前言
在客户使用 STM32F7xx（Cortex-M7 内核）实际测试中，会发现同等主频下 STM32F4xx（Cortex-M4）执行同样一段简单程序在时间上要快于 STM32F7xx，这个会影响到客户切换到 STM32F7xx 的信心，也对 ST 以及 ARM 宣传上 Cortex-M7 内核执行时间远快于 Cortex-M4 内核的说法提出质疑，本文将针对具体案例说明这一情况的产生以及解决办法。


问题描述
客户测试复杂程序运行时间，比如同样 180MHz 主频下，STM32F7xx 执行 Coremark 测试程序时间远小于 STM32F4xx 的执行时间；也就是 STM32F7xx 的性能更佳，运算执行效率更好。但当客户程序顺序执行程序，尤其是简单程序时发现STM32F7xx 执行时间大于 STM32F4xx 的执行时间，比如运行下面的同样的测试代码，就有明显差距：

1. volatile uint16_t i;
   
2. static volatile uint16_t j = 0;
   
3. i = 0;
   
4. while(i<300)
   
5. {
   
6. i++;
   
7. }
   
8. if(j < 100)
   
9. {
   
10. j ++;
    
11. }
    
12. else
    
13. {
    
14. j = 0;
    
15. }
    

复制代码

为方便量化时间，使用 Timer2 计数方式对这段时间进行计数，Timer2 运行在 90MHz，向上计数，Test_Counter 数据用于输出计数数值，增加后代码如下：

1. volatile uint16_t i;
   
2. static volatile uint16_t j = 0;
   
3. TIM2->CNT = 0;
   
4. __HAL_TIM_ENABLE(&htim2);
   
5. i = 0;
   
6. while(i<300)
   
7. {
   
8. i++;
   
9. }
   
10. if(j < 100)
    
11. {
    
12. j ++;
    
13. }
    
14. else
    
15. {
    
16. j = 0;
    
17. }
    
18. __HAL_TIM_DISABLE(&htim2);
    
19. Test_Counter = __HAL_TIM_GET_COUNTER(&htim2);
    
20. 通过上面的修改后测试下来，Test_Counter 数据分别为：
    

复制代码

通过上面的修改后测试下来，Test_Counter 数据分别为：
STM32F446 数据为 1543
STM32F746 数据为 1836
如果使用 Keil 自带的 States cycles 计算方法得到如下数据，后面会按照这个来计算执行时间数据。
STM32F446 数据为 3009
STM32F746 数据为 3635




产生上述问题的原因：
上面的测试都是在使用了 Cache 以及 ART 加速方法测得，如果针对 STM32F7xx 的性能优化可以参考 AN4667 "STM32F7 Series system architecture and performance"这篇应用文档的描述，本例已经对文档描述部分做过优化，但问题依然是STM32F7xx 速度慢于 STM32F4xx。两颗芯片运行同样代码，比较两颗芯片汇编代码也是相同的：

1. LDRH r2,[sp,#0x00]
   
2. ADDS r2,r2,#1
   
3. STRH r2,[sp,#0x00]
   
4. LDRH r2,[sp,#0x00]
   
5. CMP r2,r3
   
6. BCC 0x00000128
   

复制代码

通过查看 ARM Cortex-M7 内核文档发现下面描述：



反映到本例中发现定义的 i 数据为 16-bit 数据，同样也在汇编代码上发现了 STRB 这个汇编代码；这样在 RMW（readmodify-write机制下，当定义为 byte 以及 half-word 数据时将有一个先读取数据，修改后再写入数据的过程，这个读取-修改-写入的过程正是能够影响到内核执行效率的问题点，如果定义为 32-bit 就避免了这个问题的发生。



问题解决
按照文档说明，我们将 16-bit 定义数据，改为 32-bit 的定义数据，即

1. volatile uint32_t i;
   
2. static volatile uint16_t j = 0;

复制代码

生成的汇编代码如下

1. LDR r0,[sp,#0x00]
   
2. ADDS r0,r0,#1
   
3. STR r0,[sp,#0x00]
   
4. CMP r0,r1
   
5. BCC 0x08001F28

复制代码

测试下来结果如下：
STM32F446 数据为 2102
STM32F746 数据为 1807
可以看到不管是 STM32F4xx 还是 STM32F7xx，当数据定义为 32-bit 时都有显著的速度提升，当然 STM32F7xx 的提升更加明显，同样测试条件下 STM32F7xx 执行时间小于 STM32F4xx 的执行时间。


深入内核修改
因为 32-bit 数据定义会增加内存，并且有时候定义为 byte 或 halfword 更方便，还需要提升速度的话我们看到同样是内核文件给出的说明，可以将 RMW 机制屏蔽掉：




实际上就是对 CM7_ITCMCR 寄存器的第 1 位写 0， 即可以在程序中有下面的操作：

1. __IO uint32_t * DTCM_CR = (uint32_t*)(0xE000EF94);
   
2. * DTCM_CR &= 0xFFFFFFFD; /* Disable read-modify-write */

复制代码

禁止 RMW 后测试下来数据如下：
16-bit 定义数据 STM32F746 测试 cycles 数据为 3022
32-bit 定义数据 STM32F746 测试 cycles 数据为 1808
可以对比上面的测试数据也可以看到当禁止 RMW 后 STM32F7xx 性能也是优于 STM32F4xx 的。
具体测试数据如下：



结论：
需要提升 STM32F7xx 执行时间，发挥出最大效能时，请参考 AN4667，同时需要注意 RMW 对内核性能发挥的影响