RISC-V GNU工具链构建:禁用硬件除法指令的方法
2025-06-17 15:14:37作者:范靓好Udolf
背景介绍
在RISC-V架构开发中,某些硬件实现可能不支持硬件除法指令。当使用标准RISC-V GNU工具链时,编译器默认生成的代码和标准库函数可能会包含这些不支持的指令,导致程序无法正常运行。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
RISC-V架构中,整数除法指令(div/divu/divw/divuw等)和浮点除法指令(fdiv.d/fdiv.s等)都是可选扩展。如果目标硬件不支持这些指令,就需要确保:
- 用户代码编译时不生成这些指令
- 标准库(如Newlib)的实现也不使用这些指令
解决方案
1. 标准构建流程
首先按照常规方法获取和配置工具链源码:
git clone https://github.com/riscv-collab/riscv-gnu-toolchain
cd riscv-gnu-toolchain
./configure --prefix=`pwd`/installed-tools
2. 关键构建参数
在make命令中添加以下参数,确保所有目标代码都不包含除法指令:
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
这些参数的作用:
-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
3. 验证构建结果
构建完成后,可以使用以下命令检查标准库是否包含除法指令:
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、ldiv等),而不包含实际的除法指令。
技术原理
当禁用硬件除法指令后,编译器会使用软件库函数来实现除法运算。这些库函数通常基于移位和减法等基本操作来实现除法功能,虽然性能较低,但可以在不支持硬件除法的处理器上运行。
在RISC-V架构中:
- 整数除法会调用如
__divdi3、__udivdi3等运行时库函数 - 浮点除法会调用如
__divdf3、__divsf3等软浮点库函数
注意事项
- 性能影响:软件实现的除法比硬件除法慢很多,在性能敏感的应用中需要特别注意
- 代码大小:软件除法会增加代码体积
- 浮点运算:如果同时禁用浮点单元,还需要考虑使用软浮点ABI
- 测试验证:构建完成后需要全面测试,确保所有数学运算都能正常工作
总结
通过上述方法构建的RISC-V GNU工具链可以确保生成的代码完全不依赖硬件除法指令,适合在不支持这些指令的RISC-V处理器上使用。这种方法不仅影响用户代码,还确保了标准库的实现也遵循相同的约束,为特殊硬件环境下的开发提供了完整的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust099- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
Claude 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 Started
Rust
570
99
暂无描述
Dockerfile
709
4.51 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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
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
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
951
235
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
12
2