GHDL项目中的覆盖率JSON输出问题分析与修复
2025-06-30 00:51:20作者:平淮齐Percy
问题概述
GHDL作为一款开源的VHDL仿真工具,在其5.0.0-dev版本中,覆盖率JSON输出功能存在多个严重问题。这些问题包括运行时崩溃和JSON格式不规范等,影响了用户获取和分析代码覆盖率数据的能力。
具体问题表现
运行时崩溃问题
-
空实体崩溃:当测试一个仅包含空实体和架构的VHDL文件时,工具会在trans-coverage.adb文件的第76行抛出范围检查失败异常。
-
信号赋值崩溃:在包含简单信号赋值的VHDL文件中,工具会在ghdlcovout.adb文件的第109行抛出空指针解引用异常。
JSON格式问题
生成的覆盖率JSON文件存在多处不符合JSON规范的情况:
- 使用单引号而非标准双引号
- 缺少必要的键名
- 数据结构定义混乱(如将字典误用为数组)
技术分析
崩溃原因
-
空实体处理缺陷:覆盖率统计模块未能正确处理没有任何可执行语句的VHDL设计单元,导致数组越界访问。
-
信号处理异常:在收集信号赋值覆盖率数据时,未正确初始化相关数据结构,导致空指针解引用。
JSON生成问题
覆盖率JSON生成模块存在以下设计缺陷:
- 直接使用了Ada风格的字符串引号
- 数据结构序列化逻辑不完善
- 缺少严格的JSON格式验证
解决方案
GHDL开发团队已针对这些问题进行了修复:
- 增加了对空设计单元和信号赋值的健壮性处理
- 完全重写了JSON生成逻辑,确保输出符合标准JSON规范
对用户的影响
修复后,用户可以获得:
- 更稳定的覆盖率数据收集功能
- 标准化的JSON输出,便于集成到CI/CD流程
- 更完整的覆盖率信息,包括测试用例名称等元数据
最佳实践建议
对于需要使用覆盖率功能的用户,建议:
- 使用最新版本的GHDL
- 对于复杂设计,分模块进行覆盖率分析
- 结合lcov或gcovr等工具进行可视化展示
未来展望
GHDL团队计划进一步改进覆盖率功能,包括:
- 支持更多类型的覆盖率指标
- 提供更丰富的元数据
- 优化大设计下的性能表现
这些改进将使GHDL在验证和测试领域发挥更大作用,为硬件设计提供更强大的工具支持。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
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
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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