TI內(nèi)部演示報告泄露：幾張圖看懂TMS320C6678處理器的真實性能

　　簡介

　　本白皮書探討了TMS320C6678處理器的VLFFT演示。通過內(nèi)置8個固定和浮點DSP內(nèi)核的TMS320C6678處理器來執(zhí)行16K-1024K的一維單精度浮點FFT算法樣本，檢測其分別在采用1，2，4或8核時各自的運行時間。演示的結(jié)果證明了C66X DSP內(nèi)核的優(yōu)異性能，以及TMS320C6678處理器跨多核平行化執(zhí)行性能與內(nèi)核數(shù)量成正比的特性。

　　本文的演示采用FFT算法，該算法在諸如醫(yī)學(xué)成像、通信、軍事和商業(yè)雷達(dá)以及電子戰(zhàn)(干擾器、抗干擾器)等領(lǐng)域中被頻繁應(yīng)用。本文演示結(jié)果顯示，在運行速率為1 GHz，DSP內(nèi)核為8個時，用TMS320C6678處理器執(zhí)行1024K的FFT算法樣本只需要6.4毫秒。

　　TMS320C6678 SoC

　　TMS320C6678處理器具有8個DSP內(nèi)核，是基于TI的C66x固定和浮點DSP內(nèi)核以及TI享有多核權(quán)利的創(chuàng)新型KeyStone構(gòu)架創(chuàng)建的。它運行速度最高可達(dá)1.25GHz，在這個速度下它可以進(jìn)行每秒160千兆次浮點運算，而且通常情況下消耗的電能不到10w.TMS320C6678處理器的特色是它每一個DSP內(nèi)核都有512KB的L2內(nèi)存;此外，8MB的芯片內(nèi)存中有4MB的共享內(nèi)存，并且這兩個內(nèi)存都有糾錯碼。它的DDR3界面是64位的，有8位糾錯碼，運行速度可以高達(dá)每秒1600兆比特，同時支持高達(dá)8GB的外部存儲器數(shù)據(jù)存取。此外，TMS320C6678的配套外設(shè)包括PCle、Serial RapidIO、Gigabit Ethernet以及TI的HyperLink界面，這個界面在連接到TI的其他DSP，ARM，ARM+DSP處理器以及第三方的FPGA時可以提供高達(dá)50Gbps的連接速度。

　　在本文的VLFFT演示中，TMS320C6678處理器運行速度為1GHz，DDR3界面?zhèn)鬏斔俣葹?333MHz.

　　圖一：TMS320C6678框圖

　　VLFFT演示

　　由于VLFFT算法要求將輸入的數(shù)據(jù)存放在處理器的外部存儲器當(dāng)中，在本演示過程中，數(shù)據(jù)通過DSP內(nèi)核存取、分配和處理，最后將結(jié)果輸出到外部存儲器中。同時，在整個過程中始終保持循環(huán)計數(shù)和時間測量。演示時，為TMS320C6678處理器配置不同數(shù)量的內(nèi)核(1，2，4或8個)來計算當(dāng)FFT大小不同時的結(jié)果，這些FFT規(guī)格包括：16K 32K 64K 128K 156K 512K 1024K

　　在演示過程中，通過將計算負(fù)載分布到多個核和完全充分利用C66X DSP內(nèi)核高性能計算能力的方法來確保執(zhí)行FFT達(dá)到最大性能。同時運用基礎(chǔ)時間抽取算法將一維VLFFT算法用類似的二維FFT算法來表達(dá)。這種方法是在遇到非常大的數(shù)據(jù)N時，分解成N=N1*N2的形式。在本演示過程中，如果一維輸入數(shù)組非常大，就采用N1行*N2列的二維數(shù)組來表示，然后通過以下步驟來計算FFT：

　　計算N2列數(shù)組在N1行數(shù)組中不同大小時的FFT;乘以旋轉(zhuǎn)因子;存儲N2列在N1行不同大小時FFT算法的結(jié)果，形成一個N2*N1的二維數(shù)組;計算N1行數(shù)組在N2列數(shù)組中不同大小時的FFT;存儲列方向上的數(shù)據(jù)形成N2*N1二維數(shù)組。

　　這個算法被Takahashi稱為Hitachi SR8000的高性能平行FFT算法。

　　在執(zhí)行多核算法時，第一步是計算N2列(核的數(shù)量)在N1行規(guī)格下的FFT算法，第四步是計算N1行(核的數(shù)量)在N2列規(guī)格下的FFT算法。0核是主核，負(fù)責(zé)與所有剩下的附屬核同步。根據(jù)N1數(shù)組和N2數(shù)組的大小，每一個內(nèi)核計算出來的FFT總數(shù)都被分成幾個較小的模塊以適應(yīng)每個核L2 SRAM內(nèi)存的空間。每一組數(shù)據(jù)都通過外部存儲器中的DMA預(yù)取到L2 SRAM內(nèi)存中，然后通過DDR將數(shù)據(jù)返回到外部存儲器中。每個核都運用2個DMA通道在外部存儲器(DDR3)和內(nèi)部存儲器(L2 SRAM)中轉(zhuǎn)化輸入和輸出的數(shù)據(jù)。

　　結(jié)果

　　下頁圖表1展示了TMS320C6678評估版(TMDSEVM6678LE)分別在一個DSP周期和一個毫秒單位時間內(nèi)運行FFT代碼的結(jié)果。在理想狀態(tài)下，當(dāng)用于計算的內(nèi)核數(shù)量增加一倍，循環(huán)計數(shù)就會減少一半。但在現(xiàn)實中，由于存在信息運行的天花板，同時受限于內(nèi)存大小和信息寬度(內(nèi)部存儲器)，這種情況很難實現(xiàn)。在這種情況下，當(dāng)用雙核取代單核時，運行FFT的時間平均減少了49.3 %，基本達(dá)到了理想的周期數(shù)的一半。當(dāng)用四核替代一核時，運行FFT的時間平均減少了72.5%，而采用八核時平均運行時間則減少了81.6%.

　　表格一：FFT分別在1/2/4/8DSP核時周期及毫秒的結(jié)果

　　由此我們可以看出，無論是雙核還是四核，隨著FFT的大小從16k增加到256k，運行時間減少的幅度也越來越大，而采用八核時運行時間減少的幅度更加劇烈。這是因為對于較小的FFT，核數(shù)越多，并行代碼相對于額外增加核數(shù)來提高性能的代價要小很多。以前256KB的FFT，在提高性能方面的效果并不太理想，在雙核時只能提高2倍，四核時也只有4倍，而在八核時反而會降低其性能。這是由于八核處理數(shù)據(jù)的速度遠(yuǎn)高于外部存儲器傳輸數(shù)據(jù)的速度，從而使其存儲空間到達(dá)上限導(dǎo)致的。在本演示中，計算一個大小為1024k的FFT，即一百萬點的FFT，在采用8個DSP內(nèi)核，運行速率為1GHz時，運行時間僅6.4毫秒。

　　圖二：單核與多核在性能上的提升

　　結(jié)論

　　綜上所述，用TI的TMS320C6678處理器來執(zhí)行一個百萬點的FFT，在1GHz的工作頻率下，8核同時運行所需時間僅需6.4毫秒。如此高速的DSP內(nèi)核完全足以用來執(zhí)行某些應(yīng)用的實時運算，比如雷達(dá)、電子戰(zhàn)爭和醫(yī)學(xué)繪圖等。如果用最大速度1.25GHz來運行TMS320C6678處理器，同時采用更高帶寬的DDR3和1600MTPS的話，執(zhí)行運算所需時間會更短。