📚 课程目录第2章开发环境搭建

第二章开发环境搭建：RVV工具链与模拟器配置

说实话，做RVV向量化开发，最怕的不是算法难，而是环境搭了半天跑不起来。我见过太多人卡在工具链安装这一步，一卡就是一整天。今天咱们就把这事彻底搞定。

本章核心目标：让你能在自己的机器上编译、运行、调试RVV向量化代码，并且能准确测量性能。

2.1 RVV工具链选择：GCC还是LLVM？

先聊工具链。目前支持RVV的主流编译器就两个：GCC和LLVM。我个人两个都用过，说说实际感受。

对比项	GCC (riscv-gnu-toolchain)	LLVM (riscv-llvm)
RVV支持版本	v1.0（完整支持）	v1.0（完整支持）
向量化自动优化	较强，-O3 -ftree-vectorize	中等，-O3 -Rpass=loop-vectorize
内联汇编支持	成熟稳定	较新，偶有坑
调试信息质量	GDB配合良好	LLDB，生态稍弱
编译速度	中等	快（尤其增量编译）

我的建议：初学者先用GCC。为什么？因为社区资料多，遇到问题好搜。等上手了再尝试LLVM，它的编译速度确实快不少。

2.2 GCC工具链安装（源码编译）

这是最稳妥的方式。别怕，我一步步带你走。

2.2.1 前置依赖

先确认系统装了这些包。我用的是Ubuntu 22.04，其他发行版类似。

sudo apt-get update
sudo apt-get install autoconf automake autotools-dev curl python3 \
  libmpc-dev libmpfr-dev libgmp-dev gawk build-essential bison \
  flex texinfo gperf libtool patchutils bc zlib1g-dev libexpat-dev \
  ninja-build pkg-config libglib2.0-dev

小经验：我曾经在CentOS上少装了libmpc-dev，编译到一半报错，查了半天才发现。所以建议你对着列表一个一个检查，别跳步。

2.2.2 下载与配置

git clone https://github.com/riscv-collab/riscv-gnu-toolchain
cd riscv-gnu-toolchain
git checkout 2023.12.20  # 选一个稳定版本

配置时，记得打开RVV支持：

./configure --prefix=/opt/riscv \
  --with-arch=rv64gcv \
  --with-abi=lp64d \
  --enable-multilib

这里解释一下参数：

--with-arch=rv64gcv：64位，G（通用扩展），C（压缩指令），V（向量扩展）
--with-abi=lp64d：LP64数据模型，双精度浮点
--enable-multilib：支持多种ABI，方便调试

2.2.3 编译安装

make -j$(nproc)

这个过程比较长，大概30分钟到1小时，取决于你的机器。去喝杯咖啡吧。

注意：如果编译过程中断，重新执行make会继续，不用从头来。但千万别手贱去删build目录。

2.2.4 验证安装

export PATH=/opt/riscv/bin:$PATH
riscv64-unknown-elf-gcc --version
riscv64-unknown-elf-gcc -march=rv64gcv -dM -E - < /dev/null | grep VECTOR

看到输出中有__riscv_v相关的宏定义，就说明RVV支持已经打开了。

2.3 QEMU模拟器配置

说实话，QEMU是我日常开发的主力。没有开发板？没关系，QEMU跑起来一样调。

2.3.1 安装QEMU

我建议自己编译，因为发行版自带的版本通常太老，不支持RVV。

git clone https://github.com/qemu/qemu.git
cd qemu
git checkout v8.2.0  # 这个版本对RVV支持比较完善
./configure --target-list=riscv64-softmmu --enable-slirp
make -j$(nproc)
sudo make install

2.3.2 启动一个RVV测试环境

你需要一个内核镜像和根文件系统。这里我用一个轻量级的方案：

# 下载OpenSBI和内核
wget https://github.com/riscv-software-src/opensbi/releases/download/v1.3.1/opensbi-1.3.1-rv-bin.tar.xz
tar xf opensbi-1.3.1-rv-bin.tar.xz

# 启动QEMU
qemu-system-riscv64 \
  -machine virt \
  -cpu rv64,v=true,vlen=256,elen=64 \
  -m 2G \
  -kernel opensbi-1.3.1-rv-bin/share/opensbi/lp64/generic/firmware/fw_jump.bin \
  -device loader,file=your_kernel.bin,addr=0x80200000 \
  -nographic

关键参数说明：

v=true：启用向量扩展
vlen=256：向量寄存器长度256位（VLEN）
elen=64：元素最大位宽64位

这些参数直接影响你的向量化代码行为，一定要搞清楚。

2.4 Spike仿真器使用

Spike是RISC-V官方的指令集模拟器。它比QEMU慢，但能提供更精确的指令级信息。我在做性能分析时经常用它。

2.4.1 安装Spike

git clone https://github.com/riscv-software-src/riscv-isa-sim.git
cd riscv-isa-sim
mkdir build && cd build
../configure --prefix=/opt/spike --with-isa=rv64gcv
make -j$(nproc)
sudo make install

2.4.2 运行程序并统计指令

spike --isa=rv64gcv /opt/riscv/bin/pk your_program.elf

如果想看向量指令的执行情况：

spike --log-commits --isa=rv64gcv /opt/riscv/bin/pk your_program.elf 2>&1 | grep "v" | wc -l

这行命令会统计所有向量指令的执行次数。我在调优时经常用这个来确认向量化是否真的生效了。

坑：Spike默认的PK（代理内核）可能不支持某些系统调用。如果你遇到莫名其妙的崩溃，试试用--pk=./pk指定自己编译的PK版本。

2.5 性能分析工具perf准备

perf是Linux自带的性能分析工具。在RVV开发中，我主要用它来：

看热点函数在哪里
分析缓存命中率
确认向量化是否带来实际收益

2.5.1 安装perf

sudo apt-get install linux-tools-common linux-tools-$(uname -r)

注意：perf版本必须和内核版本匹配。如果不匹配，会报perf: not found。

2.5.2 在QEMU中使用perf

QEMU本身不支持perf，但我们可以用perf stat在宿主机上统计QEMU进程：

perf stat -e instructions,cycles,cache-misses \
  qemu-system-riscv64 -machine virt -cpu rv64,v=true ...

这样能看出QEMU模拟RVV指令时的整体开销。

2.5.3 在Spike中使用perf-like统计

Spike虽然没有perf，但可以用--log-commits配合脚本做类似分析。我写了个小脚本：

#!/bin/bash
# spike_perf.sh - 统计指令分布
spike --log-commits --isa=rv64gcv $1 $2 2> spike.log
echo "=== 指令统计 ==="
echo "总指令数: $(wc -l < spike.log)"
echo "向量指令数: $(grep -c ' v' spike.log)"
echo "标量指令数: $(grep -c ' [^v]' spike.log)"
echo "向量化比例: $(echo "scale=2; $(grep -c ' v' spike.log) * 100 / $(wc -l < spike.log)" | bc)%"

我的习惯：每次优化前后都跑一遍这个脚本。如果向量化比例没提升，说明优化方向可能错了。

2.6 环境验证：跑一个RVV向量加法

说了这么多，咱们来验证一下环境是否真的能用。写个简单的向量加法：

// vadd.c
#include <riscv_vector.h>
#include <stdio.h>

int main() {
    float a[8] = {1,2,3,4,5,6,7,8};
    float b[8] = {8,7,6,5,4,3,2,1};
    float c[8];

    size_t vl = vsetvl_e32m1(8);
    vfloat32m1_t va = vle32_v_f32m1(a, vl);
    vfloat32m1_t vb = vle32_v_f32m1(b, vl);
    vfloat32m1_t vc = vfadd_vv_f32m1(va, vb, vl);
    vse32_v_f32m1(c, vc, vl);

    for(int i = 0; i < 8; i++) {
        printf("c[%d] = %f\n", i, c[i]);
    }
    return 0;
}

编译运行：

riscv64-unknown-elf-gcc -march=rv64gcv -O3 -o vadd.elf vadd.c
spike --isa=rv64gcv /opt/riscv/riscv64-unknown-elf/bin/pk vadd.elf

如果输出正确，说明你的工具链和模拟器都配置成功了。

恭喜！你现在已经拥有了一个完整的RVV开发环境。接下来的章节，我们会在这个环境上做真正的向量化算法移植和调优。

2.7 本章知识体系

下面这张图总结了本章的核心内容，帮你建立整体认知：

这张图把本章的知识点串起来了。你可以看到，工具链是基础，QEMU和Spike是运行环境，perf是优化工具。三者缺一不可。

最后说一句：环境搭建是最枯燥但最重要的一步。我当年第一次搭RVV环境时，光编译工具链就折腾了两天。但一旦跑通了第一个向量加法，那种成就感是无可替代的。坚持下去，后面就是一片坦途。

📚 课程目录

第二章 开发环境搭建：RVV工具链与模拟器配置

2.1 RVV工具链选择：GCC还是LLVM？

2.2 GCC工具链安装（源码编译）

2.2.1 前置依赖

2.2.2 下载与配置

2.2.3 编译安装

2.2.4 验证安装

2.3 QEMU模拟器配置

2.3.1 安装QEMU

2.3.2 启动一个RVV测试环境

2.4 Spike仿真器使用

2.4.1 安装Spike

2.4.2 运行程序并统计指令

2.5 性能分析工具perf准备

2.5.1 安装perf

2.5.2 在QEMU中使用perf

2.5.3 在Spike中使用perf-like统计

2.6 环境验证：跑一个RVV向量加法

2.7 本章知识体系

第二章开发环境搭建：RVV工具链与模拟器配置