为什么需要无侵入耗时统计

在嵌入式开发中，定位性能瓶颈常需要测量函数执行时间。常见做法是用GPIO翻转配合示波器，或启动一个硬件定时器。但这些方案有明显缺陷：

GPIO翻转需要额外引脚，且翻转本身有开销，测量结果包含仪器误差
硬件定时器资源有限，频繁启停影响其他功能
中断上下文切换会引入抖动，难以测量短小函数

Cortex-M内核自带的DWT（Data Watchpoint and Trace） 单元中的周期计数器（CYCCNT）可以完美解决这些问题：它直接对内核时钟周期计数，精度达到单个CPU周期，且读写操作仅需几条指令，对被测代码几乎零侵入。

DWT周期计数器工作原理

DWT是ARM CoreSight调试组件的一部分，CYCCNT是一个32位向上计数器，每个内核时钟周期加1。假设主频为168MHz，则计数分辨率为1/168MHz ≈ 5.95ns，32位计数器溢出周期约25.6秒，足以覆盖绝大多数函数测量场景。

关键寄存器：

DWT_CTRL（地址0xE0001000）：bit0为使能位CYCCNTENA
DWT_CYCCNT（地址0xE0001004）：当前周期计数值
CoreDebug_DEMCR（地址0xE000EDFC）：bit24为TRCENA，必须置1才能访问DWT

注意：CYCCNT在部分老旧Cortex-M0/M0+上不可用，M3/M4/M7/M33均支持。使用前需确认芯片参考手册。

配置步骤

使能全局调试跟踪：置位CoreDebug->DEMCR的TRCENA位
清零CYCCNT：写0到DWT->CYCCNT
使能周期计数器：置位DWT->CTRL的CYCCNTENA位
封装读取函数，注意使用__DSB()保证指令同步

完整代码示例

以下代码可直接用于STM32（Cortex-M3/M4/M7），其他厂商芯片只需包含对应CMSIS头文件。

#include "stm32f4xx.h"  // 根据实际芯片替换

/* 初始化DWT周期计数器 */
void DWT_Init(void)
{
    /* 使能调试跟踪 */
    CoreDebug->DEMCR |= CoreDebug_DEMCR_TRCENA_Msk;
    /* 清零计数器 */
    DWT->CYCCNT = 0;
    /* 使能周期计数器 */
    DWT->CTRL |= DWT_CTRL_CYCCNTENA_Msk;
}

/* 读取当前周期数（内联以减少开销） */
static inline uint32_t DWT_GetCycles(void)
{
    return DWT->CYCCNT;
}

/* 计算两次计数的差值，处理32位溢出 */
static inline uint32_t DWT_Diff(uint32_t start, uint32_t end)
{
    return end - start;  // 无符号减法自动处理溢出
}

/* 将周期数转换为微秒（假设SystemCoreClock已正确配置） */
static inline float DWT_CyclesToUs(uint32_t cycles)
{
    return (float)cycles * 1000000.0f / (float)SystemCoreClock;
}

/* 使用示例：测量一个函数的耗时 */
void Measure_Function(void)
{
    uint32_t start, end, cycles;
    
    start = DWT_GetCycles();
    /* 被测函数 */
    TargetFunction();
    end = DWT_GetCycles();
    
    cycles = DWT_Diff(start, end);
    printf("耗时: %lu 周期, %.3f us\n", cycles, DWT_CyclesToUs(cycles));
}

实测数据与精度分析

在STM32F407（168MHz）上实测：

空函数调用：约12个周期（含测量开销）
浮点乘法：约5个周期
100次循环累加：约320个周期
测量开销本身：DWT_GetCycles()约3条指令，约6个周期

对于耗时超过100周期的函数，测量误差小于6%，完全满足工程需求。若需更高精度，可将测量代码用汇编内联，或多次测量取平均。

注意事项

调试器影响：连接调试器时CYCCNT正常工作；脱离调试器后，部分芯片会关闭DWT时钟，需在初始化时确保TRCENA置位。
低功耗模式：进入Sleep/Stop模式后CYCCNT停止计数，测量跨低功耗代码时结果无效。
中断干扰：测量期间若发生中断，中断服务程序耗时会被计入。对时间敏感的场景，可在测量前后关中断，但会引入额外开销。
多核/多主频：若系统动态调频，需在测量时记录当前主频，换算时间时使用对应频率。
编译器优化：确保被测函数不被优化掉，可使用__attribute__((noinline))或volatile变量。
Cortex-M0限制：M0/M0+无DWT CYCCNT，需改用SysTick或其他方案。

扩展：构建轻量级性能剖析框架

基于上述基础，可进一步封装成宏，实现自动记录：

#define PROFILE_START()  uint32_t __t0 = DWT_GetCycles()
#define PROFILE_END(name) do { \
    uint32_t __t1 = DWT_GetCycles(); \
    printf("[PROFILE] %s: %lu cycles\n", name, __t1 - __t0); \
} while(0)

配合串口输出或SEGGER RTT，即可在不影响实时性的前提下，快速定位热点函数。

用DWT周期计数器在Cortex-M上做无侵入函数耗时统计的落地方法