如何实现工业伺服系统应用中实时性能的可视化与评估

在工业伺服系统中，控制环路对确定性、实时性和执行效率有极高要求。RZ/T2M采用的Arm Cortex‑R52内核集成了PMU（性能监控单元），可实现伺服应用中实时性能的可视化与评估。本文介绍如何通过IAR I-jet和IAR Embedded Workbench for Arm（C-SPY）的Performance Monitoring功能，利用PMU在不影响系统实时性的情况下采集硬件级性能数据，并对方案性能进行分析和调试。本文以Renesas RZ/T2M（Cortex-R52）为例，给出使用环境、配置要点与典型的测量流程，同时提供与Profiling、Trace其它调试工具的选型建议，便于用户快速展开性能评估与优化的工作。

在Arm MPU的嵌入式系统里，“能跑”只是及格线；工业控制与实时系统更关心的是“跑得稳不稳、跑得快不快、关键时刻会不会掉链子”。因此除了功能正确，工程上还需要量化评估程序执行时间、CPU资源利用率，以及关键实时路径是否满足时序约束。把问题说得更直白一点：当客户问“为什么这版感觉更慢？”时，我们需要的不是“感觉”，而是可以复现、可对比的数字。通常重点会落在：

程序执行时间是否可预测

CPU资源是否被高效利用

实时路径是否满足时序约束

IAR I-jet的Performance Monitoring功能基于Arm内核内置的PMU（Performance Monitoring Unit，性能监控单元）。它更像一块“硬件级计步器”：不需要在代码里插桩，也尽量不改变程序的步伐，就能给出CPU周期与关键事件计数等量化数据。通过C-SPY的Performance Monitoring窗口，工程师可以快速完成测量与对比分析，为调试和优化提供依据。

1. 功能概述：基于PMU的性能监控

性能监控功能利用Arm内核内部的PMU硬件模块，在程序运行过程中对处理器关键事件进行计数统计，包括但不限于：

指令执行相关事件

CPU时钟周期消耗

架构定义的硬件事件触发次数

与传统的源代码插桩方式不同，PMU基于处理器硬件计数器工作，通常不会对代码逻辑或执行流程造成明显干扰。这些数据常用于：

评估代码执行效率

对比不同算法或实现方式的性能差异

定位性能瓶颈所在的代码区间

统计结果可通过C-SPY的Performance Monitoring窗口完成配置与可视化展示。

2. 使用PMU的前提条件与限制

2.1 处理器要求

目标Arm内核必须支持PMU

（Performance Monitoring Unit，性能监控单元）

并非所有Arm内核或器件都具备该功能

一般来说，以下内核支持PMU：

Cortex-A

Cortex-R

部分Cortex-M（例如Cortex-M7）

如下图所示，在Renesas RZ/T2M平台上，Cortex-R52内核原生支持PMU功能。

2.2 调试器与驱动要求

需要使用支持PMU的C-SPY调试驱动

并非所有C-SPY driver都提供该能力

IAR I-jet调试探针支持PMU性能监控

3. PMU计数器与事件类型

PMU的核心机制是事件计数器（Event Counters）：

每个计数器可配置为统计一种特定事件

事件类型由Arm架构定义

典型事件类别包括：

CPU时钟周期相关事件

指令执行相关事件

架构定义的PMU硬件事件

事件的选择、启停与数据显示可通过Performance Monitoring窗口集中管理。关于事件的具体描述可以参考Arm的内核手册“ArmCortex-R52 ProcessorTechnical Reference Manual”中12.6章节Events相关的内容。

比如BUS_CYCLES事件主要反映的是CPU因总线接口（AXI）被占用而被迫等待的时钟周期。BUS_CYCLES ≈ CPU访问内存或者外设，在“总线层”上花掉的时间，它不是cache，也不是纯指令，而是介于CPU和内存或者外设之间的那一层性能。

再比如STALL_FRONTEND事件是表示CPU想执行代码，但无法从前端拿到指令，无法解码从而产生的时延；STALL_BACKEND事件是指令已经获取并准备执行，但后端因为等待资源或者数据而执行不了从而产生的时延。

Events数量多达上百个，通常要组合多个事件一起去分析程序性能瓶颈或者问题。由于篇幅有限在此不展开讨论。以后有机会结合实际的案例再另行介绍。

4. 工具选型比较：

PMU vs Profiling vs Trace

4.1 工程维度对比数据粒度与信息量

维度	PMU	Profiling	Trace
数据类型	数值型	统计型	时序型/ 事件流
信息量	极低	中等	极高
是否有 执行路径	无	部分	有

结论（信息越来越多，代价也往往越大）：

PMU：给你“结果”（总量/计数）

Profiling：给你“分布”（函数级热点）

Trace：给你“全过程”（执行路径/事件流）

4.2 对系统实时性的影响

（选型时最容易被“忽略”的硬指标）

维度	PMU	Profiling	Trace
对程序执行 影响	影响：低	影响：中	影响：高
是否适合 实时系统	适用性：高	适用性： 视场景而定	适用性：低（可能改变系统行为）

建议：对于实时敏感路径的定量测量，优先采用PMU计数方式；在需要函数级分布时再使用Profiling；当需要完整执行路径或定位偶发问题时再考虑Trace，并评估其对系统行为的影响。

5. 操作示例（RZ/T2M示例）

5.1 环境准备

目标器件：Renesas RZ/T2M（Cortex-R52，支持PMU）

调试探针：IAR I-jet（需支持PMU相关调试功能）

开发环境：IAR Embedded Workbench for Arm（C-SPY）

C-SPY驱动：需支持Performance Monitoring（PMU）

5.2 使用PMCCNTR测量执行周期

说明：以下流程以断点方式测量两个断点之间的CPU cycle数（PMCCNTR）。不同项目的CPU时钟配置、缓存与中断状态会影响结果，建议在固定测试条件下对比分析。

一种典型的执行时间测量方法如下：

1. 在待测代码段的起始和结束位置设置断点

2. 运行程序并停在第一个断点

3. 通过I-jet菜单启用Performance Monitoring

4. 在Performance Monitoring窗口使能性能监测的功能

5. 手动将PMCCNTR（周期计数寄存器）清零

运行程序直到调试器停在第二个断点处，然后查看PMCCNTR的值，就可以获得两个断点之间的代码的精准的运行时长，PMCCNTR每加1对应一个CPU clock cycle，根据CPU的Clock参数可以换算出这一段代码的运行时长。

6. PMU与调试宏结合调试的案例

PMU还可以与IAR的调试宏（Debug Macro）相结合，提高调试效率。

cycle.mac宏文件示例内容如下：

Dump1() {
__message"P1=",#PMCCNTR;
}
Dump2() {
__message"P2=",#PMCCNTR;
}

1. 在EWARM环境设置这个调试宏文件，如下图中所示。

2. 调试的时候通过I-jet连接rzt2m。

3. 在需要调试的工程代码中设置断点，并编辑断点触发的条件，同时把上面macro文件对应的函数功能填入Expression表达式中，如下图所示：在hal_entry.c文件中的第197行插入一个断点，并把Dump1()设置为Expression。

同样的方法在hal_entry.c文件中第198行代码中，设置同样的断点并且把Dump2()设置到对应的Expression中去。

4. 运行程序

5. 当断点触发时，以下信息会输出到IAR EWARM Debug Log窗口中：读取PMCCNTR并将其数值输出到调试日志窗口。

PMCCNTR是性能监视器周期计数寄存器（Performance Monitors Cycle Count Register）。该示例宏文件在断点发生时读取该寄存器的数值。

虽然通过I-jet读取的值在绝对精度上可能存在微小偏差，但在：

性能趋势分析

不同版本对比

问题定位阶段

依然具有非常高的工程参考价值。

7.如何使用IAR I-jet调试器启用ETM Trace

本文重点是介绍cortex-R52内核的PMU单元的工作机理，既然提到与Trace的对比，那这里附赠一个彩蛋也给读者说明一下如何使用IAR I-jet调试器的ETM Trace的功能。

步骤1：将I-jet连接在开发板和主机PC之间。

步骤2：启动EWARM项目，并从I-jet选项卡中选择“ETM Trace”

步骤3：ETM Trace窗口打开，下图是已启用ETM Trace并获取到跟踪信息的状态

步骤4：在ETM Trace窗口上右键点击，会打开以下菜单。如果选择clear，跟踪信息将被清除。在此状态下运行，可以获取到下一次中断为止的跟踪信息。ETM Trace有一个跟踪缓冲区。因此，可以获取缓冲区大小范围内的跟踪信息，旧信息将被覆盖。

但是，可以通过“I-jet tab -> ETM Trace settings...”菜单进行更改。如果勾选下图中的”stop on buffer full”设置，ETM Trace将在缓冲区满时停止，不会覆盖旧信息。

8. 总结

基于PMU的IAR I-jet Performance Monitoring为Renesas Arm-based MPU提供了一种高精度、低侵入、工程可落地的性能分析手段。对于实时与性能敏感系统，建议将PMU作为性能分析的首选工具，以获得可重复的量化数据，为优化与问题定位提供依据。对于实时和性能敏感系统来说，PMU往往是性能分析的第一步，也是最安全的一步。在不显著破坏系统时序的前提下，工程师可以获得可信的cycle与事件计数数据，用于版本性能对比、编译选项评估以及关键路径优化验证。