3. 版图数据特征与性能影响
在版图验证中，Calibre 的运行时间和峰值内存并不只由规则文件决定，版图数据本身的结构特征往往才是性能差异的根源。同一套 DRC 规则，面对两个面积相近但组织方式不同的版图，运行时间可能相差数倍。理解 GDSII/OASIS 的层次结构、单元复用方式、多边形密度、层数以及总数据量如何影响 Calibre 的展开、切分与运算过程，是后续所有优化手段的判断基础。
一、GDSII 与 OASIS 的层次结构差异
GDSII 和 OASIS 都是层次化格式，版图由若干 cell 组成，cell 内部包含多边形、路径、文本等几何对象，并通过 SREF（单元引用）和 AREF（阵列引用）复用其他 cell。区别在于：GDSII 采用定长记录、32 位整数坐标，单个文件通常不超过 4 GB，坐标精度受数据库单位限制；OASIS 采用变长记录、支持 64 位坐标、内建压缩与重复对象引用，文件体积通常只有等价 GDSII 的 1/5 到 1/10，且能表达更复杂的重复结构。
对 Calibre 而言，输入格式影响的是读取与展开阶段。Calibre 读入版图后会构建内部层次数据库，SREF/AREF 在内部以引用关系保留，而不是立即展开成扁平几何。因此，一个被引用 1000 次的单元，在内存中只存一份几何加一份引用表。这正是层次化格式能显著降低内存占用的原因。但如果规则中包含 FLATTEN 类操作，或某些检查必须逐层展开，引用关系会在运算前被展开，内存与时间随之上升。
二、单元复用：层次化带来的收益与陷阱
单元复用是版图数据最核心的性能杠杆。以一个标准单元为例：假设某标准单元内部有 200 个多边形，在顶层被实例化 50000 次。若保持层次，Calibre 只需存储 200 个多边形加 50000 条引用记录；若被完全展开，则变成 1000 万个多边形。两者在内存上的差距是数量级的。
但复用并不总是有利。当规则要求对每个实例单独做位置相关运算（例如基于绝对坐标的密度检查、与顶层其他图形的交互检查）时，Calibre 可能不得不在局部展开引用。此时若单元内部几何复杂、引用次数又高，展开后的几何量会迅速膨胀。实践中常见的判断方法是：观察 Calibre 日志中 FLATTEN 或 hierarchical 相关阶段的耗时占比，若展开阶段占用总时间超过 40%，说明层次结构未被有效利用，需要检查规则中是否存在不必要的全局展开操作。
三、多边形密度与层数的影响
多边形密度指单位面积内的顶点数、边数和图形数量。Calibre 的几何运算（如 AND、NOT、SIZE、DRC 检查）复杂度与参与运算的边数近似成正比。一个由 4 个顶点组成的矩形和一个由 200 个顶点组成的近似圆形，在布尔运算中的代价相差数十倍。因此，高密度模拟版图、填充图形（dummy fill）密集区域、以及由曲线近似产生的多顶点多边形，都是性能热点。
层数的影响体现在两个方面：一是参与运算的 layer/datatype 组合数量，每增加一个运算层，就多一轮几何处理；二是层间布尔操作的组合爆炸。例如 10 个层两两做间距检查，理论组合数为 45 对；若规则中还有层组合派生（如 layer1 AND layer2 生成新层再参与后续检查），实际运算层数会进一步放大。经验上，层数从 20 增加到 40，运行时间往往不是线性翻倍，而是增加 2.5 到 3 倍。
四、数据量、格式与内存的量化关系
总数据量可以用三个指标衡量：文件大小、几何对象总数、展开后的等效多边形数。文件大小影响读取 I/O；几何对象总数影响数据库构建；展开后的等效多边形数决定运算峰值内存。三者中，展开后的等效多边形数最难从文件大小直接推断，因为层次复用率高的版图，文件可能只有几百 MB，展开后却达到数十亿多边形。
下面给出一个用于估算展开后几何量的参考计算方式，帮助在跑 Calibre 之前预判内存需求：
# 展开后等效多边形数估算（示例参数，非实测）
# 假设某模块 cell 内部多边形数 P = 200
# 该 cell 被引用次数 N = 50000
# 层次复用保留系数 k = 1（完全展开时）
# 则展开后多边形数 ≈ P × N × k = 200 × 50000 = 10,000,000
# 若保持层次，实际驻留多边形数 ≈ P + N（引用记录）
# = 200 + 50000 = 50,200
# 内存粗估（示例）：每个多边形约 100~200 字节
# 完全展开：10,000,000 × 150 B ≈ 1.5 GB
# 保持层次：50,200 × 150 B ≈ 7.5 MB
上述数字为教学示例，实际字节数取决于 Calibre 内部数据结构、顶点数、是否带属性等。但比例关系是可靠的：层次复用率越高，保持层次带来的内存收益越大；一旦被迫展开，内存会按引用次数成倍增长。
五、面向性能的版图数据检查清单
在提交 Calibre 运行前，建议对版图数据做一次快速体检，判断哪些特征可能成为性能瓶颈：
| 检查项 | 观察方式 | 风险判断 |
|---|---|---|
| 层次深度 | 查看 cell 嵌套层数，是否超过 20 层 | 过深会增加引用链解析开销 |
| 单元复用率 | 统计 SREF/AREF 总数与唯一 cell 数之比 | 比值高说明复用好，但展开风险也高 |
| 多边形密度 | 抽样统计单位面积顶点数 | 高密度区域是运算热点 |
| 层数 | 统计参与规则的 layer/datatype 数量 | 层数多则组合运算量上升 |
| 文件格式 | GDSII 还是 OASIS，文件大小 | OASIS 读取更快、体积更小 |
| 填充图形 | 是否存在大面积 dummy fill | 填充图形数量大，易拖慢密度检查 |
总结来看，版图数据对 Calibre 性能的影响可以归纳为一条主线：层次结构决定引用是否被保留，单元复用率决定展开后的几何放大倍数，多边形密度决定单位几何的运算代价，层数决定运算轮次与组合数，总数据量决定 I/O 与内存基线。把这五个特征与 Calibre 日志中的阶段耗时对应起来，就能从“跑得慢”定位到“慢在哪个数据特征”，为后续的规则优化、分块策略和格式转换提供依据。