GHDL覆盖率工具合并文件时崩溃问题分析
2025-06-30 17:35:50作者:俞予舒Fleming
GHDL是一款开源的VHDL仿真工具,其5.0.1版本中的覆盖率功能在处理合并多个测试用例的覆盖率结果时存在一个严重问题。本文将详细分析该问题的表现、原因以及解决方案。
问题现象
当用户尝试使用ghdl coverage命令合并多个测试用例的覆盖率JSON文件时,如果这些测试用例共享了相同的VHDL源文件,工具会抛出CONSTRAINT_ERROR异常并崩溃。错误信息显示这是一个访问检查失败的问题,发生在ghdlcov.adb文件的第328行。
问题复现
通过以下步骤可以稳定复现该问题:
- 创建三个VHDL文件:一个设计文件(reproducer.vhd)和两个测试文件(tb_reproducer.vhd和tb_second.vhd)
- 分别编译并运行两个测试用例,生成各自的覆盖率JSON文件
- 尝试使用ghdl coverage合并这两个JSON文件时,工具崩溃
技术分析
从错误信息来看,这是一个典型的Ada语言运行时访问检查失败问题。具体表现为:
- 当覆盖率工具尝试合并多个测试用例的结果时
- 对于共享的源文件(reproducer.vhd)
- 工具在内部数据结构访问时出现了空指针或无效访问
附带问题:LCov格式输出不规范
在分析过程中还发现,GHDL覆盖率工具生成的LCov格式输出存在一个小问题。在函数名(FN)行中,工具错误地使用了冒号(:)而不是逗号(,)作为分隔符。根据LCov格式规范,正确的格式应该是:
FN:<起始行号>,<结束行号>,<函数名>
而GHDL当前输出为:
FN:<起始行号>:<函数名>
解决方案
该问题已在后续版本中得到修复。开发团队通过以下方式解决了问题:
- 修复了合并覆盖率数据时的访问检查逻辑
- 确保工具能够正确处理共享源文件的情况
- 修正了LCov格式输出的分隔符问题
建议
对于遇到此问题的用户,建议:
- 升级到最新版本的GHDL工具
- 如果必须使用5.0.1版本,可以考虑分别生成各个测试用例的覆盖率报告,而不是合并它们
- 对于LCov格式问题,可以使用简单的文本处理工具进行后期修正
总结
GHDL作为一款开源VHDL仿真工具,其覆盖率功能在复杂场景下仍有一些需要完善的地方。本文分析的问题展示了在合并多个测试用例覆盖率结果时的典型故障,以及相关的输出格式问题。通过理解这些问题,用户可以更好地使用GHDL进行VHDL代码的覆盖率分析工作。
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
173
193
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
263
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
269
93
暂无简介
Dart
622
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
377
3.32 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
620
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