基于龍芯3B的H.264解碼器的向量化

關(guān)鍵詞： 3B , 解碼器 , 龍芯 , 向量化

當(dāng)今社會(huì)已經(jīng)步入信息時(shí)代，傳統(tǒng)的信息載體和通信方式已經(jīng)無法滿足人們對(duì)信息的需求。而實(shí)驗(yàn)表明：相比較語音和抽象數(shù)據(jù)，人類接受的信息更多是以圖片和視頻方式為載體的。其中視頻信息具有直觀、具體和高效的特點(diǎn)，這也就決定了視頻通信技術(shù)將成為信息時(shí)代的重要技術(shù)之一。

由于視頻的數(shù)據(jù)量巨大，而存儲(chǔ)視頻的資源通常是非常有限的，因而對(duì)視頻進(jìn)行壓縮編碼，以減少存儲(chǔ)資源的消耗，非常必要。然而，通常情況下，使用的壓縮算法的復(fù)雜度越高，壓縮比率越高，視頻播放時(shí)的解碼速度就會(huì)越低。因而在提高編碼壓縮率的同時(shí)，也需要對(duì)解碼器進(jìn)行相應(yīng)的優(yōu)化，以提高視頻解碼器在目標(biāo)平臺(tái)上的性能。本文就實(shí)現(xiàn)了ffmpeg解碼器在龍芯3B上的移植與向量化，提高了該解碼器在龍芯3B上的性能。

1 視頻編／解碼與龍芯3B

1．1 視頻編／解碼

目前，成熟的壓縮編／解碼方法有很多。其中H．261、MPEG-1、MPEG-3和H．263采用了第一代壓縮編碼方法，如預(yù)測(cè)編碼、變換編碼、熵編碼以及運(yùn)動(dòng)補(bǔ)償；而MPEG-4和H．264采用了第二代的壓縮編碼方法，如分段編碼和基于模型或?qū)ο蟮木幋a等。

視頻壓縮編碼的主要目的是減少存儲(chǔ)視頻所占用的資源，而解碼技術(shù)的目標(biāo)則是提高解碼的速度，從而提高視頻播放的流暢性。常見的基于H．264編碼方法的軟解碼器包括CoreAVC、ffmpeg和JM等。其中JM是H．264官方網(wǎng)站提供的編／解碼器，集合了各種編／解碼算法，而且代碼的結(jié)構(gòu)清晰，很適合應(yīng)用于對(duì)視頻編／解碼技術(shù)的研究。而CoreAVC解碼器則主要用于商用，其解碼速率比ffmpeg快50％以上。ffmpeg是開源的解碼器，而且性能相對(duì)較好，很多開源項(xiàng)目都直接或間接地使用了ffmpeg，如mplayer播放器等。通過對(duì)性能以及開源特性的綜合考慮，本文選擇ffmlpeg作為移植和向量化對(duì)象。

1．2 龍芯3B體系結(jié)構(gòu)

龍芯3B處理器在兼容了MIPS64指令集的同時(shí)，實(shí)現(xiàn)了針對(duì)多媒體應(yīng)用的向量擴(kuò)展指令，這對(duì)視頻編／解碼應(yīng)用性能的提升有很大的幫助。

龍芯3B提供了256位的向量寄存器并實(shí)現(xiàn)包括256位向量訪存在內(nèi)的向量擴(kuò)展指令。使用向量指令可以一次完成32個(gè)字節(jié)寬度數(shù)據(jù)的操作。而這樣的結(jié)構(gòu)和指令集設(shè)計(jì)，使得龍芯3B非常適合于實(shí)現(xiàn)大規(guī)模相同類型數(shù)據(jù)的相同運(yùn)算，比如矩陣乘法運(yùn)算和FFT運(yùn)算，以及視頻編／解碼運(yùn)算等。

不過由于ffmpeg并未實(shí)現(xiàn)對(duì)龍芯3B平臺(tái)的支持，因而需要完成ffmpeg到龍芯3B的移植工作。本文之前也有一些ffmpeg到其他平臺(tái)的移植工作和針對(duì)龍芯平臺(tái)的移植與優(yōu)化工作，都取得了不錯(cuò)效果。

2 基于龍芯3B的ffmpeg移植

2．1 ffmpeg的移植

ffmpeg解碼器提供了對(duì)不同目標(biāo)平臺(tái)的支持，而與這些平臺(tái)相關(guān)的文件都保存在以該目標(biāo)平臺(tái)命名的目錄下。例如，ffmpeg解碼器實(shí)現(xiàn)了對(duì)arm和sparc平臺(tái)，以及x86平臺(tái)的支持。

對(duì)于實(shí)現(xiàn)ffmpeg解碼器對(duì)龍芯3B的支持，主要完成以下5個(gè)步驟：

(1)修改configure配置文件，增加與龍芯體系結(jié)構(gòu)相關(guān)的配置選項(xiàng)；

(2)新建龍芯專用文件夾godson，將龍芯體系結(jié)構(gòu)相關(guān)的文件都存放于該文件夾中；

(3)將godson文件夾下新增的需要編譯的文件添加到Makefile中；

(4)增加與dsputil_init類似的新的初始化函數(shù)dsputil_init_godson；

(5)在頭文件中添加新增函數(shù)的聲明。

針對(duì)龍芯3B的ffmpeg移植工作相對(duì)比較簡(jiǎn)單，因而本文重點(diǎn)介紹針對(duì)龍芯3B的向量化工作。

2．2 移植后的ffmpeg的性能比較

本節(jié)對(duì)移植后的ffmpeg解碼器進(jìn)行了性能測(cè)試，對(duì)使用龍芯3B向量擴(kuò)展指令和不使用龍芯3B擴(kuò)展指令兩種情況下的性能進(jìn)行了比較。測(cè)試時(shí)使用支持龍芯3B擴(kuò)展指令集的GCC編譯器進(jìn)行編譯，并且開啟-ftree-vectorize和-march=godson3b編譯選項(xiàng)來支持龍芯 3B擴(kuò)展指令。使用的測(cè)試用例為視頻“walk_vag_640x480_qp26．264”，測(cè)試結(jié)果如表1所示。

從表1的測(cè)試結(jié)果中可以看出，使用龍芯3B的向量擴(kuò)展指令可以提高ffmpeg解碼器在龍芯3B上的性能，用來測(cè)試的視頻的解碼時(shí)間減少了約466s。盡管如此，由于GCC編譯器本身自動(dòng)向量化能力的限制，ffmpeg解碼器的性能提升還是比較有限的，因而針對(duì)龍芯3B的指令集對(duì)移植后的ffmpeg解碼器進(jìn)行向量化，就成為了進(jìn)一步提高性能的重要工作。

3 ffmpeg的向量化

3．1 ffmpeg的oprofile測(cè)試

使用oprofile對(duì)ffmpeg解碼視頻“問道武當(dāng)002．mkv”的過程進(jìn)行測(cè)試，測(cè)試結(jié)果如表2所示。表2列出了各個(gè)函數(shù)的調(diào)用過程以及運(yùn)行時(shí)間所占的比重。而針對(duì)ffmpeg解碼器進(jìn)行的向量化工作，則主要是針對(duì)oprofile測(cè)試結(jié)果中執(zhí)行時(shí)間較長(zhǎng)、運(yùn)行比重較大的幾個(gè)函數(shù)的向量化。

上述函數(shù)的執(zhí)行時(shí)間幾乎占據(jù)了ffmpeg解碼器執(zhí)行時(shí)間的60％，因而針對(duì)上述幾個(gè)函數(shù)進(jìn)行向量化，就完全可以達(dá)到提升ffmpeg整體解碼速度的目的。

3．2 針對(duì)龍芯3B的ffmpeg向量化

3．2．1 向量化方法

實(shí)現(xiàn)ffmpeg解碼器在龍芯3B上的向量化主要是使用龍芯3B擴(kuò)展的向量指令來改進(jìn)3．1節(jié)中oprofile測(cè)試結(jié)果中執(zhí)行時(shí)間比重較大的幾個(gè)函數(shù)。而且在向量化的同時(shí)，同樣可以使用一些優(yōu)化策略，來提高向量化后的函數(shù)的性能。主要使用到的優(yōu)化方法包括：

(1)循環(huán)展開。循環(huán)展開是一種循環(huán)變換技術(shù)，將循環(huán)體中的指令復(fù)制多份，增加循環(huán)體中的代碼量，減少循環(huán)的重復(fù)次數(shù)。需要說明的是，循環(huán)展開本身并不能直接提升程序的性能。

使用循環(huán)展開的主要目的是充分挖掘指令或者數(shù)據(jù)間的并行性。其中向量擴(kuò)展指令的使用就是利用了展開后的循環(huán)體內(nèi)數(shù)據(jù)的并行性；而在展開后的循環(huán)內(nèi)使用指令調(diào)度和軟件流水技術(shù)則是為了充分利用指令間的并行性。

(2)指令調(diào)度。循環(huán)展開后的循環(huán)體內(nèi)的指令數(shù)目增多，因而可以進(jìn)行指令調(diào)度，將不存在操作數(shù)相關(guān)性和不存在運(yùn)算部件相關(guān)性的指令調(diào)度到一起，這樣可以充分發(fā)揮龍芯3B的流水線性能，從而提高代碼在龍芯3B上的執(zhí)行速度。

除了使用龍芯3B的向量擴(kuò)展指令和使用上述兩種優(yōu)化方法以外，同樣還可以根據(jù)具體函數(shù)的特點(diǎn)，使用其他一些優(yōu)化方法進(jìn)行優(yōu)化，比如使用邏輯運(yùn)算和移位運(yùn)算來代替乘法運(yùn)算等。針對(duì)每個(gè)函數(shù)的向量化優(yōu)化在3．2．2小節(jié)中介紹。

3．2．2 針對(duì)具體函數(shù)的向量化

3．2．1小節(jié)概述了向量化時(shí)用到的一些優(yōu)化方法，本節(jié)則針對(duì)oprofile測(cè)試中比重較大的幾個(gè)函數(shù)進(jìn)行有針對(duì)性的優(yōu)化。

對(duì)于表2中的函數(shù)，我們可以根據(jù)函數(shù)名將其分類，函數(shù)命名類似的函數(shù)基本上都可以使用類似的優(yōu)化方法。

(1)簡(jiǎn)單向量化。對(duì)于1號(hào)和2號(hào)函數(shù)的優(yōu)化，本文都采用了使用移位運(yùn)算來代替乘法運(yùn)算的策略，并且針對(duì)循環(huán)內(nèi)部運(yùn)算的有界特性，使用飽和向量運(yùn)算來改進(jìn)。不過對(duì)于2號(hào)函數(shù)的訪存操作，由于存在著數(shù)據(jù)非對(duì)齊的情況，因而使用額外的向量指令對(duì)數(shù)據(jù)進(jìn)行打包和回寫。而3號(hào)函數(shù)則是1號(hào)和2號(hào)函數(shù)的混合，因而對(duì)1號(hào)和2號(hào)函數(shù)的優(yōu)化間接提升了3號(hào)函數(shù)的性能。

而對(duì)于4號(hào)、5號(hào)和6號(hào)函數(shù)，本文僅對(duì)其內(nèi)層循環(huán)使用了循環(huán)展開和指令調(diào)度策略，就能夠取得不錯(cuò)的運(yùn)算效果。

同樣，對(duì)于11和12號(hào)函數(shù)也可以比較直觀的進(jìn)行向量化，在此就不做詳述了。

(2)間接向量化。而對(duì)于比較難于向量化的7號(hào)和8號(hào)函數(shù)，本文分別采用了使用掩碼和使用矩陣轉(zhuǎn)置運(yùn)算的策略來間接實(shí)現(xiàn)向量化。

其中針對(duì)函數(shù)h264 v loop filter luma的C語言實(shí)現(xiàn)中有很多判斷語句的問題，本文使用構(gòu)建掩碼的方式來消除這些判斷語句。

以圖1(a)中的循環(huán)為例介紹掩碼的構(gòu)建。而圖1(b)所示為代替該循環(huán)的向量指令。具體的運(yùn)算結(jié)果如圖1(c)所示：將p向量(數(shù)組)和q向量做飽和減法(結(jié)果為負(fù)的都置為0)，得到的結(jié)果向量如Vsub所示。使用Vsub與零向量進(jìn)行比較來設(shè)置掩碼：結(jié)果為真，掩碼值為0xFF；反之，結(jié)果為假，掩碼為0。最后將掩碼值與p向量進(jìn)行與操作，就可以得到該循環(huán)的運(yùn)算結(jié)果。

使用構(gòu)建掩碼的方法來消除判斷語句，不但減少了由判斷引起的時(shí)間開銷，而且重要的是間接將循環(huán)進(jìn)行了向量化，提高了函數(shù)性能。而對(duì)于9號(hào)和10號(hào)函數(shù)，可以使用同樣的方法來改進(jìn)。

而對(duì)于8號(hào)函數(shù)，由于運(yùn)算處理的是連續(xù)的數(shù)據(jù)，因而無法進(jìn)行向量化。使用矩陣轉(zhuǎn)置的方式，將數(shù)據(jù)重新打包后，就可以進(jìn)行相應(yīng)的向量運(yùn)算。

對(duì)于圖2(a)中的運(yùn)算，原始計(jì)算是P向量?jī)?nèi)部的運(yùn)算，因而無法向量化，我們用向量指令將p向量轉(zhuǎn)置為q，其中q0存放p中標(biāo)號(hào)為1的數(shù)據(jù)，q1存放P中標(biāo)號(hào)為2的數(shù)據(jù)，依此類推。轉(zhuǎn)置得到的q向量就可以用圖2(b)中的向量指令運(yùn)算，得到的運(yùn)算結(jié)果與原來的運(yùn)算相同?！?br />
對(duì)于13～15號(hào)函數(shù)的優(yōu)化，同樣使用到了上面的轉(zhuǎn)置方法。而4．1節(jié)的測(cè)試結(jié)果則說明了各個(gè)函數(shù)的優(yōu)化效果。

4 實(shí)驗(yàn)結(jié)果

4．1 ffmpeg各函數(shù)加速比

本文分別對(duì)向量化后的各個(gè)函數(shù)進(jìn)行了測(cè)試，并且與未向量化之前的函數(shù)進(jìn)行了比較，各個(gè)函數(shù)向量化優(yōu)化后的加速比如圖3所示。其中圖中橫坐標(biāo)所示函數(shù)序號(hào)與表2中的各個(gè)函數(shù)一一對(duì)應(yīng)。

圖3中的函數(shù)的加速比所跨越的范圍較大，比如6號(hào)函數(shù)的加速比約有23．9左右，而最后一個(gè)函數(shù)的加速比只有1．2左右。之所以會(huì)出現(xiàn)上述情況，除了與改進(jìn)后的函數(shù)所使用的向量指令的數(shù)量和修改代碼的比重有關(guān)以外，也與運(yùn)算所使用的操作數(shù)的類型有關(guān)。對(duì)于6號(hào)函數(shù)，其循環(huán)內(nèi)的運(yùn)算所使用的操作數(shù)的類型為字節(jié)類型，因而僅僅使用向量指令進(jìn)行優(yōu)化，理論加速比就可以達(dá)到32，不過本文僅僅對(duì)該函數(shù)的內(nèi)層循環(huán)進(jìn)行了向量化，而向量化后的內(nèi)層循環(huán)一次僅僅處理了 16個(gè)字節(jié)類型的數(shù)據(jù)，即并未充分使用256位的向量寄存器。因而理論的加速比應(yīng)該為16，但是由于結(jié)合了循環(huán)展開和指令調(diào)度等其他優(yōu)化策略，因而實(shí)際的加速比可以達(dá)到23．9左右。同樣，對(duì)4號(hào)、5號(hào)和6號(hào)這三個(gè)同類型的函數(shù)進(jìn)行分析，我們也可以發(fā)現(xiàn)：后一個(gè)函數(shù)的加速比均約為前一個(gè)函數(shù)加速比的兩倍。這是因?yàn)閷?duì)于4號(hào)函數(shù)，內(nèi)層循環(huán)向量化后一次可以同時(shí)計(jì)算4個(gè)字節(jié)類型的數(shù)據(jù)，而5號(hào)函數(shù)可以同時(shí)計(jì)算8個(gè)字節(jié)類型的數(shù)據(jù)，因而理論上的加速比也應(yīng)該是兩倍的等比數(shù)列形式，而實(shí)際結(jié)果與理論分析是一致的。

對(duì)于3．3．2小節(jié)中重點(diǎn)介紹的7號(hào)函數(shù)和8號(hào)函數(shù)，其原函數(shù)無法進(jìn)行簡(jiǎn)單向量化，而本文使用了掩碼以及矩陣轉(zhuǎn)置等優(yōu)化方法，使其能夠使用龍芯3B的向量擴(kuò)展指令，因而盡管性能提升不大，但是加速比也分別有3．2和5．5。

4．2 不同平臺(tái)上的向量化比較

本文同樣將ffmpeg解碼器分別在不同的平臺(tái)上進(jìn)行了測(cè)試，使用的兩個(gè)測(cè)試視頻分別為是“問道武當(dāng)002．mkv”(視頻A)和“walk_vag_ 640x480_qp26．264”(視頻B)。其中視頻A是問道武當(dāng)視頻(720p)中截取的片段，而后者是通過x264對(duì)walk_vag．yuv(480p)編碼生成的，編碼時(shí)選用的qp值為26。而測(cè)試平臺(tái)則分別選擇了AMD和Intel處理器平臺(tái)。

從表3的測(cè)試結(jié)果可以看出對(duì)于視頻A，在龍芯3B上的性能提升比其他兩個(gè)平臺(tái)上都高很多；而對(duì)于視頻B，在龍芯3B上的性能提升也與其它兩個(gè)平臺(tái)接近。實(shí)驗(yàn)結(jié)果表明：在龍芯3B上實(shí)現(xiàn)ffmpeg解碼器的向量化，對(duì)性能提升有很大幫助，而且解碼某些視頻時(shí)，性能的提升甚至高于性能優(yōu)越的商用處理器。而通過與表1中使用GCC向量化編譯的結(jié)果進(jìn)行比較，也可以看出：手工對(duì)ffmpeg解碼器進(jìn)行向量化比使用GCC進(jìn)行向量化，性能有更大的提升。

5 總結(jié)和展望

本文實(shí)現(xiàn)了ffmpeg解碼器到龍芯3B的移植，并針對(duì)龍芯3B實(shí)現(xiàn)了對(duì)向量擴(kuò)展指令支持的特點(diǎn)，對(duì)ffmpeg解碼器進(jìn)行了手工向量化。實(shí)驗(yàn)結(jié)果表明：手工向量化后的ffmpeg解碼器的性能比使用GCC向量化編譯后的ffmpeg解碼器性能要好很多，而且性能的提升也比Intel和 AMD平臺(tái)更多。

本文僅僅從代碼級(jí)實(shí)現(xiàn)了針對(duì)龍芯3B的ffmpeg解碼器的向量化移植，為了進(jìn)一步提高性能，還需要從整個(gè)算法層面上進(jìn)行優(yōu)化。另外，由于龍芯3B的多核特性，還可以考慮使用多核進(jìn)行解碼。