在上一次的测试CPU性能的工程基础上修改，来测试存储读写性能。去掉CoreMark组件，写一个存储测试案例。

  H# G+ v; F; h- d( O3 E- e# v      计数仍然使用DWT，这是Cortex M的便利用法。所有测试共用同一套计时骨架：每项连续跑 10 轮，DWT CYCCNT 计取每轮周期数，报 min / avg / max 三个值。单次计时受总线仲裁、Flash 等待周期抖动影响很大，只报单次数字的内存跑分基本不可信。32 位 CYCCNT 在 250MHz 下约17 秒回绕一次，无符号减法天然处理回绕。带宽换算公式：MB/s = 字节数 × 主频(MHz) ÷ 周期数。
      

1. bench_stat_reset(&st);
   0 M6 a, |8 W( Q, G- v! Z# t* m0 ?- A
2. for (r = 0; r < MEM_ROUNDS; r++) { /* MEM_ROUNDS = 10 */
   1 ?4 _5 c- G2 @% d; p
3. uint32_t t0 = perf_cycles();
   0 M3 z+ v5 ^* q9 m5 g  F- |
4. fn(words); /* 单轮：完整扫过 256KB */
   , G3 V0 n5 K, g: K: D( ?
5. bench_stat_add(&st, perf_cycles_elapsed(t0, perf_cycles()));
   - k& n  c* J, Q1 j
6. }
   0 h$ H0 v3 B& W: V6 `6 O+ E* M& f

复制代码

      为了防止编译器优化，读测试用 4 组独立累加器，消除加法依赖链（M33 加法结果回写有 1 周期延迟，单累加器会让带宽被 ALU 而不是总线卡住），累加结果最终异或进全局 sink，循环无法被折叠成常数；写测试结束后引用尾元素，防止"写了没人看"的store 被批量删除；源数据用 xorshift 伪随机图案填充且缓冲区经函数调用逃逸，避免全 0/全 1 位型的退化行为。
; K6 ?" N( T' d, Z1 @6 V
8 ~  U, R; U& ?7 J! \$ s2 {

1. stat  ic void pass_sram_read(uint32_t words)
   . d7 _6 F/ q" d  r
2. {
   
3. uint32_t a0 = 0, a1 = 0, a2 = 0, a3 = 0;
   
4. for (uint32_t i = 0; i + 4 <= words; i += 4) {
   
5. a0 += s_src[i]; /* 4 组累加器：读带宽由总线决定 */
   
6. a1 += s_src[i + 1]; /* 而不是被加法依赖链卡住 */
   
7. a2 += s_src[i + 2];
   
8. a3 += s_src[i + 3];
   ' I/ t2 f$ P* v# v3 y3 @7 o" J
9. }
   
10. s_sink ^= a0 ^ a1 ^ a2 ^ a3; /* 结果被消费，循环不可删 */
    : \% g* E5 T+ |
11. }
    4 ~! g8 B% q/ k# Z: M, A

复制代码

    H5E5 的 GPDMA 是新一代 DMA，编程模型与 F4/H7 的传统DMA 明显不同。本测试用 HAL 驱动（stm32h5xx_hal_dma.c）：GPDMA1_Channel0，软件请求 M2M 方式，源/目标地址递增；源/目标突发长度 16beat × 4B = 64 字节，port0/port1 各占一个端口，读写可并行访存。两个硬约束决定了实现形态：其一，GPDMA 单块传输长度字段 BNDT 只有 16 位（上限65535 字节），256KB 大块必须分块，本测试按32KB 逐块 Start + PollForTransfer 轮询完成，不占任何中断；其二，HAL_DMA_Start 的长度参数单位是字节而非传输次数。搬运结束后逐字比对源与目标缓冲，所有吞吐数字都以校验 PASS 为前提

- }* f6 ^2 H( ^7 K% r: X

1. while (left > 0) {
   # Z( A  {1 ~  p% k, q" M- R7 u- _
2. uint32_t n = (left > DMA_CHUNK_BYTES) ? DMA_CHUNK_BYTES : left; /* 32KB */
   % q. c4 K% p3 j+ A3 G  a1 m1 j) r
3. HAL_DMA_Start(&s_hdma, (uint32_t)sp, (uint32_t)dp, n); /* n 单位=字节 */
   9 u  K$ r+ b- y& z- S
4. HAL_DMA_PollForTransfer(&s_hdma, HAL_DMA_FULL_TRANSFER, 100);
   - w4 y' N3 P, N- A8 J
5. sp += n; dp += n; left -= n;
   . V$ G! I  K: R0 B/ v
6. }
   

复制代码

      FlASH读写会涉及到编程颗粒度和中断暂停响应的情况，这个没办法避免。这里只测试性能，不把双bank可独立操作扯进来。

1. HAL_FLASH_Unlock();
   " }, s" O4 P" w( E/ ]6 r8 n" t
2. HAL_FLASHEx_Erase(&erase, &sector_err); /* 擦 1 个 8KB 扇区 */
   1 Z8 A' o  v7 \1 a
3. for (i = 0; i < FLASH_SECTOR_SIZE; i += 16) { /* quadword 编程 */
   
4. HAL_FLASH_Program(FLASH_TYPEPROGRAM_QUADWORD,
   
5. FLASH_TEST_ADDR + i,
   
6. (uint32_t)((const uint8_t *)s_src + i));
   2 n/ ?0 E+ Y; e9 U3 t  i' C5 x8 b
7. }
   
8. HAL_FLASH_Lock();
   * U4 K* ]! x$ y; I) n9 Q

复制代码

     运行代码后串口输出执行结果
" S! J# x  }" p
; m* j$ [$ D  C3 U! ~0 S4 W

1. [M1]
   8 K" Y; z2 p  Y9 ^
2. [14:35:14.760]收←◆CPU streaming access BW (256KB x 10 rounds, min/avg/max)
   
3.    SRAM write    : 166.54 MB/s (best)  166.49 MB/s (avg)  166.43 MB/s (worst)
   
4.    SRAM read     : 307.51 MB/s (best)  307.34 MB/s (avg)  307.28 MB/s (worst)
   2 [" U1 G2 L# f
5.    Flash read    : 190.21 MB/s (best)  189.74 MB/s (avg)  189.54 MB/s (worst)
   
6. 
   6 i' ?# e) l! e1 n2 s( l
7. [M2] CPU copy BW (SRAM->SRAM 256KB)
   
8. 
   
9. [14:35:14.872]收←◆   hand loop     : 41.62 MB/s (best)  41.62 MB/s (avg)  41.61 MB/s (worst)
   
10. 
    
11. [14:35:14.942]收←◆   libc memcpy   : 41.62 MB/s (best)  41.62 MB/s (avg)  41.61 MB/s (worst)
    
12. 
    
13. [M3] GPDMA1_CH0 transfer BW (word width, 32KB polled chunks)
    
14.    DMA SRAM->SRAM: 376.81 MB/s (best)  376.77 MB/s (avg)  376.69 MB/s (worst)
    " T' |2 m) \1 H) Y- L& _# t% C  d1 x
15.    DMA Flash->SRAM: 265.73 MB/s (best)  265.73 MB/s (avg)  265.69 MB/s (worst)
    
16.    integrity check     : PASS
    
17. 
    
18. [M4] GPDMA data width impact (SRAM->SRAM 256KB)
    : @; y$ A% L* y" }4 O" @$ e' l7 _
19.    byte width    : 161.83 MB/s (best)  161.82 MB/s (avg)  161.81 MB/s (worst)
    9 e# O& S/ a  f7 ]' O/ O; w
20.    word width    : 376.81 MB/s (best)  376.78 MB/s (avg)  376.73 MB/s (worst)
    
21. 
    
22. [M5] Copy BW vs block size (avg of 5 runs)
    
23.    block(kB)  CPU hand-loop   GPDMA(word)
    
24.         1KB  41.54 MB/s        339.52 MB/s
    
25.         4KB  41.63 MB/s        382.08 MB/s
    9 r; V( P/ v$ R# b: J
26.        16KB  41.65 MB/s        386.96 MB/s
    3 M$ i( V6 ]) @  h7 r* G+ x3 z
27.        64KB  41.63 MB/s        372.01 MB/s
    
28. 
    
29. [14:35:15.101]收←◆      256KB  41.62 MB/s        376.87 MB/s
    
30. 
    
31. [M6] FLASH program test (Bank1 Sector200 @0x08190000, 8KB)
    2 P" W) }- L2 m' Y
32.    erase (8KB sector)  : 1.658 ms
    
33.    program 8KB time    : 16.469 ms -> 497.39 KB/s
    
34.    read-back verify    : PASS
    & @, m$ v# z; U3 G$ b2 U
35. 
    8 N* ~, Z4 w9 E+ I% G7 x

复制代码

     共进行了6项测试，大概不算全面的汇总几点

1、CPU 从 Flash 读（189.7 MB/s）明显慢于 DMA 从 Flash 读265.7 MB/s，CPU 取数要多付循环与流水线开销。

2、普通情况下的手写拷贝和newlib memcpy性能一致

3、GPDMA 搬运几乎不受 CPU侧干扰，SRAM→SRAM可达376.81 MB/s， Flash→SRAM可达265.73 MB/s，性能很好

4、DMA带宽配置越高则搬运速度也越高，直接使用可考虑冗余操作