用DWT周期计数器给Cortex-M裸机代码做函数级耗时剖析的实操方法

为什么选择DWT

在裸机开发中,测量函数耗时常见做法是翻转GPIO配合示波器,或者用SysTick做毫秒级计时。前者需要额外仪器,后者分辨率太低。Cortex-M3/M4/M7内核内置的DWT(Data Watchpoint and Trace)单元中有一个32位周期计数器CYCCNT,它直接对内核时钟计数,分辨率等于一个CPU周期。以168MHz主频为例,单周期约5.95ns,足以覆盖大多数函数级剖析需求。

DWT属于调试组件,不需要占用定时器外设,也不依赖RTOS,初始化后即可全局使用。

原理与寄存器

关键寄存器有三个:

  • DEMCR(0xE000EDFC):bit24 TRCENA 是DWT和ITM的总开关,必须先置1。
  • DWT_CTRL(0xE0001000):bit0 CYCCNTENA 使能周期计数器。
  • DWT_CYCCNT(0xE0001004):32位递增计数器,溢出后回绕。

注意CYCCNT是自由运行的,写入任意值即可清零。测量思路就是“读两次、做差”:进入函数前记录起点,退出时记录终点,差值除以主频即得秒数。

配置步骤

  1. 使能调试跟踪:CoreDebug->DEMCR |= CoreDebug_DEMCR_TRCENA_Msk;
  2. 清零计数器:DWT->CYCCNT = 0;
  3. 使能周期计数:DWT->CTRL |= DWT_CTRL_CYCCNTENA_Msk;
  4. 用SystemCoreClock把周期差换算成时间。

如果使用CMSIS头文件,DWT、CoreDebug结构体已定义好,直接操作即可。

完整代码示例

#include "stm32f4xx.h"   /* 按实际芯片替换 */
#include <stdint.h>

/* 初始化DWT周期计数器 */
void DWT_Init(void)
{
    CoreDebug->DEMCR |= CoreDebug_DEMCR_TRCENA_Msk;
    DWT->CYCCNT = 0;
    DWT->CTRL |= DWT_CTRL_CYCCNTENA_Msk;
}

/* 读取当前周期值 */
static inline uint32_t DWT_GetCycles(void)
{
    return DWT->CYCCNT;
}

/* 周期差转微秒(浮点,便于打印) */
static inline float CyclesToUs(uint32_t cycles)
{
    return (float)cycles * 1000000.0f / (float)SystemCoreClock;
}

/* 测量宏:自动处理嵌套,使用局部变量保存起点 */
#define PROF_START(var)      uint32_t var = DWT_GetCycles()
#define PROF_END(var, name)  do { \
        uint32_t _d = DWT_GetCycles() - (var); \
        printf("[PROF] %-20s : %8lu cyc, %8.2f us\r\n", \
               (name), (unsigned long)_d, CyclesToUs(_d)); \
    } while (0)

/* 被测函数示例 */
static uint32_t crc32_soft(const uint8_t *p, uint32_t len)
{
    uint32_t crc = 0xFFFFFFFFu;
    while (len--) {
        crc ^= *p++;
        for (int i = 0; i < 8; i++)
            crc = (crc >> 1) ^ (0xEDB88320u & (-(int32_t)(crc & 1)));
    }
    return ~crc;
}

int main(void)
{
    SystemInit();
    UART_Init();          /* 假设已实现串口打印 */
    DWT_Init();

    static uint8_t buf[256];
    for (int i = 0; i < 256; i++) buf[i] = (uint8_t)i;

    PROF_START(t0);
    volatile uint32_t r = crc32_soft(buf, sizeof(buf));
    PROF_END(t0, "crc32_soft");

    (void)r;
    while (1) { }
}

编译运行后串口会输出类似:[PROF] crc32_soft : 18432 cyc, 109.71 us。把同一函数在不同优化等级、不同实现下对比,就能直观看到优化收益。

进阶用法

  • 多次采样取平均:循环调用被测函数N次,总周期除以N,可抵消单次抖动。
  • 嵌套测量:宏内用局部变量保存起点,天然支持嵌套,但要注意printf本身耗时,应在测量区间之外打印。
  • 与ITM配合:无串口时可用ITM的SWO通道输出,避免UART阻塞影响测量。

注意事项

  • CYCCNT是32位,168MHz下约25.6秒回绕一次。单次测量不要超过该时长,否则差值会出错;长函数应分段测量。
  • 中断会插入被测区间,导致结果偏大。剖析时建议关闭全局中断,或多次采样取最小值,最小值最接近真实执行时间。
  • 编译器优化可能把被测代码移出测量区间,被测函数结果要用volatile接收,防止被优化掉。
  • 部分低端Cortex-M0/M0+没有DWT周期计数器,此方法不适用,需改用SysTick或GPIO翻转。
  • 调试器连接时DWT工作正常,脱离调试器后TRCENA仍可软件置位,但个别芯片在低功耗模式下会停止计数,测量前需确认时钟未门控。
  • 浮点换算在无FPU的M3上会引入额外开销,建议只在打印阶段做换算,测量区间内只做整数减法。

掌握这套方法后,你可以在任何Cortex-M3及以上裸机工程中,用几行代码建立起函数级性能剖析能力,为算法选型和优化提供可靠数据。