Spike-pk在RISC-V RTL开发验证中的应用：黄金参考基准

【一】、在看 RISC-V 的模拟器 spike 和 riscv-pk或简称 spike-pk这一套东西挺神奇的以前有个印象这个东西在 RTL 开发中的应用主要就是作为参考基准和 RTL 上的数字电路设计的仿真进行比对以找到 RTL 可能存在的对 RISCV 指令集设计实现上的错误。这在 picorv32 里似乎找到了因为它有使用 spike 的仿真结果和其它结果比对典型的是在 picorv32/scripts/csmith/Makefile 中发现了大量的使用比较的方法其中有一个 output_ref.txt 是比较参考基准而 spike 运行出来的 output_sim.txt 则是被比较的【怀疑对象】iverilog/verilator 生成的也是 output_sim.txt 的被比较的【怀疑对象】。这就有点奇怪了为什么 spike 运行出来的是被比较的怀疑对象而不是绝对正确的参考基准呢它的 output_ref.txt 就是一个 gcc (而不是 riscv64-unknown) 所编译的 test.c 文件。如下所示----这个 Makefile 里output_ref.txt 不是 RISC-V 指令集参考而是 x86 主机 native 编译运行的 Csmith 随机 C 程序的输出spike、iverilog、verilator (PicoRV32 RTL) 三者都是被测对象都要和 x86 主机的程序行为做比对。----这里的参考基准不是 RISC-V ISA 模拟器 Spike而是C 语言程序本身的语义同一个 C 代码不管跑在 x86 主机、Spike RISC-V 模拟器、PicoRV32 RTL 仿真程序可观测输出必须一致。----为什么要拿 x86 native 做参考而不是拿 Spike 当参考----1. Csmith 的目的验证**编译器 目标平台**对 C 标准的实现一致性。------Csmith 生成随机 C 程序用来发现编译器 bug、CPU/ISA 实现 bug。------Csmith 的核心假设同一个合法 C 源码在符合 C 标准的不同平台上可观测程序输出必须相同。------参考源x86 Linux host gcc成熟稳定作为 C 语言语义真值。------待测riscv-gcc把 C 编译成 RISC-V 指令 运行载体Spike 模拟器 / PicoRV32 RTL。----2. 和印象里「Spike 作为 ISA 参考模型比对 RTL」的场景区分开。----之前理解的经典芯片验证流程是黄金参考模型Spike → 产生指令执行轨迹traceRTL 仿真导出 trace比对两条 trace检查每一条指令执行、寄存器 / 内存更新是否一致。在这个场景下Spike golden referenceRTL DUT被测设计【二】、Csmith 是一种 CPU ISA 测试的方法学 (methodology) 吗Spike 这种 golden reference 也是某种 ISA 测试方法学吗比如说在更早之前就有这样的方法论论文----0. Csmith 本身不是 ISA 测试方法学它是一个工具它背后的核心方法学是【差分测试 Differential Testing】1998 年 McKeeman 就有奠基论文Csmith 是把这套差分测试落地到 C 编译器、后来被硬件圈拿来做 CPU/ISA 验证的工具arXiv。----0. Spike 不是方法学它是一个 Golden Reference ModelGRM黄金参考模型而 “用 ISA 功能模拟器ISS作为 golden和 RTL DUT 做状态比对 / 协同仿真”这是一套成熟的处理器功能验证方法学远早于 RISC-V 和 Spike。----1、Csmith 工具 和它对应的验证发法学----Csmith 是什么Csmith 是**随机、无未定义行为 C 程序生成器**2011 年 PLDI 论文《Finding and Understanding Bugs in C Compilers》Yang, Regehr正式发表初衷**不是测 CPU是测 C 编译器**GCC、LLVM 等的 miscompilation 错误。----Csmith核心原理生成**确定、无 UBUndefined Behavior**的 C 程序同一个源码交给多个独立编译器 / 平台执行比对输出输出不一致则至少其中一个实现有错。----Csmith这一套方法叫 **Differential Testing差分测试****不是 Csmith 发明**。----差分测试的源头McKeeman 1998 论文《Differential Testing for Software》奠定差分测试方法论**多个独立实现喂相同输入比对输出用来找实现不一致 bug**。----Csmith 是差分测试的一个**实例化工具**专门生成合法 C 作为输入。----2、Spike工具 和它对应的验证方法学----Spike 是**RISC-V 指令集模拟器 ISSInstruction Set Simulator**属于**Golden Reference ModelGRM**是**方法学里的一个组件oracle 真值源**不是方法学本身。----Spike对应的经典方法学Golden Model / Reference Model 协同仿真比对。名称常见叫法- Reference Model Verification- Co-simulation协同仿真- ISS vs RTL trace comparison指令级 trace 比对----核心思想几十年前就存在远远早于 RISC-V----建立一个**可信的高层抽象模型golden model**严格按照 ISA 规范建模只建模架构可见状态PC、GPR、CSR、内存不建模微架构流水线、bypass、cache 时序----同一个测试激励同时跑 golden model 和 RTL DUT**每一条指令提交后比对架构状态**一旦寄存器 / 内存不一致立刻报 bug。----这个方法在 90 年代商用 CPU 验证就大量使用ARM、MIPS、PowerPC 都在用不是 RISC-V 独创。---- ARM 早年用 C 写的 ISA 参考模型----- MIPS 有 mips-sim---- RISC-V 社区把 Spike 做成开源 GRM所以现在 RISC-V 圈子默认 Spike 作为 golden。----3、更早的相关方法论论文时间线----3.1. **1998McKeeman, Differential Testing for Software** —— 差分测试奠基论文。Csmith 只是这个思想在编译器领域的实例后来硬件圈拿来复用。这是你 PicoRV32 csmith 脚本的底层理论源头arXiv。----3.2. 90 年代工业界大量使用**reference model /golden model 协同仿真**做 CPU 验证大量 DAC/DATE 论文没有单一 “发明者”是随 CPU RTL 验证发展出来的工程方法学早期参考模型很多是 C 写的功能模型。----3.3. 2011 PLDIYang Regehr 《Finding and Understanding Bugs in C Compilers》 → Csmith 正式发表目标编译器 fuzzing。----3.4. 2010 年后 RISC-V 兴起Spike 作为 RISC-V ISS被社区选为开源 golden model然后出现 riscof、riscv-dv 等验证框架把 Spike 集成进 ISS-RTL trace 比对 flow。【三】、同样是在 picorv32 项目里还有一处也是用到了 spike但这次用法更为 “惊人”它把 spike test.elf test.ref 所生成的 test.ref 文件作为 iverilog 的执行器 (vvp) 的一个参数在 vvp 命令行里使用了 reftest.ref这是什么神奇用法呢如下是这个 picorv32/scripts/torture/test.sh 的脚本。----一句话核心reftest.ref **不是 vvp/iverilog 内置功能**这是**testbench.v 里面自己写的 Verilog 测试代码**用$value$plusargs读出reftest.ref这个字符串**在 RTL 仿真运行期间实时读取 Spike 提前生成好的 trace 文件逐指令比对 PicoRV32 的架构状态**。----这就是前面说的经典 ISA 验证 flow**Spike 作为 Golden Reference输出 traceRTL DUT 在仿真时每提交一条指令就和 golden trace 做在线比对一旦寄存器 / PC / 内存不一致仿真立刻终止报错**。----这和前面 scripts/csmith 的测试是**两套完全不同的验证范式**刚好形成对照----1. **csmith****后处理比对**跑完整套程序比对最终 stdout 输出参考源是 x86 主机 gcc粗粒度程序级。----2. **riscv-torture ref****仿真内在线逐指令 trace 比对**参考源是 Spike细粒度ISA 架构状态级。----这个 torture 脚本用的就是经典 **Golden Reference Model 协同仿真 / Tandem Simulation串联仿真**----同一个激励先跑 golden 模型Spike预先生成 trace再跑 RTL DUTDUT 运行时逐条对照 golden trace。----属于**参考模型验证方法学**90 年代工业处理器验证就已经广泛使用。----变种还有**实时协同仿真co-sim**Spike 和 RTL 同步跑DUT 每提交一条指令就调用 Spike DPI 接口当场计算参考状态而不是预先生成离线 trace 文件。PicoRV32 这里选了离线预生成 trace 的简化版本更轻量不需要 DPI。----同样是这个目录下的Makefile采用Verilator进行验证依靠同样的testbench.v里面的readmemh()读取hex和ref两个变量所代表的实际文件该变量由Makefile中的参数传入即如上的$(TESTBENCH_EXE) hextest_xxx.hex reftest_xxx.ref所传入而test_xxx.ref正是由spike所生成的Trace。Testbench.v代码中会比较test_xxx.hex和test_xxx.ref的结果。----两次看到了Spike作为Golden Reference Mode、用来验证RTL的test_xxx.hex是否和该GRM一致。完关键字Spike, Riscv-pk, Spike-pk, Golden Reference Mode, Golden TraceDifferential Testing差分测试。Reference Model Verification参考模型验证。Co-simulation协同仿真ISS vs RTL trace comparison指令级 trace 比对。摘要本文记录了PicoRV32中两个层次的差分测试案例一个是使用Spike作为黄金基准、对RISCV RTL的运行结果进行比对测试。另一个则是以x86-gcc作为基准对riscv-gcc compiled program running on Spike/RISCV-RTL进行测试其中riscv-gcc compiled program on RISCV-RTL的测试又分别使用了iverilog和verilator等不同的仿真工具进行测试。充分展现了差分测试(Diff Test)和参考模型验证(Reference Model Verification)等方法。