为什么需要无侵入式耗时统计

在嵌入式开发中，定位性能瓶颈、验证优化效果都离不开函数耗时数据。常见做法有两种：

GPIO翻转 + 示波器：需要额外硬件，且翻转本身有几十纳秒开销。
通用定时器打点：读取定时器寄存器有总线访问延迟，分辨率也受定时器时钟限制。

Cortex-M内核自带一个 DWT（Data Watchpoint and Trace） 单元，其中的 CYCCNT 寄存器是一个随内核时钟自增的32位周期计数器。读取它只需一条 MRS 指令，开销约1~2个周期，对被测代码几乎无干扰，分辨率达到单周期级别。

DWT周期计数器原理

DWT是ARM CoreSight调试组件的一部分，CYCCNT 在每个处理器时钟周期加1。以168MHz主频为例，计数器每约5.95ns加1，32位计满约25.6秒回绕。

使用前需要满足三个条件：

使能DWT（DEMCR 的 TRCENA 位）。
清零并使能 CYCCNT（DWT_CTRL 的 CYCCNTENA 位）。
部分芯片需要先解锁调试寄存器（如STM32需写 0xC5ACCE55 到 LAR）。

注意：CYCCNT 依赖调试时钟域，在深度睡眠模式下会停止计数，因此只适合测量运行态代码。

配置步骤

步骤1：使能DWT

#include "core_cm4.h"  /* 按内核型号选择 core_cm3/4/7.h */

static void DWT_Init(void)
{
    /* 1. 解锁ITM/DWT访问（部分Cortex-M3/M4需要） */
    CoreDebug->DEMCR |= CoreDebug_DEMCR_TRCENA_Msk;

    /* 2. 清零周期计数器 */
    DWT->CYCCNT = 0;

    /* 3. 使能周期计数器 */
    DWT->CTRL |= DWT_CTRL_CYCCNTENA_Msk;
}

若使用STM32且上述代码无效，可先执行 ITM->LAR = 0xC5ACCE55; 解锁。

步骤2：封装读取与差值宏

#define DWT_CYCCNT  (DWT->CYCCNT)

/* 读取当前周期计数 */
static inline uint32_t DWT_GetCycles(void)
{
    return DWT_CYCCNT;
}

/* 计算两次采样之间的周期数，自动处理32位回绕 */
static inline uint32_t DWT_Elapsed(uint32_t start, uint32_t end)
{
    return end - start;   /* 无符号减法天然处理回绕 */
}

步骤3：换算为时间

/* 周期数转微秒，SystemCoreClock为内核主频 */
static inline float DWT_CyclesToUs(uint32_t cycles)
{
    return (float)cycles * 1000000.0f / (float)SystemCoreClock;
}

完整示例：统计一个函数的耗时

#include <stdio.h>
#include "core_cm4.h"

/* 被测函数：软件CRC32，模拟耗时业务 */
static uint32_t crc32_sw(const uint8_t *data, uint32_t len)
{
    uint32_t crc = 0xFFFFFFFF;
    for (uint32_t i = 0; i < len; i++) {
        crc ^= data[i];
        for (int b = 0; b < 8; b++)
            crc = (crc >> 1) ^ (0xEDB88320 & -(crc & 1));
    }
    return ~crc;
}

int main(void)
{
    SystemInit();
    DWT_Init();

    static uint8_t buf[1024];
    for (int i = 0; i < sizeof(buf); i++) buf[i] = (uint8_t)i;

    /* 测量开始 */
    uint32_t t0 = DWT_GetCycles();
    volatile uint32_t result = crc32_sw(buf, sizeof(buf));
    uint32_t t1 = DWT_GetCycles();

    uint32_t cycles = DWT_Elapsed(t0, t1);
    printf("CRC32 result=%08X, cycles=%lu, time=%.2f us\r\n",
           result, cycles, DWT_CyclesToUs(cycles));

    while (1) { }
}

实测在168MHz的STM32F4上，1024字节软件CRC32约消耗数十万周期，换算后可直接对比硬件CRC外设的加速比。

实战注意事项

防止编译器优化掉被测代码：用 volatile 接收返回值，或把结果写入全局变量，否则空函数可能被整体优化。
中断干扰：测量期间若发生中断，中断服务程序的时间会被计入。对短函数建议关中断测量，或多次采样取最小值。
计数器回绕：32位计数器约25秒回绕一次，单次测量远小于该值，无符号减法即可正确处理；但不要跨回绕点做多次累加。
多核/多任务：CYCCNT 是全局的，RTOS下测量会被任务切换污染，建议在临界区或单任务基准测试中使用。
低功耗模式：睡眠时计数器停走，测得的“时间”是纯运行周期，反而适合评估CPU占用。
调试器影响：连接调试器单步时计数行为可能异常，性能数据应在全速运行下采集。

小结

DWT周期计数器把函数耗时测量简化为“读两次寄存器、做一次减法”，开销低、分辨率高、无需外设资源，是Cortex-M平台上做性能剖析的利器。配合宏封装，可以进一步做成 PROFILE_BEGIN/PROFILE_END 的即插即用工具，在优化热点函数、对比算法实现时非常实用。

用DWT周期计数器在Cortex-M上做无侵入式函数耗时统计的实操方法