Verilator覆盖率统计在ConstPool查找时未更新的问题分析
2025-06-28 16:47:58作者:邓越浪Henry
Verilator是一款流行的开源硬件描述语言(HDL)仿真工具,它能够将SystemVerilog设计转换为C++或SystemC模型。在最新版本5.028中,用户发现了一个关于代码覆盖率统计的重要问题,特别是在使用ConstPool优化时,覆盖率计数器未能正确更新。
问题背景
在硬件设计中,代码覆盖率是验证设计正确性的重要指标。Verilator提供了--coverage选项来支持代码覆盖率统计。然而,当设计中的组合逻辑被优化为ConstPool查找表时,相关的覆盖率计数器会出现更新遗漏的情况。
具体问题表现
以一个简单的UART发送器设计为例,其中包含一个状态机的组合逻辑部分。Verilator正确插入了覆盖率统计点,包括case语句的各个分支和整个always块。然而,当这部分逻辑被优化为ConstPool查找表实现时,虽然覆盖率统计点的定义被保留,但在实际仿真过程中这些统计点的计数器却从未被递增。
技术原理分析
Verilator在优化过程中会将某些组合逻辑转换为预计算的查找表(ConstPool),这是一种常见的优化手段,可以显著提高仿真性能。然而,当前的实现中,覆盖率统计点的更新逻辑与ConstPool优化路径之间存在脱节:
- 覆盖率统计点定义在代码生成阶段被正确插入
- 但当逻辑被转换为ConstPool查找时,相应的覆盖率计数器更新代码未被生成
- 这导致覆盖率报告无法反映实际的代码执行情况
影响范围
这个问题会影响所有使用以下特性的设计:
- 包含会被优化为ConstPool的组合逻辑
- 启用了覆盖率统计功能(
--coverage选项) - 特别是状态机等使用case语句的控制逻辑
临时解决方案
目前可用的临时解决方案是使用-mno-table编译选项,禁用ConstPool优化。虽然这会略微降低仿真性能,但可以确保覆盖率统计的正确性。
修复方向
从技术实现角度看,修复这一问题需要:
- 在V3Simulate模块中检查AstCover节点
- 当覆盖率统计启用时,强制V3Table模块不进行相关优化
- 或者在生成ConstPool查找代码时,同时生成对应的覆盖率计数器更新代码
这个问题已被确认并标记为已修复,预计将在后续版本中发布。对于依赖覆盖率统计的验证工作,建议开发者关注这一问题并适时更新Verilator版本。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
225
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868