2. FIFO深度计算核心公式：深度 = 最大数据量 - 最大读取量，理解背靠背（Back-to-Back）传输模式

各位同学，咱们今天聊点实在的。

FIFO深度怎么算？说白了就一个公式：深度 = 最大数据量 - 最大读取量。嗯，就这么简单。但为什么很多人算出来还是错的？问题出在「最大」这两个字上。

2.1 核心公式的物理意义

我刚开始做FIFO设计时，也犯过傻。以为只要写入速率小于读出速率，FIFO就不会满。结果呢？项目联调时数据丢了，查了三天才发现是背靠背传输搞的鬼。

公式背后的逻辑其实很直白：

• 最大数据量：写入端在某个时间段内，最多能塞进来多少个数据
• 最大读取量：同一时间段内，读取端最多能拿走多少个数据
• 差值：就是FIFO需要暂存的数据量，也就是深度

你想想看，如果写入端一口气发了100个数据，读取端只来得及读走60个，那剩下的40个就得在FIFO里待着。这40，就是深度。

2.2 背靠背传输——深度计算的「罪魁祸首」

什么叫背靠背？我举个例子你就明白了。

假设写入时钟是100MHz，每4个时钟写1个数据。平均下来，每40ns写1个数据。但问题是——写入端不会这么「均匀」地工作。

它可能连续4个时钟周期，每个时钟都写1个数据。这就是背靠背传输。连续写4个，然后歇12个时钟。平均速率没变，但瞬时峰值翻了好几倍。

为什么会这样？因为写入端通常有数据缓冲。当缓冲满了，它就会一口气把数据全倒出来。你想想看，这不就是背靠背吗？

2.3 深度计算的标准步骤

我个人习惯用三步法，清晰又不容易出错：

1. 确定最坏情况的时间窗口：找到写入端可能连续写入的最长时间
2. 计算最大写入量：时间窗口内，写入端最多能写多少数据
3. 计算最大读取量：同一时间窗口内，读取端最多能读多少数据
4. 相减：深度 = 最大写入量 - 最大读取量

举个例子：

• 写入时钟100MHz，每4个时钟写1个数据，但可能连续写4个
• 读取时钟80MHz，每2个时钟读1个数据
• 背靠背写入：连续4个数据，耗时4×10ns = 40ns
• 最大写入量：4个数据
• 40ns内读取端能读多少？40ns ÷ (2×12.5ns) = 1.6，取整为1个
• 深度 = 4 - 1 = 3

2.4 背靠背的常见场景

实际项目中，背靠背传输主要出现在以下几种情况：

场景	说明	典型例子
总线突发传输	AHB/AXI等总线支持突发模式，连续传输多个数据	AXI burst length = 16
数据包传输	数据包到达时，所有数据连续写入	以太网帧、USB包
时钟域切换	异步FIFO中，写入时钟可能比读取时钟快很多	200MHz写入，50MHz读取
数据缓冲满	上游模块缓冲满后，一次性释放所有数据	视频行缓冲、音频帧缓冲

2.5 避坑指南——我踩过的坑

我曾经在一个视频处理项目中，FIFO深度算小了。原因是只考虑了平均速率，没考虑背靠背。结果呢？视频画面出现撕裂，查了整整一周才发现是FIFO溢出。

从那以后，我总结了几条经验：

• 永远假设最坏情况：不要相信「应该不会连续写那么多」这种话
• 留余量：计算出的深度再加20%~30%，安全第一
• 仿真验证：用最极端的写入模式跑仿真，看FIFO会不会满
• 考虑读写时钟的相位关系：异步时钟域中，相位差会导致读取速率波动

2.6 知识体系图

下面这张图，把FIFO深度计算的核心逻辑串起来了。我建议你保存下来，每次做FIFO设计时看一眼。

2.7 实战小练习

来，咱们练一个。我当年面试时就被问过类似的问题。

题目：写入时钟120MHz，每3个时钟写1个数据，但可能连续写6个（背靠背）。读取时钟100MHz，每2个时钟读1个数据。求FIFO最小深度。

你自己先算算，然后对照下面的步骤：

1. 背靠背写入6个数据，耗时6 × (1/120MHz) = 50ns
2. 最大写入量：6个
3. 50ns内读取端能读多少？50ns ÷ (2 × 10ns) = 2.5，取整为2个
4. 深度 = 6 - 2 = 4
5. 加20%余量：4 × 1.2 = 4.8，取整为5

嗯，答案是5。你算对了吗？

好了，FIFO深度计算的核心就这些。记住：背靠背是魔鬼，余量是护身符。下次做FIFO设计时，多想想最坏情况，别让数据丢了才后悔。

可可精品资料库