使用Streamline对Fast Model 进行profiling trace

March 20, 2017

Less than one minute read time.

Streamline Performance Analyzer是DS-5套件中一个非常强大的可视化分析工具，可以从用户设计中提取各种Profiling信息以方便系统瓶颈定位和性能优化。ARM Fast Model正越来越多应用于用户的早期软件开发与优化中，Fast Model中针对不同的IP模型实现了丰富的trace source，这些trace source可以通过Fast Model的Model Trace Interface（MTI）加载Plug-in插件来提供给用户相应model的trace数据。Fast Model package包括一些自带的示例插件，比如TarmacTrace Plug-in, GenericTrace Plug-in等，同时也允许用户根据自己的需求创建自己的MTI Plug-in。本文重点讨论的是一个将Fast Model Trace source提取用于Streamline图形化分析的插件——FastLine Plug-in。废话少说，先上图：

上图是A73 FastModel 平台上运行Linux在不同参数配置下的一个统计trace结果，其中Fast Model可以通过Timing annotation feature在尽量避免影响仿真速度的情况下对系统进行时间标注，比如Cache的配置以及外存等关键路径的访问延迟等（具体功能后面有机会跟大家专门分享）。这里可以从Streamline分析结果中看出，软件在fast model上的CPU count数，Cache读写命中率，CPU activity的统计，以及与软件运行的不同Thread关联等等重要信息，都可以通过一个小小的FastLine插件从仿真中获取。

下面我们以一个Cortex R8的FVP上运行Bare Mental SW为例简要说明如何通过Fast Line 插件来抓去Fast Model用于Streamline分析的Trace数据。

1）先准备好Fast Model环境和运行SW（具体步骤请参考Fast Model user guide文档）：

这里以Fast model下$PVLIB_HOME/examples/LISA/FVP_VE/Build_Cortex-R8x1为例，运行build.sh（Linux上）会生成对应的Build目录及Model可执行文件Linux64-Release-GCC-4.8/isim_system，运行示例Bare Mental软件为$PVLIB_HOME/images/dhrystone_ve.axf。

2）软件镜像解析：

使用FastModel下面的process-elf.py 脚步对软件进行解析，生成 *.csv文件，解析过程会使用到DS-5中的fromelf程序。这里注意如果是对Linux OS应用程序进行解析，需要调用不同的Python脚本，具体参考Fast Model reference manual 中的Fastline章节 (v10.3)。

$ python $PVLIB_HOME/plugins/source/FastlineTrace/scripts/process-elf.py dhrystone_ve.axf

上述命令会生成文件dhrystone_ve.axf.csv。

3）创建系统与counter配置文件：

使用Fastline 插件需要提供运行的Fast Model 系统配置文件及需要Trace的Counter配置文件，安装目录下$PVLIB_HOME/plugins/config/FastlineTrace 中提供了几个示例配置文件。我们先看system_config_sample.json，FVP_VE/Build_Cortex-R8x1仅有一个cluster, 所以Subsystem就只有一个，比如命名为r8_cluster_config_sample.json。

[
    {
        "Subsystem_name":"*",
        "Subsystem_config_file":"r8_cluster_config_sample.json"
    }
]

再创建Subsystem配置文件r8_cluster_config_sample.json如下，这里注意app-name即为dhrystone_ve.axf，symbol-info-files为第二步中生成的dhrystone_ve.axf.csv。

{
    "operating-system": "none",
    "sampling-frequency": 500,
    "app-name": "dhrystone_ve.axf",
    "app-proc-id": 1000,
    "symbol-info-files": [ "dhrystone_ve.axf.csv" ],
    "report-function-activity":false
}

最后再创建Counter配置文件sample_counters.json，这里需要提一下Fast Model有个ListTraceSources的Plug-in可以列出不同Fast Model中可以支持的trace souce list。

$ ./isim_system --plugin $PVLIB_HOME/plugins/Linux64_GCC-4.8/ListTraceSources.so > tracesources.txt

进而可以根据自己感兴趣的trace source创建Counter配置文件，例如：

[
    {
        "Path":"FVP_VE_Cortex_R8x1.daughterboard.core.cpu0",
        "MTISrcName":"BRA_DIR",
        "Title":"Branch Direct",
        "CounterName":"FVP_VE_Cortex_R8x1.daughterboard.core.cpu0.BRA_DIR",
        "Type":"FVP_VE_Cortex_R8x1.daughterboard.core.cpu0.BRA_DIR",
        "Display":"accumulate",
        "Units":"units",
        "AverageSelection":false,
        "PerCpu":true,
        "MessageInterval":1
    },
   ...

]

4）启动仿真dump trace数据：

$ isim_system --plugin $PVLIB_HOME/plugins/Linux64_GCC-4.8/FastlineTrace.so \

-C TRACE.FastlineTrace.config=system_config_sample.json \

-C TRACE.FastlineTrace.counters-config-file=sample_counters.json \

../dhrystone_ve.axf

仿真结束会创建fastmodels.apc文件夹。

5）使用Streamline对dump数据进行分析。

选择StreamLine左侧的文件夹按钮加入fastmodels.apc所在路径，再在Streamline Data中出现的fastmodels上右键点击Analyze，具体Streamline的详细配置请参考DS-5 User Guide 文档。