前言
! ?% M5 y/ i. E0 s+ z) p( L( N, V3 f! P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。

+ |1 D. |( ]. w2 w
9 y' k8 G! ^7 I9 I$ [/ J问题描述
; s1 Y  C! ~, \0 ^2 @/ {1 A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：
3 o" n9 U. p/ c  I) {) s

1. volatile uint16_t i;
   0 q" f, F: Q, [5 M1 i
2. static volatile uint16_t j = 0;
   4 p$ m) j3 L6 O( d- m8 |  \
3. i = 0;
   1 g) t# o; a! l  M9 K+ j- ^0 Q
4. while(i<300)
   
5. {
   ( H6 `/ k4 b7 h# i8 K
6. i++;
   
7. }
   * o- N4 a) y/ e" S1 I5 L1 p8 F
8. if(j < 100)
   8 o$ R' g- S. K  w
9. {
   ( }5 @' s2 V7 @# C" A$ R: z3 D
10. j ++;
    2 O4 o4 W# d# C$ j
11. }
    ) y# X6 t4 n( p
12. else
    
13. {
    2 k/ y! W' n8 b7 j  \
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：

# t5 {/ l/ u" K6 s: J' ]( w

1. volatile uint16_t i;
   
2. static volatile uint16_t j = 0;
   
3. TIM2->CNT = 0;
   2 \8 z3 T; h1 {( Q
4. __HAL_TIM_ENABLE(&htim2);
   9 A7 H6 E/ J( \' m; u4 A# v, _
5. i = 0;
   
6. while(i<300)
   
7. {
   
8. i++;
   9 h! Z; J. h" s! x
9. }
   5 ^  Y7 w- s  r' Y' y% n# {+ M- E
10. if(j < 100)
    8 Z3 F% P2 H' V$ o7 N
11. {
    - f4 X9 X5 E# @' E
12. j ++;
    
13. }
    9 _2 B( D5 _- D  P
14. else
    : j7 B& f# }- F8 u/ K0 O
15. {
    1 z2 [/ I7 y  O; E& b) _) X  d
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

7 f6 u# ^: r, Q% j& u通过上面的修改后测试下来，Test_Counter 数据分别为：
: {( e/ F0 b( g# a* ?6 d& TSTM32F446 数据为 1543
* l4 m' _* Q. B; |# Z. O% J7 zSTM32F746 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。
, Y" ^; G) ]6 l) ~8 @STM32F446 数据为 3009
STM32F746 数据为 3635

9 f; L( R. C% a7 e2 ]

* r3 _- U8 W- q
, b# @6 Y- T1 X+ i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：
* f6 y: p# ?. l
! x; l: l( c; |# r0 u) r

1. LDRH r2,[sp,#0x00]
   
2. ADDS r2,r2,#1
   
3. STRH r2,[sp,#0x00]
   + D  ?) Z  b0 ?4 ^
4. LDRH r2,[sp,#0x00]
   8 U* `# W2 r8 [+ n4 r6 X. V- n. G
5. CMP r2,r3
     N+ s( \+ _$ S/ `8 m7 [
6. BCC 0x00000128
   6 T& n7 V2 `4 K( o8 w

复制代码

通过查看 ARM Cortex-M7 内核文档发现下面描述：

& _; [) h. P5 [) v4 H
/ ^7 f5 i' e6 m; d; E8 ]- p& z
  M2 e$ O+ Y; E  m* I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。
+ D1 h. ?8 ?. Z$ @5 C  f


问题解决
8 N1 ?" v$ Z* }& z5 |5 y7 H6 N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

+ q7 H0 `. g8 d+ h2 o* `; o5 j

1. volatile uint32_t i;
   + T* I0 j2 g1 u6 T0 S: @
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
   + x; T1 g+ o6 |4 O3 [" a
3. STR r0,[sp,#0x00]
   / P# f! `6 v7 R9 E
4. CMP r0,r1
   ( k2 }5 @/ g8 s- H/ t
5. BCC 0x08001F28

复制代码

测试下来结果如下：
; g5 V) m; ]& s7 r8 a8 J) tSTM32F446 数据为 2102
1 `: x6 S: u3 M# g2 R. n: `+ u) rSTM32F746 数据为 1807
: I" X: [8 d7 Y0 M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。
6 T* g' Y/ `1 r3 F

深入内核修改
* s+ Y3 v- F2 i9 L' R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：




# P- L5 O' T6 G. f% g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：
" K( j/ J- b5 ~% B' ?( w

1. __IO uint32_t * DTCM_CR = (uint32_t*)(0xE000EF94);
   + i1 s3 p& p, M/ C7 r
2. * DTCM_CR &= 0xFFFFFFFD; /* Disable read-modify-write */

复制代码

/ g0 o2 l+ S9 s8 y禁止 RMW 后测试下来数据如下：
1 x2 \+ d7 v& r& q) a16-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。
  p! Q$ W& T; b+ \; i, y具体测试数据如下：
* U4 `) g' ^7 T2 r$ w: v0 ]
1 s: ]3 W( k, h# d( x
3 X6 z4 @  D4 {
4 v$ O3 Y3 i+ q  \7 x( H结论：
" r1 H0 U  I. x, ]) E$ R  h# M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
! y( W5 b1 O1 A0 I! v( i! b" o8 }
6 E& _# N, m$ Q! t9 d- X( T/ R2 s
8 ]; F$ D' m0 `3 y; v

; q; q- L; l* Z! Y
7 c; ]6 e0 m1 r4 g8 p& d% r





% y$ ^1 `( S0 a
* D+ c# g8 Z8 b, h
* A2 c4 ^5 M! z& w