拓展可能 向世界问好 联想栗子板初评

    大家好，我叫徐珂靖，住在冰城，是个骨灰级工科男。2018年末，联想推出了一种基于TI AM5708芯片的SBC，名字叫栗子板（派）。与树莓派一样，栗子板也是只有信用卡一样大，但是麻雀虽小五脏俱全。最近，机缘巧合下，本人也有幸得到了一块栗子板。

    栗子板的计算处理芯片是TI的AM5708，这是款单核ARM Cortex A15处理器。大家都知道，虽然A15是款很多年前出的32位的老内核，但是实际上，它的浮点性能要高于近年的64位的A53内核。

    当然，对于传统的A15核心的处理器芯片来说，由于要跑Linux，在一些需要较高时间精度的工控场景中还是有些力不从心的；这时候就需要在应用场景中再增加一片独立的微控制器（MCU）了。不过，对于AM5708来说，这都不是事儿！

    在实时控制的应用场景中，这款AM5708芯片有一个大大的亮点，就是集成了Cortex M4内核，作为Cortex A15的协处理器，弥补了IO输出的实时性能。这种实时性能，在做小计算量的信号处理时候也能体现，Cortex M4内部也是集成了浮点计算单元的。
另一方面，在需要大计算量的实时信号处理的应用场景中，这款AM5708芯片又有另一个亮点，就是集成了C66DSP核心，其浮点性能要好于Cortex-M4或Cortex-A15内部集成的浮点单元。

    唠了半天的嗑了，相信大家已经迫不及待地想要实机玩玩啦。不管是骡子是马，赶紧拉出来遛儿啊！我们这就把电源线和网线接上（其中，供电线是USB Type-C接口）。

    上电以后，发现联想的代码小哥哥贴心地帮我们预装了Linux操作系统（可以！这很Lenovo）；默认已开启SSH服务，并且root密码为空，让我们入手测试更加便利。大家可以通过passwd命令自己设置个喜欢的密码。

    以上这步看似很简单，但是也充分体现了代码小哥哥对我们的关怀；因为SSH登录的前提是网卡开机启动并开启DHCP，SSH服务也设置为开机启动，防火墙关闭或打开22端口。
  
    我们顺便看看网卡的MAC和IP吧，命令是ifconfig。这个命令的前提是已经安装了net-tools，再次感谢一下贴心的代码小哥！

如果net-tools没有安装，要查看网卡信息也是可以的；不过需要通过ip addr命令来实现。
  
    通过hostname命令，我们可以查看电脑名。

    Hostname的修改位置在下图左上角的红线所示的目录里，你也可以把图片靠近中部的红线标记的字符串改成你喜欢的名字。

    查看系统内核信息的方法，本人至少可以想到两种，如下图红线标记处所示。一种是通过uname命令输出；另一种是用cat命令把内核信息的文件打印到终端上。

    查看etc目录的设置文件时，我偶然地看到了一个有趣的文件夹，从名字意思上判断，里面放置的是某种可视化脚本。本人比较好奇地把它点开了，但是发现里面的脚本都没有执行权限；于是我自(no)作(zuo)主(no)张(die)地给添加上了执行权限，编号是755。我好奇地执行了一下其中一个字面意思是输出温度的脚本，但是运行结束以后啥也没有输出。当然，板子也没有BOOM。
    于是我更加好奇地把脚本文件打开了。一看，原来是脚本里面漏写了输出语句。
    然后，顺理成章地，我把这个脚本修改了一下，如下图所示。其中，图片左上角红线标记了脚本文件所在路径，中下部的各条红线标记了我添加的那几个输出语句。

    执行一下这个脚本，成功输出温度了。

    您也许会发现处理器温度的数值，看上去略微有些高。毕竟在室温约25度的情况下，带着散热片，都达到了近50度。
    但是大家请不要方。
    毕竟，这是款汽车级处理器啊！
    它具有很广的许用温宽（-40~125摄氏度）。值得一提的是，这个125摄氏度并不是存放温度，而是实实在在的带电工作的许用温度，并且已经考虑安全余量了。因此，50度完全在安全裕度内！
  

    接下来，想必大家很想看看栗子板在跑实际项目时候的性能，比如您自编的C语言程序。我在测试各种板子时候，写过不少有趣的代码；虽然都只是些花拳绣腿，但是用来做评测是够用了的。这些代码都被共享在我的开源页面上了。
https://github.com/xukejing/
  
    栗子板已经安装了C语言编译器，可以用gcc -v命令查看编译器版本。如果你想要编译CPP代码，可以用G++，也已经装上了。

    我们的第一个测试代码是内存写入速度测试。
    测试前先用free -m命令看一下内存使用情况。别一下子来个1GB的写入然后就给撑爆了哈！

    上图中，我们发现，可以使用的内存大约是685MB。那就取个整，来个100MB的写入测试吧。，
    于是，我们写了个代码，先测试了单线程的写入100MB并记录写入消耗时间；然后使用OpenMP并行库做了多线程协同写入100MB数据的测试。

#include <omp.h>
#include <stdio.h>
#include <stdlib.h>
#include <sys/time.h>
#include "unistd.h"

#define MICRO_IN_SEC 1000000.00
double microtime();
int main()
{
        int i = 25000000;
        int ii = 0;
        int *p1,*p2;
        
        double start_time, end_time, dt, dt_err;
        start_time = microtime();
        dt_err = microtime() - start_time;

        printf("baseline\n");
        start_time = microtime();
        p1 = malloc(sizeof(int)*i);
        for (ii = 0; ii<i; ii++)
                *(p1 + ii) = 2147483647;
        dt = microtime() - start_time - dt_err;
        free(p1);
        printf("time=%lf s\n", dt);

        printf("6threads\n");
        start_time = microtime();
        p2 = malloc(sizeof(int)*i);
#pragma omp parallel for num_threads(6)
        for (ii = 0; ii<i; ii++)
                *(p2 + ii) = 2147483647;
        dt = microtime() - start_time - dt_err;
        free(p2);
        printf("time=%lf s\n", dt);
        return 1;
}
double microtime() {
        int tv_sec, tv_usec;
        double time;
        struct timeval tv;
        struct timezone tz;
        gettimeofday(&tv, &tz);
        return tv.tv_sec + tv.tv_usec / MICRO_IN_SEC;
}

    其中，代码第11行的i变量定义的是数组长度。接着在第21行里，我们申请了100MB的空间。然后通过一个for循环往里写入数据。每个32位int的长度是4字节，因此i的值是25000000。

    编译并执行这个程序，通过打印的结果，我们可以推算出这款板子的内存写入速度，单线程下是200MB每秒左右；并且单线程下已经达到峰值（当然，还没有达到内存的理论带宽）。只是由于处理器核心性能和数量的限制，即使开启的线程再多也不会有提速了。

    作为对比，瑞芯微RK3399芯片（包含2个A72核心+4个A53核心）搭载DDR3内存的工况，我也做了测试，同样的内存写入算法，但是修改了写入量（写入1GB）。

    
    A53核心的单线程写入速度也是200MB每秒左右（与AM5708的A15的单线程成绩差不多）；
    A72核心的单线程写入速度可以超过300MB每秒；
    当6个核心共同并行时，内存写入速度可以超过1GB每秒。

    这里，我剧透一下，联想即将推出一款搭载RK3399处理芯片的栗子板，规格与友善之臂的RK3399一致！到时候大家都能感受一下那惊人的内存写入速度。
    
    既然已经做了内存测试，CPU浮点计算测试当然也不能少了。
    下面，我将使用本人自创的山寨版SuperPi，它会计算圆周率并记录计算时间。并行库依然使用OpenMP。
    程序代码如下：

#include <omp.h>
#include <stdio.h>
#include <stdlib.h>
#include <sys/time.h>
#include "unistd.h"
#include <math.h>
#define MICRO_IN_SEC 1000000.00
double microtime();
int main()
{
        double s = 1;
        double pi = 0;
        double i = 1.0;
        double n = 1.0;
        double dt_err;
        double dt;
        double p;
        double start_time, end_time;
        long cnt = 0;
        start_time = microtime();
        dt_err = microtime() - start_time;

        printf("baseline\n");
        start_time = microtime();
        for (cnt = 0; cnt<100000000; cnt++)
        {
                pi += i;
                n = n + 2;
                s = -s;
                i = s / n;
        }
        pi = 4 * pi;
        dt = microtime() - start_time - dt_err;
        printf("time=%lf s\n", dt);

        s = 1;
        pi = 0;
        i = 1.0;
        n = 1.0;
        printf("2threads\n");
        start_time = microtime();
#pragma omp parallel for num_threads(2)
        for (cnt = 0; cnt<100000000; cnt++)
        {
                pi += i;
                n = n + 2;
                s = -s;
                i = s / n;
        }
        
        pi = 4 * pi;
        dt = microtime() - start_time - dt_err;
        printf("time=%lf s\n", dt);

        s = 1;
        pi = 0;
        i = 1.0;
        n = 1.0;
        printf("4threads\n");
        start_time = microtime();
#pragma omp parallel for num_threads(4)
        for (cnt = 0; cnt<100000000; cnt++)
        {
                pi += i;
                n = n + 2;
                s = -s;
                i = s / n;
        }
        
        pi = 4 * pi;
        dt = microtime() - start_time - dt_err;
        printf("time=%lf s\n", dt);
        return 1;
}
double microtime() {
        int tv_sec, tv_usec;
        double time;
        struct timeval tv;
        struct timezone tz;
        gettimeofday(&tv, &tz);
        return tv.tv_sec + tv.tv_usec / MICRO_IN_SEC;
}

    其中，第23行到34行，先做了一个单线程的计算，并计时。
    接着，第36行到53行，是个2线程并行计算测试。
    然后，第55行到72行，是个4线程并行计算测试。

    编译并运行，截图如下：

    我们可以发现，单线程条件下，大约3秒就可以跑完这个算法。
    然后，因为处理器芯片本身的性能限制（单线程就达到满载了），多线程工况下并不能获得更高的速度，而且并行的线程越多，效率越低。4线程并行条件与单线程相比，计算时间从约3秒延长至约4.5秒，甚至达到了50%的“减速比”。
  
    这里，我也可以贴上其他处理器芯片跑相同算法时候的成绩。比如三星的S5P6818，这是个8核Cortex A53内核的处理器，测试结果如下图所示。

    我们可以发现一个有趣的现象，64位的A53内核虽然是新内核，但是它的单线程浮点计算能力是要低于老的32位的A15内核低。A15只要约3秒就能算完的算例，放到A53上就需要4秒。也就是说，A15内核与A53相比约有30%的浮点性能提升。诚然，从核心数量和多线程并行角度来看，AM5708与S5P6818相比，总体上还是吃亏的。S5P6818通过8核并行，浮点性能可以达到AM5708的200%（AM5708是约3秒，S5P6818是约1.45秒）
      
    对了，顺便再插一嘴，我们再换个处理器。RK3399的一个A72核心单跑，浮点性能就能超越S5P6818的8个A53一起上。有图为证。下图中，baseline的那条1.083秒就是RK3399的A72核心以单线程跑出来的。

    所以，想必各位跑分强迫症已经是迫不及待想玩RK3399了吧。A72核心是2016年出的高性能核心，是要替代A15和A17的。

    下面来个特大喜讯：下一个将要推广试用的产品，正是RK3399系列的栗子板。联想已经把它提上日程了。
    大家可以关注一下联想栗子板的最新动态。