RISC-V ISA手册中关于LR/SC循环约束条件的深入解析
2025-06-16 22:11:06作者:裴锟轩Denise
引言
在RISC-V架构中,LR(Load-Reserved)和SC(Store-Conditional)指令对是实现原子操作的关键机制。正确使用这对指令需要严格遵守架构规范中定义的约束条件,否则可能导致不可预期的行为。本文将通过一个实际案例,深入分析RISC-V ISA手册中关于LR/SC循环的约束条件。
LR/SC循环的基本约束
RISC-V架构对LR/SC循环有以下核心约束条件:
-
循环结构限制:整个循环必须仅包含LR/SC序列及其失败重试代码,且总指令数不超过16条,这些指令必须连续存放在内存中。
-
LR-SC序列内部限制:在LR和SC之间的代码只能包含基础I指令集中的指令,禁止使用以下操作:
- 加载/存储指令
- 向后跳转
- 已执行的向后分支
- JALR指令
- FENCE指令
- SYSTEM指令
-
重试代码限制:重试代码可以包含向后跳转以重复LR/SC序列,但其他限制与LR-SC序列内部相同。
案例分析
考虑以下锁获取代码:
_lock_loop:
csrrci a0, mstatus, 8
csrr t1, mhartid
auipc t0, 0x88
addi t0, t0, 1308
lr.w t2, (t0)
bnez t2, _retry
li t2, 1
sc.w t2, t2, (t0)
beqz _got_lock
_retry:
csrw mstatus, a0
wfi
j _lock_loop
_got_lock:
符合约束的部分
- 循环结构满足16条指令限制
- LR和SC操作地址相同且大小一致
- LR-SC序列内部没有违反指令集限制
违反约束的部分
- 重试代码中包含SYSTEM指令(WFI和CSR操作)
- 初始代码中的CSR操作(csrrci和csrr)也属于SYSTEM指令
改进建议
对于需要在锁等待时降低功耗的场景,可以考虑使用RISC-V的Zawrs扩展。以下是一个符合约束的实现示例:
lrsc_loop:
lr.w t1, (t0)
bnez t1, sleep
li t2, 1
sc.w t2, t2, (t0)
bnez t2, lrsc_loop
j done
sleep_loop:
lr.w t1, (t0)
beqz t1, retry
sleep:
wrs.nto
j sleep_loop
done:
这个实现避免了在LR/SC循环中使用SYSTEM指令,同时通过wrs.nto实现了低功耗等待。
总结
正确实现LR/SC循环需要开发者严格遵循RISC-V架构规范中的所有约束条件。特别需要注意的是,不仅LR和SC之间的代码有限制,整个循环的重试路径也同样受到约束。在实际开发中,应当仔细检查所有指令类型,确保不会意外引入禁止的指令类别,特别是容易被忽视的SYSTEM指令。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322