Yosys项目中哈希函数对时序逻辑综合的影响分析
问题背景
在数字电路综合工具Yosys的开发过程中,开发团队发现一个有趣的现象:当修改Yosys内部使用的哈希函数时,某些测试用例会意外失败。经过深入调查,这个问题特别出现在处理带有异步复位/置位的触发器(DFFSR)模型的技术映射过程中。
问题现象
当使用不同的哈希函数实现时,Yosys对以下Verilog代码的综合结果会出现差异:
module dffsr(input CLK, D, CLEAR, PRESET, output reg Q);
always @(posedge CLK, posedge CLEAR, posedge PRESET)
if (CLEAR)
Q <= 0;
else if (PRESET)
Q <= 1;
else
Q <= D;
endmodule
正常情况下,Yosys会生成保持CLEAR优先于PRESET的综合结果。但当哈希函数改变后,综合结果会意外地反转这两个信号的优先级。
技术原理分析
这个问题实际上揭示了Yosys内部处理异步信号优先级时的一个潜在设计问题。在Yosys的处理流程中:
-
proc_arst阶段:首先将Verilog代码转换为中间表示,其中异步信号的优先级通过同步规则的顺序明确表示。例如,CLEAR规则排在PRESET规则之前,表示CLEAR具有更高优先级。
-
proc_dff阶段:这些同步规则被存储在一个std::map中,键是触发信号(SigSpec)。std::map默认使用std::less进行排序,而RTLIL::SigSpec的比较操作符依赖于哈希值。
问题根源
问题的本质在于:
- std::map的排序依赖于哈希函数,而不同的哈希函数会导致不同的元素排序
- 原始Verilog代码中明确的信号优先级(CLEAR > PRESET)在转换为std::map后丢失
- 后续处理阶段(gen_dffsr_complex)从std::map中读取规则时,顺序可能已经改变
解决方案
修复方案的核心思想是保持处理顺序与设计顺序一致。具体实现上:
- 不再依赖std::map的自动排序特性
- 改为按规则插入顺序处理SigSpec,这对应于原始设计中的信号声明顺序
- 确保异步信号的优先级在综合过程中得到保持
技术启示
这个案例为我们提供了几个重要的技术启示:
-
工具实现的确定性:EDA工具在不同环境下应产生确定性的结果,不应依赖于实现细节(如哈希函数)
-
中间表示设计:在编译器/综合器的中间表示设计中,显式保持重要语义信息(如信号优先级)至关重要
-
数据结构选择:在需要保持元素顺序的场景中,应谨慎选择数据结构,避免使用自动排序的容器
总结
Yosys中这个由哈希函数引起的问题,实际上反映了数字电路综合工具在处理异步信号优先级时的一个设计缺陷。通过分析问题根源并修改实现方式,不仅解决了特定测试用例失败的问题,更增强了工具在不同环境下的行为一致性。这对于保证数字电路综合结果的可靠性和可预测性具有重要意义。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0155- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112