ASIC 和 FPGA 變得非常復(fù)雜，特別是對于涉及多核的片上系統(tǒng) （SoC） 設(shè)計(jì)。這種復(fù)雜性帶來了更長、更繁瑣的調(diào)試和驗(yàn)證周期。不幸的是，當(dāng)出現(xiàn)故障或出錯(cuò)時(shí)，在高度集成的設(shè)計(jì)中訪問測試點(diǎn)幾乎是不可能的。除非您想在運(yùn)行多個(gè)原型時(shí)花費(fèi)數(shù)周時(shí)間在黑暗中拍攝隨機(jī)錯(cuò)誤，否則片上儀器不再是可選的；這是一個(gè)重要的必備品。

雖然有多種方法可以將儀器添加到 FPGA，但使用儀器網(wǎng)絡(luò)的分布式方法正在成為首選方法，因?yàn)樗畲笙薅鹊卦黾恿藵撛谟^察點(diǎn)的數(shù)量，同時(shí)最大限度地減少了硅面積或查找表的使用要求。對高效調(diào)試同樣重要的是深度跟蹤捕獲，以了解系統(tǒng)的各個(gè)部分如何隨著時(shí)間的推移進(jìn)行交互。最后，設(shè)計(jì)人員必須能夠觀察多個(gè)器件和時(shí)鐘域的交互，包括片上和片外，所有這些都是完全時(shí)間相關(guān)的，以獲得真正的系統(tǒng)級(jí)視角。

總而言之，包括靈活和完整的觀察點(diǎn)訪問、深度跟蹤捕獲和系統(tǒng)級(jí)視圖在內(nèi)的創(chuàng)新有可能將 FPGA 和 ASIC 調(diào)試的游戲規(guī)則從漫長而艱巨的過程轉(zhuǎn)變?yōu)榭焖俣咝У倪^程。

調(diào)試挑戰(zhàn)

在回顧實(shí)現(xiàn)嵌入式儀器的不同方法之前，首先了解為什么儀器是必要的會(huì)很有幫助。最大的原因僅僅是每個(gè)系統(tǒng)中不斷增長的功能。

雖然過去有很多探測點(diǎn)（設(shè)備上的外部 I/O）可供選擇，但現(xiàn)在無法觀察到發(fā)生了什么，因?yàn)樵诖蠖鄶?shù)情況下，關(guān)鍵接口現(xiàn)在都在設(shè)備內(nèi)部。與五年前相比，當(dāng)前一代 FPGA 的并行運(yùn)行功能數(shù)量增加了 100 倍，而外部輸出的數(shù)量卻保持不變。從試圖調(diào)試意外行為的開發(fā)人員的角度來看，現(xiàn)代芯片只不過是一個(gè)大黑匣子。

似乎這還不夠，雖然模擬器的功能繼續(xù)以線性方式提高，但并行功能的每一次增加都會(huì)增加潛在組合的指數(shù)級(jí)增長。由于仿真一次運(yùn)行在一種組合上，因此不可能涵蓋硅前仿真運(yùn)行中的所有功能。

由于無法充分模擬硅前所有可能的排列，導(dǎo)致在設(shè)計(jì)完成之前進(jìn)行基于 FPGA 的原型設(shè)計(jì)。特別是在原型級(jí)別，訪問觀察點(diǎn)對于快速有效地調(diào)試功能問題非常有幫助。

另一個(gè)調(diào)試挑戰(zhàn)是硅上嵌入式軟件的出現(xiàn)。越來越多的 FPGA 和 ASIC 設(shè)計(jì)包括一個(gè)或多個(gè)處理器內(nèi)核。此類系統(tǒng)可能包括軟件、固件、嵌入式處理器、GPU、內(nèi)存控制器和其他高速外圍設(shè)備的復(fù)雜組合。這種增加的功能集成與更快的內(nèi)部時(shí)鐘速度和復(fù)雜的高速 I/O 相結(jié)合，使開發(fā)人員比以往任何時(shí)候都更難提供功能齊全且經(jīng)過充分驗(yàn)證的系統(tǒng)。

片上信號(hào)捕捉

當(dāng)系統(tǒng)涉及多個(gè)芯片和組件時(shí)，很容易移動(dòng)邏輯分析儀探頭以查看不同的信號(hào)組合。即使轉(zhuǎn)向片上儀器，靈活地將虛擬邏輯分析儀探頭移動(dòng)到不同信號(hào)點(diǎn)的需求仍然保持不變。由于設(shè)計(jì)人員無法預(yù)測給定芯片的每個(gè)變量或潛在應(yīng)用，因此可用的信號(hào)捕獲點(diǎn)越多越好。

傳統(tǒng)的 ASIC 方法使用具有共享選擇信號(hào)的多路復(fù)用器網(wǎng)絡(luò)（每個(gè)多路復(fù)用器級(jí)別一個(gè)）并提供 n/m 個(gè)不同的信號(hào)組合，其中 n 是探測點(diǎn)的數(shù)量，m 是同時(shí)查看的信號(hào)數(shù)量（調(diào)試總線寬度）。這是最嚴(yán)格但最簡單的選項(xiàng)，因?yàn)樗昧撕唵蔚亩嗦窂?fù)用器。為了有效，這種方法需要大量的前期時(shí)間來創(chuàng)建與每個(gè)可能的調(diào)試場景相對應(yīng)的信號(hào)組，并且一旦捕獲點(diǎn)起作用，設(shè)計(jì)人員就只能查看同一組中的信號(hào)。此過程要求高、耗時(shí)且極不可能捕獲所有調(diào)試場景。

另一個(gè)極端是創(chuàng)建一個(gè)完整的交叉開關(guān)多路復(fù)用器，以提供完全的信號(hào)靈活性，這需要 m 個(gè)大小為 n:1 的多路復(fù)用器。相對于面積而言，這可能會(huì)很快變得昂貴，這使得這種方法對于除了最小的情況之外的所有情況都是不切實(shí)際的。

中間立場是要么增加多路復(fù)用器結(jié)構(gòu)內(nèi)的選擇信號(hào)數(shù)量，要么創(chuàng)建多個(gè)具有不同信號(hào)排序的重復(fù)組。共享選擇多路復(fù)用器和帶有附加選擇信號(hào)的多路復(fù)用器都在許多本土方法中實(shí)現(xiàn)。雖然共享選擇多路復(fù)用方案可以處理常見和預(yù)期的調(diào)試場景，但它們?nèi)匀粵]有達(dá)到理想的完整覆蓋范圍。因此，它們不適合解決意外問題，并且通常會(huì)導(dǎo)致實(shí)現(xiàn)效率低下，因?yàn)樾盘?hào)會(huì)重復(fù)連接到多個(gè)多路復(fù)用器。

通過利用多級(jí)無序網(wǎng)絡(luò)（通常稱為集中器網(wǎng)絡(luò)），可以找到更優(yōu)雅、更高效的解決方案。這種新方法有效地創(chuàng)建了一個(gè)觀測網(wǎng)絡(luò)，并且正在商業(yè)化。使用獨(dú)特的網(wǎng)絡(luò)架構(gòu)和互補(bǔ)的路由算法，觀察網(wǎng)絡(luò)提供了完整交叉開關(guān)多路復(fù)用器的信號(hào)靈活性，而在大多數(shù)情況下，只需要共享簡單多路復(fù)用器的裸片面積。表 1 顯示了使用不同方法計(jì)算的信號(hào)可見度的比較。

表 1：觀察網(wǎng)絡(luò)提供與多路復(fù)用器相同級(jí)別的信號(hào)可見性，同時(shí)需要相似或更少的裸片面積。

通過觀察網(wǎng)絡(luò)，設(shè)計(jì)人員可以使用自動(dòng)化工具以寄存器傳輸語言 （RTL） 實(shí)現(xiàn)片上信號(hào)捕獲探針。在設(shè)計(jì)階段，無需擔(dān)心不同的信號(hào)組合或排序，因?yàn)槊糠N組合都可用。結(jié)果是一個(gè)隨信號(hào)數(shù)量線性增長的觀察網(wǎng)絡(luò)。這種方法將確定路由的復(fù)雜性從芯片轉(zhuǎn)移到軟件中。在產(chǎn)生顯著的面積/性能改進(jìn)的同時(shí)，觀測網(wǎng)絡(luò)需要復(fù)雜的算法來確定路由，因此如果沒有商業(yè)軟件來控制信號(hào)選擇，就很難使用它。

在觀察點(diǎn)可見性方面，網(wǎng)絡(luò)方法比簡單多路復(fù)用器的優(yōu)勢有多大？以這個(gè)例子為例，其中探測了 256 個(gè)信號(hào) （n），同時(shí)可見 32 個(gè)信號(hào) （m）：

簡單多路復(fù)用器：信號(hào)組合數(shù)（可見性）= 256/32 = 32

觀測網(wǎng)絡(luò)：信號(hào)組合數(shù)（可見度）= 2^256 = 1.2 x 10^77

相差76個(gè)數(shù)量級(jí)。雖然第一種方法具有高度限制性，但觀察網(wǎng)絡(luò)方法提供了任何可能的信號(hào)組合。以大致相同的成本，觀測網(wǎng)絡(luò)提供了巨大的優(yōu)勢，其靈活性更高。

最大化捕捉深度

對于跨越硬件和軟件的調(diào)試挑戰(zhàn)，捕獲長跡線的能力對于追蹤在數(shù)千或數(shù)百萬個(gè)時(shí)鐘周期內(nèi)出現(xiàn)的問題至關(guān)重要。在硅后和 FPGA 上，深度捕獲對于了解整個(gè)系統(tǒng)的工作方式至關(guān)重要，因?yàn)樵S多無法驗(yàn)證的錯(cuò)誤需要很長時(shí)間才能出現(xiàn)。此外，大多數(shù)軟件驅(qū)動(dòng)的功能跨越數(shù)十萬到數(shù)百萬個(gè)時(shí)鐘周期。

傳統(tǒng)的儀器方法在從觀測探頭接收到的信息時(shí)，使用內(nèi)部 RAM 中的一個(gè)條目來捕獲每個(gè)時(shí)鐘周期捕獲的數(shù)據(jù)。使用這種方法很難或不可能一次捕獲超過幾千個(gè)時(shí)鐘周期而不會(huì)對內(nèi)部存儲(chǔ)器資源造成不可接受的壓力。出于這個(gè)原因，現(xiàn)在開始使用壓縮技術(shù)來提高捕獲深度。

然而，大多數(shù)眾所周知的壓縮算法都不太適合跟蹤壓縮，它們是為視覺媒體和通信應(yīng)用開發(fā)的。一起使用多種壓縮技術(shù)的專用跟蹤壓縮層，每一種都專門針對常見的跟蹤數(shù)據(jù)模式進(jìn)行定制，現(xiàn)在已經(jīng)上市。對于大多數(shù)實(shí)際應(yīng)用，這可提供 10-1，000 倍的深度，而不會(huì)損失分辨率。

高效的系統(tǒng)范圍調(diào)試

更高效的 FPGA 和 ASIC 調(diào)試的最后一個(gè)難題是時(shí)間相關(guān)的系統(tǒng)范圍視圖，它跨越多個(gè)并行運(yùn)行的時(shí)鐘域。當(dāng)問題需要跨多個(gè)檢測區(qū)域進(jìn)行關(guān)聯(lián)時(shí)，設(shè)計(jì)人員正在考慮獲取單個(gè)軌跡然后手動(dòng)關(guān)聯(lián)事件的耗時(shí)過程。例如，基于 FPGA 的原型設(shè)計(jì)平臺(tái)上的平均 ASIC 原型由跨四到八個(gè) FPGA 的每個(gè) FPGA 兩到三個(gè)時(shí)鐘域組成。這意味著設(shè)計(jì)人員將需要單獨(dú)調(diào)試 8 到 24 個(gè)時(shí)鐘域。一次跟蹤這 24 個(gè)域中的每一個(gè)并手動(dòng)將結(jié)果拼湊在一起既耗時(shí)又容易出錯(cuò)。

一種更有效的方法是使用邏輯分析儀軟件從在多個(gè)時(shí)鐘域和多個(gè)設(shè)備中運(yùn)行的獨(dú)立儀器生成時(shí)間相關(guān)視圖，如圖 2 所示。專用調(diào)試軟件可以從芯片的每個(gè)儀器區(qū)域收集數(shù)據(jù)，反轉(zhuǎn)壓縮算法，然后對齊捕獲的數(shù)據(jù)以生成系統(tǒng)范圍的時(shí)間相關(guān)視圖。這導(dǎo)致單一的跟蹤捕獲和調(diào)試方案，既節(jié)省時(shí)間又提供許多功能單元和時(shí)鐘域的同時(shí)硬件調(diào)試。此過程通常會(huì)揭示在構(gòu)建設(shè)備時(shí)從未考慮過的緊急系統(tǒng)行為。

圖 2：時(shí)間相關(guān)視圖加速系統(tǒng)級(jí)調(diào)試。

創(chuàng)新應(yīng)對意外

隨著復(fù)雜性的增加和對探測點(diǎn)的訪問受限，ASIC 和 FPGA 驗(yàn)證和調(diào)試變得乏味且耗時(shí)。隨著越來越多的功能集成到每個(gè)芯片中，對探測點(diǎn)的物理訪問變得不可能。接下來的挑戰(zhàn)是整合足夠的片上觀察點(diǎn)，不僅可以處理預(yù)期的調(diào)試場景，還可以處理意外的調(diào)試場景。

即使是最復(fù)雜的設(shè)計(jì)，也能更快、更有效地驗(yàn)證和調(diào)試的一項(xiàng)關(guān)鍵創(chuàng)新是觀察網(wǎng)絡(luò)。與觀察信號(hào)的傳統(tǒng)共享選擇多路復(fù)用器方法相比，觀察網(wǎng)絡(luò)可提供更多具有相似芯片面積要求的信號(hào)組合。

支持更高效調(diào)試方案的其他創(chuàng)新包括使用高級(jí)壓縮算法來提高片上存儲(chǔ)器捕獲深度，以及邏輯分析儀軟件的出現(xiàn)，該軟件可以生成跨越多個(gè)設(shè)備和片外儀器的時(shí)間相關(guān)的系統(tǒng)范圍視圖。

審核編輯：郭婷