GHDL覆盖率报告生成中的JSON格式问题分析
2025-06-30 14:18:37作者:何将鹤
问题背景
在数字电路设计验证过程中,代码覆盖率是衡量测试完备性的重要指标。GHDL作为一款开源的VHDL仿真工具,提供了代码覆盖率收集功能,能够生成JSON格式的覆盖率报告文件。然而,在某些特定场景下,GHDL生成的JSON文件会出现格式错误,导致后续处理工具无法正确解析。
问题现象
当VHDL实体中存在未使用的输入端口时,GHDL生成的覆盖率JSON文件会缺少必要的逗号分隔符。具体表现为:在JSON文件的"outputs"数组中,各元素之间缺少逗号分隔,导致JSON格式无效。
问题复现
通过一个简单的VHDL设计可以稳定复现该问题。设计包含一个实体,其中输入端口clk未被使用:
entity reproducer is
port (
clk : in std_logic; -- 未使用的输入端口
reset : out std_logic
);
end entity reproducer;
architecture rtl of reproducer is
begin
reset <= '1'; -- 仅使用reset端口
end architecture;
当使用GHDL进行仿真并生成覆盖率报告时,产生的JSON文件在"outputs"数组的两个元素之间缺少逗号:
"outputs": [
{
"file": "tb_reproducer.vhd",
...
} // 这里缺少逗号
{
"file": "reproducer.vhd",
...
}
]
技术分析
该问题源于GHDL覆盖率报告生成逻辑中的一个边界条件处理缺陷。当检测到端口未被使用时,代码路径中遗漏了数组元素分隔符的生成。这种问题在编译器/工具开发中属于典型的"边界条件"错误,通常出现在处理特殊语法结构或使用模式时。
影响范围
该问题会影响以下使用场景:
- 使用GHDL进行代码覆盖率分析
- 实体中包含未使用的输入端口
- 需要将覆盖率报告转换为其他格式(如lcov)
解决方案
GHDL开发团队已修复此问题。修复方案主要涉及:
- 确保在生成JSON数组元素时始终添加适当的分隔符
- 完善测试用例,覆盖端口未使用的情况
最佳实践建议
为避免类似问题,建议VHDL开发者:
- 对于暂时不使用的输入端口,可以添加空操作或断言语句,明确标记设计意图
- 定期更新到GHDL最新版本,获取稳定性改进
- 在关键验证流程中,人工检查生成的中间文件格式是否正确
总结
代码覆盖率工具的正确性对验证工作至关重要。GHDL作为开源VHDL工具链的重要组成部分,其覆盖率功能的不断完善有助于提升硬件设计验证的效率和质量。开发者应关注工具更新,及时应用修复补丁,确保验证流程的可靠性。
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 StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0125
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.95 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
Ascend Extension for PyTorch
Python
722
894
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
458
450
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
264
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
624
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
639
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250