一句话:DDR3-1066 32 位的理论峰值是 8.5GB/s,实际顺序访问约 6GB/s,随机小块只有 2.5GB/s。
选型时最容易犯的错,是拿数据手册的峰值带宽算余量。那个数字只在理想条件下成立。
图 1:DDR 的峰值带宽要打七折才算可用
峰值怎么算
8.5 GB/s = 1066 MT/s × 4 B(32 位) × 2(双沿)
DDR 在每个时钟的上升沿和下降沿都传数据,所以是频率的两倍。32 位 = 4 字节。
这是引脚上的理论速率,不包括刷新、预充电、行切换、仲裁。
实际能拿到多少
| 访问模式 | 有效带宽 | 效率 |
|---|---|---|
| 连续 1KB 突发 | ~8.1 GB/s | 95% |
| 64B 突发 | ~6.0 GB/s | 70% |
| 32B 小块 | ~3.8 GB/s | 45% |
| 随机 8B 访问 | ~2.1 GB/s | 25% |
图 2:同样的数据量,访问模式不同,有效带宽差 3 倍
差异来自行切换。DDR 的一行(row)打开后可以连续读写,换行要预充电 + 激活,几十个周期就没了。所以访问越连续,效率越高。
算一个真实设计
1080p30 视频:187MB/s 写 + 187MB/s 读 = 374MB/s
千兆网:125MB/s × 2(收+发)= 250MB/s
CPU 访问:约 300MB/s
合计约 920MB/s,占 6GB/s 的 15%。7020 上大多数设计不是 DDR 带宽受限,而是 AXI 口数量、仲裁策略、缓存未命中受限。
三个坑
一是四口 HP 不等于四倍带宽。 四个 master 同时访问,DDR 控制器仲裁轮流服务,总带宽还是那么多,只是延迟变均匀。真正的瓶颈常在控制器侧。
二是小块 DMA 拉低效率。 一次搬 32 字节,效率只有 45%。把描述符合并成大块(1KB 以上),带宽立刻翻倍。
三是 CPU 和 PL 抢同一片区域。 没有 MMU 隔离时,PL 大量读写会让 CPU 的缓存miss 率上升,表现为“加了 PL 采集,Linux 就卡”。
一个测量方法
别信计算,实测。用 AXI Performance Monitor 或在 PL 里做计数器:
always @(posedge clk) begin if (m_axi_rvalid && m_axi_rready) byte_cnt <= byte_cnt + 1; end
跑一秒,读出 byte_cnt,除以时间就是实测带宽。跟自己算的对一下,差得多就说明访问模式有问题。
burst 长度对效率的影响
同样搬 1KB 数据,AXI burst 长度不同,DDR 侧效率差很多:
| burst 长度 | 事务数 | DDR 效率 |
|---|---|---|
| 4 beats(16B) | 64 | ~40% |
| 16 beats(64B) | 16 | ~70% |
| 64 beats(256B) | 4 | ~88% |
原因还是行切换:每换一次 row 要预充电 + 激活,约 30–40ns。事务越碎,切换占比越高。
VDMA 的 max burst size 默认 16,长行图像可以调到 64,实测带宽能涨 20% 以上。
图 3:DDR 的 bank 与 row
行命中与行缺失,差的是一次预充电加激活。
读写切换的代价:tWTR 与 tRTW
DDR 的数据总线是双向的,读和写之间要切换方向。切换不是免费的:
· tWTR(write to read):写完到能读,约 4–8 个时钟
· tRTW(read to write):读完到能写,约 4–6 个时钟
如果读写频繁交替,这些切换时间会吃掉带宽。实测:读写比例 50/50 且交替粒度很细时,有效带宽比纯读或纯写低 15%–20%。
所以 DMA 的设计原则是读写分批:先连续读一大块到片上缓冲,处理完再连续写回去。而不是“读一点、写一点”交替。
VDMA 默认的调度已经做了这件事(按帧搬),自己写 DMA 时要记得。
图 4:读写切换的气泡
交替读写和分批读写,差别就在这些气泡里。
带宽预算表(可直接抄)
| 项目 | 数值 | 说明 |
|---|---|---|
| DDR 型号 | DDR3-1066 32bit | 峰值 8.5 GB/s |
| 可用(顺序) | 6.0 GB/s | 打七折 |
| 设计占用 | 2.1 GB/s | 各模块平均相加 |
| 余量 | 65% | 建议保留 30% 以上 |
余量不是浪费。峰值是瞬时行为,几个模块同时突发时,占用会短时间翻倍。留 30% 才不会出现“视频一开就卡”的情况。
判断是否真的够,别只看表——跑起来用 AXI Performance Monitor 看实际占用,或者像上一篇那样在 PL 里做计数器。
39