODR = 0;
37.                    GPIOA->ODR = (1<<5);
38.                    GPIOA->ODR = 0;
39.                    GPIOA->ODR = (1<<5);
40.                    GPIOA->ODR = 0;
41.                    GPIOA->ODR = (1<<5);
42.                    GPIOA->ODR = 0;
43.                    GPIOA->ODR = (1<<5);
44.                    GPIOA->ODR = 0;
45.         }
46. }

复制代码

这段代码作用是让 PA5 在高低状态来回翻转，连续20次之后会有一次跳转间隔一下。经过编译器优化处理，变成了一连串的 STR 指令：
......
100001c0:       6159            str     r1, [r3, #20]
100001c2:       615a            str     r2, [r3, #20]
100001c4:       6159            str     r1, [r3, #20]
100001c6:       615a            str     r2, [r3, #20]
100001c8:       6159            str     r1, [r3, #20]
100001ca:       615a            str     r2, [r3, #20]
100001cc:       6159            str     r1, [r3, #20]
......

这样子的，向同一个内存地址(GPIO ODR寄存器的地址)交替写不同的两个值，引起I/O口电平的变化。

如果每条 STR 指令的执行只需要1个机器周期的话（这是最理想的情况），以上程序可以让GPIO输出一半系统时钟频率的方波。实际上是否每条 STR 指令时间是1个机器周期？

我曾经在玩8位的AVR的时候，用汇编写过一个ISP下载器的程序，模拟时序也用到了。我到现在也记得清楚，AVR手册上写明了，OUT 指令写I/O空间寄存器是1个机器周期，ST 指令写寄存器或者SRAM要2个机器周期。ARM 的情况呢？我不记得手册上有没有指令周期数的描述，不过可以先测试一下。
为了示波器测量方便，我先把系统时钟频率降到 200kHz. 然后……
 
这个很不错，除了连续20个脉冲之后因为有跳转指令多停顿了一下之外，每段高和低电平都持续了5us，也就是一条STR指令只用了5us, 对应正好一个机器周期。

不过先不要太激动，上面这个测试中，代码是在 STM32L452 的 SRAM2 当中执行的。现在我再把代码放在 SRAM1 中执行，结果：
 
是不是很奇怪，不仅变慢了，而且同样的指令执行时间还会变化。我可以猜测，如果在 Cortex-m0 上执行同样的代码，也近乎后面这个效果。

差异从何而来？ 

如果你对计算机怎么工作的有所了解的话，能想得到，CPU需要先取得指令，才能够执行指令。那么指令从何处取得呢？单片机上最常用的是 Flash ROM, 还可能是从 SRAM, 甚至从片外挂的 SRAM, SDRAM, NOR Flash 等等。CPU要读内存设备取得指令，就要访问总线。上面的程序里，CPU执行 STR 指令写 GPIO 的寄存器，又是一次总线写操作。好，问题在这里：从总线读内存，与向总线写GPIO设备，这两个操作能否同时进行？

然而单片机内部总线也是按照固定的时钟频率来操作的，一个总线 master 在每个总线周期最多只能发出一次请求。下图是 STM32F0x 系列(Cortex-m0)的内部结构
 
CPU 核心和外面的数据通道只有一条 System Bus, 因此它访问 SRAM/Flash 与访问 GPIO 在时间上必须错开。于是就会出现上面第二个画面——总线争用的结果。虽然我的实验并非在 Cortex-m0 上进行，原因是一样的。

那么第一幅画面，那个理想的结果是怎么来的？ 看看我实验的这款 Cortex-m4 内部结构图：

Cortex-m4 出来有三条总线，它们是可以并行访问的。分别叫做 I-Code bus, D-Code bus 和 System bus. 这样一来，CPU在从 System bus 写 AHB2 总线上的 GPIO 设备时，CPU还可以同时从 I-Code bus 读 SRAM2 中的程序指令。于是（考虑到流水线操作的结果）就可以达到每个机器周期翻转一次 GPIO 的效果。

上面我的两次实验，代码在 SRAM2 和 SRAM1 中执行效率不同，是因为 SRAM1 是从 System bus 访问的，和访问 GPIO 设备产生了总线争用的问题。倘若把代码放在 Flash 中执行呢？也可能达到和 SRAM2 中执行(从I-Code bus访问)同样的效率，不过有一些条件，因为 Flash 的速度没有 SRAM 快，在CPU频率高的时候必须要插入等待，如果没有缓存(Cache)就会影响速度了。

再说 SRAM1 的问题，上面这个图里面，SRAM1 可是和 Cortex-m4 的三条总线都有连接的呀。我曾经就问过这个问题 http://bbs.eeworld.com.cn/forum.php?mod=viewthread&tid=508085&extra=，现在回答一下：这是按地址空间分的。在 0x20000000 以上的地址，Cortex-m4 (m3也是) 从 System bus 访问，而在 0x20000000 以下的地址，从 I-Code 和 D-Code bus 访问。倘若要提高 SRAM1 中代码的执行效率，需要启用地址重映射：

Cortex-m0 CPU 只有一条总线（因此它属于冯·诺依曼结构，指令和数据统一寻址），就算是执行同样的机器指令程序，也跟有三条总线的 Cortex-m3/m4 （它们属于哈佛结构，指令和数据分开寻址）效率有所差异。为了在 Cortex-m3/m4 上充分发挥这个优势，注意尽量让程序在能从 I-Code bus 访问的存储器设备中执行。