RISC-V GNU工具链构建:如何禁用硬件除法指令支持
2025-06-17 09:00:55作者:贡沫苏Truman
背景介绍
在RISC-V架构的处理器开发中,部分硬件实现可能不包含除法运算单元。这种情况下,使用标准工具链编译的程序可能会生成硬件除法指令,导致在目标硬件上运行时出现非法指令异常。本文将详细介绍如何构建一个不包含硬件除法指令的RISC-V GNU工具链。
问题分析
标准RISC-V GNU工具链默认会生成硬件除法指令,这包括:
- 整数除法指令(如div、divw等)
- 浮点除法指令(如fdiv.d、fdiv.s等)
当目标硬件不支持这些指令时,我们需要:
- 确保编译器不生成这些指令
- 确保标准库(如Newlib)也不包含这些指令
解决方案
1. 工具链构建配置
构建工具链时,需要通过特定的编译选项禁用除法指令生成:
git clone https://github.com/riscv-collab/riscv-gnu-toolchain
cd riscv-gnu-toolchain
./configure --prefix=`pwd`/installed-tools
make CFLAGS_FOR_TARGET_EXTRA="-mno-div -mno-fdiv" \
CXXFLAGS_FOR_TARGET_EXTRA="-mno-div -mno-fdiv" \
ASFLAGS_FOR_TARGET_EXTRA="-mno-div -mno-fdiv" \
2>&1 | tee build.log
关键选项说明:
-mno-div:禁用整数除法指令-mno-fdiv:禁用浮点除法指令CFLAGS_FOR_TARGET_EXTRA:传递给目标C编译器的额外标志CXXFLAGS_FOR_TARGET_EXTRA:传递给目标C++编译器的额外标志ASFLAGS_FOR_TARGET_EXTRA:传递给目标汇编器的额外标志
2. 验证构建结果
构建完成后,需要验证标准库是否确实不包含除法指令:
cd installed-tools/riscv64-unknown-elf/lib
../../bin/riscv64-unknown-elf-objdump -d libc.a | grep div
../../bin/riscv64-unknown-elf-objdump -d libm.a | grep div
正确的输出应该只显示除法相关的函数名(如div、imaxdiv等),而不应该出现实际的除法指令。
技术原理
1. 除法指令替代方案
当禁用硬件除法指令后,编译器会:
- 对于整数除法:调用软件实现的除法函数
- 对于浮点除法:使用软件浮点库实现
2. 标准库的影响
Newlib等标准库中可能包含直接使用硬件除法指令的优化实现。通过传递-mno-div和-mno-fdiv选项,可以确保这些库也使用软件实现。
实际应用建议
- 性能考虑:软件实现的除法比硬件实现慢很多,如果性能敏感,建议考虑添加硬件除法单元
- 代码大小:软件除法会增加代码大小,对于资源受限的系统需要特别注意
- 一致性:确保所有链接的库都是用相同的选项编译,避免混合使用硬件和软件除法
总结
通过上述方法构建的RISC-V GNU工具链可以完全避免生成硬件除法指令,适合在不支持硬件除法的RISC-V处理器上使用。这种方法不仅影响用户代码,还确保了标准库的一致性,是开发无除法单元RISC-V系统的有效解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
446
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271