PMU·HPM 하드웨어 카운터 분석 — 정밀 성능 진단

#한 줄 요약

**“PMU = CPU 내장 프로파일러”**입니다. 측정 overhead가 거의 0에 가깝습니다.

#ARMv8 PMU 구조

1
/* User mode access 활성화 (kernel 권한 필요) */
2
asm volatile ("msr pmuserenr_el0, %0" :: "r"(1));
3
asm volatile ("msr pmcntenset_el0, %0" :: "r"(0x80000000));   // CCNT enable
4
asm volatile ("msr pmcr_el0, %0" :: "r"(1));                  // PMU enable
5

6
uint64_t cycles;
7
asm volatile ("mrs %0, pmccntr_el0" : "=r"(cycles));

#ARMv8 표준 Event IDs

각 CPU별 Technical Reference Manual을 확인해야 합니다. CPU마다 implementation-specific event가 추가로 정의되어 있습니다.

#Linux perf — 가장 흔한 도구

1
# 기본 측정
2
perf stat ./prog
3

4
# 특정 event
5
perf stat -e cycles,instructions,branches,branch-misses ./prog
6

7
# Raw event (PMU 직접)
8
perf stat -e r03,r04 ./prog   # L1D_CACHE_REFILL, L1D_CACHE
9
perf stat -e r23,r24 ./prog   # STALL_FRONTEND, STALL_BACKEND
10

11
# Profiling
12
perf record -e cycles -g ./prog
13
perf report

perf record 결과로 function별 cycle 분포를 확인할 수 있고, 이를 통해 hotspot을 발견합니다.

#핵심 비율 — IPC·MPKI

$\text{IPC} = \frac{\text{INST\_RETIRED}}{\text{CPU\_CYCLES}} \quad (\text{높을수록 좋음, target } 1+)$

$\text{MPKI} = \frac{\text{L1D\_CACHE\_REFILL} \times 1000}{\text{INST\_RETIRED}} \quad (\text{낮을수록 좋음})$

1
MPKI < 10  — cache 효율 좋음
2
MPKI 10-30 — 보통
3
MPKI > 30  — cache 문제

$\text{Branch mispredict rate} = \frac{\text{BR\_MIS\_PRED}}{\text{BRANCHES}}$

5% 미만이면 양호, 10% 초과면 문제입니다.

$\text{Frontend bound} = \frac{\text{STALL\_FRONTEND}}{\text{CYCLES}}, \quad \text{Backend bound} = \frac{\text{STALL\_BACKEND}}{\text{CYCLES}}$

둘 합이 50% 이상이면 stall 지배적입니다.

#Top-Down Microarchitecture Analysis

Intel이 먼저 도입했고, ARM도 비슷한 분류 체계를 사용합니다.

Bottleneck을 식별한 뒤 적절한 최적화를 적용합니다. cache miss라면 tiling, mispredict라면 branchless 변환이 그 예입니다.

#Cortex-M PMU

Cortex-M3/M4는 작은 PMU를 가집니다.

1
DWT->CTRL |= DWT_CTRL_CYCCNTENA_Msk;
2
uint32_t cycles_start = DWT->CYCCNT;
3
/* code */
4
uint32_t cycles_end = DWT->CYCCNT;

Cortex-M7 이상은 LSU·FOLD·CPI 등 추가 counter를 제공합니다.

1
DWT->LSUCNT  // load/store cycle
2
DWT->CPICNT  // CPI miss (extra) cycle
3
DWT->EXCCNT  // exception overhead
4
DWT->FOLDCNT // folded instruction (e.g. IT)
5
DWT->SLEEPCNT // sleep cycle

1
float cpi = (float)(DWT->CPICNT + DWT->CYCCNT) / DWT->CYCCNT;

#RISC-V HPM (Hardware Performance Monitor)

1
mcycle      — cycle counter (64-bit)
2
minstret    — instruction retired
3
mhpmcounter3 — mhpmcounter31 — 28 programmable counter
4
mhpmevent3  — mhpmevent31    — event ID 선택

Event ID는 vendor마다 다릅니다. SiFive U74 예시는 다음과 같습니다.

1
asm volatile ("csrw mhpmevent3, %0" :: "r"(0x800));   // D-cache miss
2
uint64_t count;
3
asm volatile ("csrr %0, mhpmcounter3" : "=r"(count));

#Sampling — Statistical Profiling

1
perf record -F 1000 -g ./prog   # 1000 Hz sampling
2
perf report --stdio

매 1 ms마다 PC와 call stack을 캡쳐합니다. Flamegraph로 시각화하면 다음과 같습니다.

1
perf script | stackcollapse-perf.pl | flamegraph.pl > flame.svg

overhead가 1-3% 정도로 매우 적어서 production 환경에서도 사용할 수 있습니다.

#Streamline (ARM) / VTune (Intel)

대표적인 GUI 도구들은 다음과 같습니다.

• ARM Streamline: Cortex-A/M target에서 perf 데이터를 수집합니다.
• Intel VTune: Top-down 자동 분석을 제공합니다.
• Apple Instruments: macOS·iOS용입니다.
• NVIDIA Nsight: GPU와 CPU를 함께 봅니다.

학습 곡선이 가파르지만 강력합니다.

#자동차·항공 — RTOS PMU 활용

자동차 ECU(NXP S32K3, Cortex-M7)에서는 PMU로 WCET 분석을 수행합니다.

1
void task(void) {
2
    uint32_t start = DWT->CYCCNT;
3
    do_work();
4
    uint32_t cycles = DWT->CYCCNT - start;
5

6
    if (cycles > WCET_BUDGET) {
7
        log_overrun(cycles);   // 디버깅용
8
    }
9
}

KSLV-II 누리 flight computer에서도 task별 cycle budget을 측정해 안전 마진을 확보합니다.

#Event Multiplexing

PMU counter는 6개인데 측정하고 싶은 event가 12개라면 time-sharing이 필요합니다.

1
perf stat -e r03,r04,r10,r11,r17,r23,r24 ./prog
2
# 6 이하면 동시, 초과시 자동 multiplex
3
# perf가 결과를 normalize (scaling factor)

다만 sampling 방식이라 정확도는 떨어집니다. 가능하면 측정 event 수를 counter 수 이하로 유지하는 것이 좋습니다.

#자주 하는 실수

⚠️ Cycle 측정에 barrier 누락

1
uint32_t start = DWT->CYCCNT;
2
do_work();
3
uint32_t end = DWT->CYCCNT;

OoO CPU에서는 do_work 시작이 start 측정 전에 일어날 수도 있습니다. 다음과 같이 barrier를 넣습니다.

1
__DSB(); __ISB();
2
uint32_t start = DWT->CYCCNT;
3
do_work();
4
__DSB(); __ISB();
5
uint32_t end = DWT->CYCCNT;

⚠️ Counter overflow

32-bit 카운터를 1 GHz에서 돌리면 약 4초만에 overflow가 납니다. 긴 측정에서는 overflow handler를 두거나 64-bit cycle counter(ARMv8 PMCCNTR)를 사용합니다.

⚠️ User-mode PMU 접근

기본적으로 PMU 접근은 kernel mode 전용입니다. Linux에서는 /proc/sys/kernel/perf_event_paranoid로 제어합니다.

1
echo 0 | sudo tee /proc/sys/kernel/perf_event_paranoid   # user access

Production 서버에서는 보안 위험이 있으므로 신중하게 적용해야 합니다.

⚠️ ISR이 측정 손상

PMU counter는 ISR도 함께 카운트합니다. ISR이 빈번하면 측정 결과에 노이즈가 섞입니다. ISR-free 구간을 잡거나, 측정에서 ISR을 빼는 방법을 씁니다.

#정리

• PMU는 CPU 내장 hardware counter입니다. overhead가 거의 0입니다.
• ARMv8은 6개 counter와 별도의 cycle counter를 제공합니다.
• 핵심 metric은 IPC, MPKI, mispredict rate, STALL입니다.
• Linux perf가 사실상 표준 도구입니다.
• Cortex-M은 DWT counter, Cortex-A는 PMU를 씁니다.
• RISC-V는 mhpmcounter로 programmable counter를 제공합니다.
• WCET 검증, hotspot 파악, top-down 분석에 핵심적인 도구입니다.

다음 파트에서는 Compiler & Optimization을 다룹니다.

#관련 항목

• 2-09: SIMD NEON
• 3-01: Compiler 최적화 단계