你有沒有遇到過這種情況定向測(cè)試寫了幾十個(gè)用例覆蓋率還是差口氣或者隨機(jī)化用例一跑報(bào)錯(cuò)一大片你根本不知道約束哪里寫擰了。在SystemVerilog驗(yàn)證里隨機(jī)化策略是非常核心的一環(huán)核心就落在三個(gè)關(guān)鍵詞上rand隨機(jī)變量、constraint約束、dist權(quán)重以及隨機(jī)數(shù)怎么產(chǎn)生。很多剛接觸驗(yàn)證的人會(huì)把SystemVerilog的約束隨機(jī)和C語言里的rand()畫等號(hào)覺得無非是生成幾個(gè)隨機(jī)數(shù)結(jié)果一上手寫UVM就懵了。這篇文章我就從驗(yàn)證從業(yè)者的角度把這套機(jī)制和實(shí)際示例放在一起拆開講清楚適合剛接觸UVM的驗(yàn)證工程師、準(zhǔn)備面試的在校學(xué)生以及想理解約束隨機(jī)驗(yàn)證到底在解決什么問題的讀者。1. 為什么要用隨機(jī)化策略從定向測(cè)試到約束隨機(jī)驗(yàn)證1.1 定向測(cè)試的瓶頸在哪里早年做驗(yàn)證主要靠定向用例也就是你根據(jù)設(shè)計(jì)規(guī)格把功能點(diǎn)一條條列出來然后為每個(gè)功能點(diǎn)手寫輸入激勵(lì)再檢查輸出是否正確。這種方式在小規(guī)模模塊驗(yàn)證時(shí)沒什么問題但一旦設(shè)計(jì)規(guī)模上來缺陷就很明顯功能點(diǎn)多到一定程度后用例數(shù)量會(huì)爆炸。比如一個(gè)簡(jiǎn)單的AHB總線接口地址對(duì)齊、burst類型、transfer大小、保護(hù)信號(hào)、master/slave組合每個(gè)維度交叉一下就是幾百個(gè)組合靠手寫定向用例驗(yàn)證工作量會(huì)變得非常夸張。更麻煩的是定向用例只能覆蓋到“你想到的”場(chǎng)景。設(shè)計(jì)人員寫RTL時(shí)的邊界條件、跨時(shí)鐘域交互、異常路徑這些靠人肉枚舉非常容易漏。我見過不少項(xiàng)目定向用例全過了chip一集成到SoC就出問題回頭一查是某個(gè)狹窄的地址邊界組合從來沒被定向用例打到過。1.2 約束隨機(jī)驗(yàn)證的適用場(chǎng)景約束隨機(jī)驗(yàn)證Constrained Random VerificationCRV要解決的就是“用例覆蓋不全”和“用例數(shù)量爆炸”這兩個(gè)問題。它的思路是驗(yàn)證人員不再一個(gè)個(gè)手寫激勵(lì)而是定義好輸入空間寫清楚“合法范圍”然后讓求解器在這個(gè)范圍內(nèi)隨機(jī)生成輸入。就像你不再親手做每一頓飯而是給廚師一臺(tái)能做任意菜色的機(jī)器你只需要告訴它今天不吃辣、不放香菜、必須用雞肉剩下的交給它自己發(fā)揮。CRV可以說是目前芯片驗(yàn)證的主流方法論UVM最核心的機(jī)制之一就是建立在約束隨機(jī)之上。它適合的場(chǎng)景包括協(xié)議級(jí)驗(yàn)證AXI、PCIe、Ethernet、總線仲裁與隨機(jī)延時(shí)、寄存器配置、數(shù)據(jù)通路的數(shù)據(jù)包生成等。只要是輸入空間大、組合多、定向用例寫不過來的場(chǎng)景約束隨機(jī)都能顯著提升驗(yàn)證效率。但注意約束隨機(jī)不是銀彈。它適合“空間大、需要大量組合覆蓋”的場(chǎng)景不適合“路徑極其精細(xì)、需要完全確定性”的場(chǎng)景后者仍然要配合定向用例或斷言來補(bǔ)。1.3 隨機(jī)化策略的核心三件套rand、constraint、dist理解了CRV的動(dòng)機(jī)再看SystemVerilog里實(shí)現(xiàn)CRV的三個(gè)關(guān)鍵詞就非常自然了。rand聲明一個(gè)變量是隨機(jī)變量。只有加了rand或randc前綴的成員變量在調(diào)用randomize()時(shí)才會(huì)被求解器賦隨機(jī)值。constraint定義約束塊用來限制隨機(jī)變量的取值范圍、變量之間的相互關(guān)系、條件約束等。沒有約束的隨機(jī)是無序的約束讓隨機(jī)變得“合法且可控”。dist在constraint塊中定義權(quán)重分布。它解決的是“合法空間內(nèi)如何偏重某些取值”的問題讓隨機(jī)不是均勻分布而是按業(yè)務(wù)場(chǎng)景調(diào)整概率。三者配合的邏輯是rand確定哪些字段會(huì)變constraint保證變化合法dist控制變化的偏向。這就像選人面試rand是候選人池constraint是崗位要求學(xué)歷、經(jīng)驗(yàn)、技能dist是你在眾多符合要求的候選人中更想看哪一種背景的人的比例。2. 核心機(jī)制拆解rand變量、constraint約束、dist權(quán)重怎么用2.1 rand與randc隨機(jī)變量的聲明與區(qū)別先看一個(gè)最簡(jiǎn)單的類定義class packet; rand bit [7:0] addr; rand bit [31:0] data; randc bit [1:0] prio; endclass這里的addr和data是rand變量每次調(diào)用randomize()都會(huì)隨機(jī)生成一個(gè)新值允許重復(fù)。prio是randc變量randc是循環(huán)隨機(jī)random-cycle它會(huì)盡可能遍歷所有取值在遍歷完所有可能值之前不會(huì)出現(xiàn)重復(fù)值。比如prio只有0、1、2、3四個(gè)值第一次隨機(jī)可能是2第二次可能是0第三次可能是3第四次是1四輪走完才算一個(gè)循環(huán)然后又開始下一輪遍歷。這個(gè)區(qū)別在驗(yàn)證中很關(guān)鍵。如果你希望某個(gè)配置字段每個(gè)值都能被反復(fù)跑到但又希望短時(shí)間內(nèi)盡可能覆蓋全比如仲裁優(yōu)先級(jí)、地址掃描的page編號(hào)用randc就非常合適。而一般的數(shù)據(jù)包內(nèi)容、地址偏移等用rand就足夠了因?yàn)閿?shù)據(jù)空間大你用randc也沒法真正“遍歷完”反而會(huì)增加求解器的負(fù)擔(dān)。我實(shí)際用下來的感受是randc適合小范圍窮舉類字段rand適合大范圍隨機(jī)類字段。如果在小范圍字段上用了rand而不是randc隨機(jī)種子不夠好的時(shí)候可能會(huì)連續(xù)幾次隨機(jī)到同一個(gè)值導(dǎo)致覆蓋率收斂變慢。2.2 constraint約束塊別把約束寫成硬編碼約束塊的語法比許多人想象的簡(jiǎn)單class packet; rand bit [7:0] len; rand bit [7:0] addr; constraint c_len_range { len 8; len 64; } constraint c_addr_valid { addr inside {[16h1000 : 16h1FFF]}; addr ! 16h1234; // 排除特定地址 } endclass約束塊里有幾個(gè)點(diǎn)需要特別注意。第一約束體使用花括號(hào){}不是begin...end。不少人從C/Perl轉(zhuǎn)過來后習(xí)慣性寫begin end然后編譯報(bào)錯(cuò)半天。第二約束不是“按順序執(zhí)行”的代碼它是一個(gè)約束求解系統(tǒng)。變量之間的關(guān)系是同時(shí)滿足的比如constraint c_rel { a b; b 0; a 100; }求解器會(huì)同時(shí)滿足這幾個(gè)條件而不是先求a再求b。這意味著你可以在約束里寫很強(qiáng)的關(guān)聯(lián)約束比如addr % 4 0、len 2 * payload_len等求解器會(huì)自動(dòng)解算。第三約束變量只在調(diào)用randomize()時(shí)生效。如果你只聲明了rand變量但沒調(diào)用randomize()它的值永遠(yuǎn)是初始化值這一點(diǎn)非常容易踩。我之前見過一個(gè)環(huán)境忘了對(duì)某個(gè)對(duì)象調(diào)用randomize()結(jié)果所有用例都用的同一個(gè)默認(rèn)值測(cè)試還全通過了直到覆蓋率全為零才反應(yīng)過來。第四約束塊里不能做賦值操作。len 32是錯(cuò)的應(yīng)該寫成len 32。這個(gè)誤寫的報(bào)錯(cuò)很有趣SystemVerilog會(huì)試著把當(dāng)約束把當(dāng)非法語句。2.3 dist權(quán)重讓隨機(jī)分布可控而非均勻dist是constraint塊里控制概率分布的操作符它的語法是constraint c_dist { src inside {[0:15]}; src dist { 0 : 30, [1:7] : 60, [8:15] : 10 }; }重點(diǎn)在:和:/的區(qū)別這是新手最容易弄混的地方。:表示權(quán)重平均分配到值域中的每個(gè)值。比如[1:7] : 60表示1到7這7個(gè)值每個(gè)值的權(quán)重都是60整個(gè)區(qū)塊權(quán)重總計(jì)是7乘以60也就是420。:/表示權(quán)重按區(qū)塊整體分配區(qū)塊內(nèi)部所有值平分總權(quán)重。比如[1:7] :/ 60表示整個(gè)1到7區(qū)塊總權(quán)重是60每個(gè)元素的權(quán)重是60除以7約等于8.57。很多人在實(shí)際項(xiàng)目里權(quán)重算不準(zhǔn)就是因?yàn)闆]有區(qū)分這兩個(gè)操作符。如果希望區(qū)間內(nèi)每個(gè)值概率相等用:如果希望整個(gè)區(qū)間作為一個(gè)整體來控制概率用:/。一般情況下控制單個(gè)熱點(diǎn)值用:比如錯(cuò)誤號(hào)0特別重要給一個(gè)大的:權(quán)重控制一個(gè)范圍總比例用:/比如地址落在共享區(qū)間的比例用:/更直觀。另外dist約束本質(zhì)上也是約束不能和其他的constraint沖突。比如你在dist里給一個(gè)值很高的權(quán)重但又寫了另一個(gè)constraint排除它那dist對(duì)那個(gè)值就不生效因?yàn)榍蠼馄鲀?yōu)先滿足所有約束dist只是概率傾向不是硬性要求。2.4 solve...before與概率分布的隱形調(diào)整除了distSystemVerilog還提供了solve...before來影響隨機(jī)變量的聯(lián)合概率分布。在多個(gè)約束相互影響時(shí)求解順序會(huì)影響最終概率。看個(gè)例子class example; rand bit a; rand bit [1:0] b; constraint c { b 0 - a 1; } endclass這里如果b0則a1。求解器默認(rèn)會(huì)先解bb有四種取值各1/4概率然后解a。在這種情況下a1的概率是多少需要同時(shí)算上b0時(shí)強(qiáng)制1以及b!0時(shí)a可隨機(jī)總和起來大概是62.5%。如果你希望a先求解讓a成為主導(dǎo)constraint c_order { solve a before b; }求解器會(huì)先隨機(jī)a再根據(jù)a隨機(jī)b。此時(shí)a隨機(jī)到1的概率是50%b的變化也會(huì)跟著調(diào)整。這種概率細(xì)節(jié)在做覆蓋率分析時(shí)很重要。不要以為約束只是“滿足條件”實(shí)際上約束還微妙地影響著概率分布導(dǎo)致某些組合出現(xiàn)的頻率和你想象的不一樣。3. 從零寫一個(gè)約束隨機(jī)示例數(shù)組生成實(shí)戰(zhàn)3.1 需求場(chǎng)景與類設(shè)計(jì)接下來我們來寫一個(gè)能直接跑起來的示例。需求很簡(jiǎn)單生成一個(gè)包含10個(gè)隨機(jī)數(shù)的一維數(shù)組數(shù)組元素范圍在0到255之間并且要求數(shù)組里所有元素不能重復(fù)同時(shí)希望數(shù)組的前3個(gè)元素偏大、后7個(gè)元素偏小。這個(gè)需求在驗(yàn)證里很典型類似于生成一組地址偏移量、一組配置值、或者一組數(shù)據(jù)標(biāo)簽。難點(diǎn)有三個(gè)動(dòng)態(tài)數(shù)組怎么約束長(zhǎng)度、每個(gè)元素怎么約束范圍、元素之間怎么約束唯一性。我定義一個(gè)類array_gen主要成員如下class array_gen; rand int unsigned arr[]; rand int unsigned len; constraint c_len { len 10; } constraint c_arr_size { arr.size() len; } constraint c_arr_range { foreach (arr[i]) { arr[i] inside {[0:255]}; } } constraint c_arr_uniq { unique {arr}; } constraint c_arr_weight { foreach (arr[i]) { if (i 3) { arr[i] inside {[128:255]}; } else { arr[i] inside {[0:127]}; } } } endclass3.2 完整代碼示例與求解細(xì)節(jié)在頂層模塊里調(diào)用這個(gè)類打印結(jié)果module tb; initial begin array_gen ag; ag new(); if (ag.randomize()) begin $display(len %0d, ag.len); foreach (ag.arr[i]) begin $display(arr[%0d] %0d, i, ag.arr[i]); end end else begin $error(randomize failed); end end endmodule運(yùn)行這個(gè)例子你可能會(huì)得到一組形如arr[0]201, arr[1]173, arr[2]254, arr[3]72, arr[4]19...的數(shù)組。每次運(yùn)行結(jié)果不同因?yàn)榍蠼馄鲿?huì)根據(jù)仿真器的隨機(jī)種子生成不同解。注意幾個(gè)細(xì)節(jié)。第一arr.size() len這個(gè)約束非常重要。SystemVerilog里對(duì)動(dòng)態(tài)數(shù)組做約束時(shí)如果沒有給size()加約束隨機(jī)化后的數(shù)組長(zhǎng)度是不可預(yù)測(cè)的可能為空也可能非常大。加上這個(gè)約束后數(shù)組長(zhǎng)度才會(huì)和len一致。第二unique {arr}約束用于保證數(shù)組內(nèi)元素互不重復(fù)這是一個(gè)非常強(qiáng)力的約束。求解器會(huì)嘗試在0到255的取值空間里挑出10個(gè)互不重復(fù)的數(shù)這本身是可行的但如果你把數(shù)組長(zhǎng)度改成300同時(shí)取值范圍還是[0:255]約束就會(huì)失敗因?yàn)閺?56個(gè)不同值里選300個(gè)互不相同的數(shù)本來就不可能。這一點(diǎn)也提示我們約束的可行性需要人工預(yù)判求解器不會(huì)幫你選擇“更合理”的需求。第三foreach約束里的i 3和i 3兩部分共同生效可以組合出“前3個(gè)元素在[128:255]、后7個(gè)元素在[0:127]”的效果。這里是按索引區(qū)間分配取值范圍配合total數(shù)組長(zhǎng)度約束求解器能同時(shí)滿足。// 運(yùn)行結(jié)果示例基于種子12345 len 10 arr[0] 201 arr[1] 173 arr[2] 254 arr[3] 72 arr[4] 19 ...3.3 隨機(jī)種子與可復(fù)現(xiàn)性為什么每次仿真結(jié)果都不同很多人第一次跑約束隨機(jī)時(shí)都會(huì)有一個(gè)疑問同樣的代碼為什么每次結(jié)果都不一樣答案很簡(jiǎn)單因?yàn)榉抡嫫鞯碾S機(jī)數(shù)發(fā)生器RNG默認(rèn)會(huì)取一個(gè)隨時(shí)間或進(jìn)程相關(guān)變化的初始種子。SystemVerilog仿真器在啟動(dòng)仿真時(shí)如果你沒有顯式指定種子就會(huì)從系統(tǒng)時(shí)間、進(jìn)程ID等信息中生成一個(gè)種子然后整個(gè)隨機(jī)化求解過程都是從這個(gè)種子出發(fā)的。隨機(jī)化不可復(fù)現(xiàn)在調(diào)試時(shí)是個(gè)大問題。你遇到一個(gè)隨機(jī)化才觸發(fā)的bug但你再跑一遍就復(fù)現(xiàn)不出來了這種痛苦做過驗(yàn)證的人應(yīng)該都懂。所以幾乎所有仿真器都支持在命令行里固定隨機(jī)種子。在VCS/Questa里是ntb_random_seed12345在部分仿真器里也可以用-seed選項(xiàng)。固定種子后同一份代碼、同一個(gè)種子每次仿真結(jié)果完全一致。我個(gè)人的習(xí)慣是常規(guī)編譯仿真時(shí)不指定種子讓每次回歸都能探索不同空間一旦某個(gè)場(chǎng)景出現(xiàn)失敗立刻用當(dāng)前l(fā)og里打印的種子去跑一個(gè)單回歸穩(wěn)定復(fù)現(xiàn)然后才去debug。很多UVM環(huán)境的基類會(huì)在仿真啟動(dòng)時(shí)打印當(dāng)前使用的種子如果你的環(huán)境沒有這個(gè)打印建議自己加一行成本極低關(guān)鍵時(shí)刻能救命。3.4 取值范圍與小數(shù)隨機(jī)生成的擴(kuò)展有人會(huì)問熱詞里有“隨機(jī)函數(shù)生成隨機(jī)數(shù)0.2到0.3中間”SystemVerilog里能不能做呢可以直接用real類型的rand變量class real_gen; rand real r; constraint c_real_range { r 0.2; r 0.3; } endclass但實(shí)際項(xiàng)目里我一般不建議直接用real做約束隨機(jī)。浮點(diǎn)求解在部分仿真器上效率低而且數(shù)據(jù)比較麻煩必須用r inside {[0.2:0.3]}這種寫法浮點(diǎn)邊界還容易遇到精度問題。更好的做法是用整數(shù)擴(kuò)放比如生成200到300之間的整數(shù)再除以1000得到0.2到0.3之間的小數(shù)精度可控、求解也快rand int unsigned scaled; constraint c_scale { scaled inside {[200:300]}; } // 使用時(shí) real r scaled / 1000.0;這樣既保留了隨機(jī)范圍的控制能力又避免了浮點(diǎn)約束的坑。我在很多數(shù)據(jù)包時(shí)延仿真場(chǎng)景里就是用這種方式生成“小數(shù)比例”比如丟包率、功耗比例等實(shí)測(cè)穩(wěn)定且可復(fù)現(xiàn)。4. 隨機(jī)數(shù)產(chǎn)生的底層邏輯PRNG、常見隨機(jī)接口與真隨機(jī)數(shù)4.1 偽隨機(jī)數(shù)發(fā)生器的本質(zhì)你可能聽過一個(gè)說法計(jì)算機(jī)沒有辦法生成真正的隨機(jī)數(shù)只能生成偽隨機(jī)數(shù)。這話基本準(zhǔn)確在仿真驗(yàn)證領(lǐng)域尤其如此。SystemVerilog仿真器里的隨機(jī)化本質(zhì)上是偽隨機(jī)數(shù)發(fā)生器PRNG加約束求解器的組合。PRNG的核心是一個(gè)確定性算法給它一個(gè)初始種子它會(huì)按某種數(shù)學(xué)規(guī)則產(chǎn)出一個(gè)看起來隨機(jī)、但完全確定的數(shù)值序列。常見的PRNG有線性同余發(fā)生器LCG、梅森旋轉(zhuǎn)Mersenne Twister、xorshift等。SystemVerilog的隨機(jī)化一般建立在仿真器內(nèi)置RNG之上VCS所用RNG和Questa所用RNG的算法可能有區(qū)別這也是為什么同一個(gè)種子在不同仿真器上跑出的隨機(jī)值不同。既然“偽隨機(jī)”為什么還能用于驗(yàn)證因?yàn)槲覀円牟⒉皇菙?shù)學(xué)意義上的隨機(jī)而是“足夠的隨機(jī)性 完全可復(fù)現(xiàn)”。隨機(jī)性用來探索輸入空間可復(fù)現(xiàn)性用來調(diào)試。這兩點(diǎn)恰恰是偽隨機(jī)數(shù)發(fā)生器的優(yōu)勢(shì)真隨機(jī)數(shù)反而做不到可復(fù)現(xiàn)。4.2 $random、$urandom、$urandom_range的區(qū)別SystemVerilog里除了randomize()之外還有幾個(gè)常見的系統(tǒng)隨機(jī)函數(shù)。很多人會(huì)拿它們當(dāng)普通函數(shù)調(diào)用卻不清楚差異這里講清楚。$random返回32位有符號(hào)隨機(jī)整數(shù)。它的歷史很悠久來源于Verilog-1995在SystemVerilog中仍然可以使用。$urandom返回32位無符號(hào)隨機(jī)整數(shù)推薦在新代碼中使用。$urandom_range(max, min)返回[min, max]范圍內(nèi)的無符號(hào)整數(shù)。三個(gè)函數(shù)的使用非常簡(jiǎn)單int a; bit [31:0] b; bit [7:0] c; a $random % 100; // 有符號(hào)隨機(jī)可負(fù)值取?？赡艹霈F(xiàn)負(fù)值要小心 b $urandom; // 32位無符號(hào)隨機(jī) c $urandom_range(255, 0); // 0到255之間隨機(jī)這里有幾個(gè)常見坑。第一$random % 100在a取負(fù)時(shí)可能得到負(fù)數(shù)所以如果你想得到0到99之間的數(shù)最好用$urandom_range(99,0)或者用$urandom % 100配合無符號(hào)變量。第二$urandom_range的參數(shù)順序是先max后min不是有的語言里習(xí)慣的(min, max)寫反了會(huì)行為詭異甚至編譯警告。在類里做約束隨機(jī)時(shí)我推薦優(yōu)先使用randomize()而不是用$urandom手工拼。因?yàn)槭止そo每個(gè)變量調(diào)用隨機(jī)函數(shù)寫起來累還容易遺漏條件組合約束的優(yōu)雅性和可維護(hù)性都差很多。$urandom適合在簡(jiǎn)單測(cè)試平臺(tái)里或者需要在過程塊里快速生成一個(gè)輔助隨機(jī)值時(shí)使用。4.3 為什么驗(yàn)證中很少用系統(tǒng)隨機(jī)函數(shù)替代約束隨機(jī)這是一個(gè)很多新手會(huì)問的問題既然用$urandom也能生成隨機(jī)數(shù)為什么還要大費(fèi)周章寫class、寫constraint、寫dist關(guān)鍵在于“約束”這兩個(gè)字。$urandom只能生成一個(gè)滿足均勻分布、在某個(gè)范圍內(nèi)的隨機(jī)數(shù)它本身不具備“多變量聯(lián)合約束”和“關(guān)系約束”的能力。比如你希望len 8 len 64并且payload_len * 2 len用$urandom生成兩個(gè)變量后你還得寫一堆條件判斷來過濾失敗時(shí)還要重新生成。而用constraint求解器直接給你一組整體滿足條件的值。更重要的差異是概率分布的精細(xì)控制。$urandom_range(10, 1)生成的是均勻分布1到10的概率完全一樣。但在真實(shí)驗(yàn)證場(chǎng)景里你往往希望某些值出現(xiàn)的概率更高比如寄存器配置字段0很常見、異常值很少見這時(shí)候dist權(quán)重是簡(jiǎn)單隨機(jī)函數(shù)無法優(yōu)雅實(shí)現(xiàn)的。打個(gè)比方$urandom像抽獎(jiǎng)箱每個(gè)球都一樣重約束隨機(jī)像骰子你可以把某一面的鉛加重一些。當(dāng)驗(yàn)證空間復(fù)雜、覆蓋目標(biāo)多時(shí)只有后者才能讓你在有限仿真時(shí)間內(nèi)把隨機(jī)次數(shù)用在刀刃上。4.4 隨機(jī)穩(wěn)定性與種子管理提到隨機(jī)穩(wěn)定性再展開講一下種子管理。UVM環(huán)境中有兩種主要的隨機(jī)種子來源一種是仿真器全局RNG種子命令行控制另一種是每個(gè)uvm_component里的rng種子局部種子可以通過uvm_top.get_sequencer()或工廠配置覆蓋。全局種子控制整個(gè)驗(yàn)證環(huán)境的隨機(jī)流起點(diǎn)局部種子控制每個(gè)組件的隨機(jī)行為。實(shí)際使用中要讓回歸導(dǎo)致的可復(fù)現(xiàn)性變好可以注意幾點(diǎn)每次仿真啟動(dòng)時(shí)把種子打印到log文件建議在testbench的initial塊里加一行$display(RANDOM SEED: %0d, $get_initial_seed());。多組件環(huán)境里不要過度依賴全局命令種子因?yàn)閁VM的sequence_item隨機(jī)化通常從sequence本身的rng獲取某些sequence可能需要單獨(dú)設(shè)置種子才能復(fù)現(xiàn)。回歸失敗時(shí)拿到記錄種子后直接重跑。如果重跑還能穩(wěn)定復(fù)現(xiàn)那說明問題與隨機(jī)化有關(guān)如果重跑就消失了多半是環(huán)境里有不可控的絕對(duì)值比如絕對(duì)時(shí)間、文件讀取順序、數(shù)組哈希迭代順序等污染了隨機(jī)流。4.5 真隨機(jī)數(shù)與嵌入式安全場(chǎng)景的補(bǔ)充補(bǔ)充一點(diǎn)熱詞里提到的S32K144 CSEC獲取真隨機(jī)數(shù)。這個(gè)場(chǎng)景和驗(yàn)證仿真不一樣它是嵌入式安全模塊Crypto Service Engine通過硬件熵源生成真隨機(jī)數(shù)用于密鑰生成、簽名等安全場(chǎng)景因?yàn)閭坞S機(jī)數(shù)一旦種子泄露密鑰就容易被推導(dǎo)出來。在驗(yàn)證和日常軟件開發(fā)中我們基本不需要真隨機(jī)數(shù)但如果你做的是安全相關(guān)驗(yàn)證就需要區(qū)分開硬件真隨機(jī)數(shù)的驗(yàn)證重點(diǎn)在熵源質(zhì)量如NIST SP 800-90B測(cè)試和SystemVerilog約束隨機(jī)的驗(yàn)證思路完全不同。再比如熱詞里的“openssl rand -hex 32”這個(gè)命令在開發(fā)環(huán)境很常用它本質(zhì)上也是用OpenSSL的偽隨機(jī)數(shù)發(fā)生器或者系統(tǒng)安全熵源生成32字節(jié)隨機(jī)數(shù)據(jù)再以hex格式打印常用來生成密鑰、token、salt等。它和仿真驗(yàn)證不是一回事但如果你要在腳本里快速生成一個(gè)隨機(jī)的十六進(jìn)制串做測(cè)試數(shù)據(jù)用openssl rand -hex 16這樣一條命令確實(shí)比寫一堆代碼省事。注意別把它當(dāng)密碼學(xué)安全隨機(jī)源用除非你知道后端用的熵源足夠安全。5. 常見問題與排查技巧實(shí)錄5.1 randomize()返回0約束沖突了怎么辦隨機(jī)化失敗最常見的原因就是約束沖突。比如前面說的數(shù)組長(zhǎng)度300但取值范圍只有256個(gè)唯一值這種約束必然失敗。仿真器在randomize()返回0時(shí)通常不會(huì)直接報(bào)具體約束只是返回一個(gè)失敗的狀態(tài)如果你沒寫else分支問題就被吞掉了。排查思路我建議按三步走。第一步確認(rèn)你檢查了randomize的返回值如下if (!ag.randomize()) begin $fatal(1, randomize failed); end不要直接調(diào)用ag.randomize();然后使用變量失敗了你都不知道。第二步縮小范圍。把類里的約束逐個(gè)注釋掉只留下最小必選約束看哪個(gè)約束和哪個(gè)約束組合起來導(dǎo)致失敗。這個(gè)工作靠經(jīng)驗(yàn)也靠耐心如果約束很多建議寫一個(gè)最小化重現(xiàn)類。第三步使用仿真器的constraint debug選項(xiàng)。VCS有不少關(guān)于約束求解的debug命令打開之后可以打印出求解器的詳細(xì)求解過程能直接看出哪個(gè)約束不滿足。Questa/ModelSim也可以用-solvefailtest這類選項(xiàng)做約束失敗分析。仿真器的report里通常會(huì)列出沒能滿足的約束名學(xué)會(huì)看這個(gè)報(bào)告比瞎猜快得多。5.2 dist權(quán)重不生效概率和想象中不一樣dist權(quán)重不生效最常見的兩個(gè)原因一個(gè)是約束沖突一個(gè)是權(quán)重設(shè)置方式不對(duì)。約束沖突前面說了dist是概率傾向如果另一個(gè)constraint硬性排除了某個(gè)值那這個(gè)值的權(quán)重就毫無意義。比如你寫了len dist {0 : 80, [1:7] : 20};但同時(shí)寫了constraint c_avoid { len ! 0; }那么len為0的情況永遠(yuǎn)出不來80%的權(quán)重等于白設(shè)。這是初學(xué)時(shí)容易犯的隱形錯(cuò)誤。另一個(gè)原因是:和:/的語義混淆。建議記住一條判斷原則如果你希望某個(gè)區(qū)間內(nèi)的每個(gè)值都按同一個(gè)權(quán)重重現(xiàn)用:如果你希望整個(gè)區(qū)間作為一個(gè)整體控制權(quán)重讓這個(gè)區(qū)間內(nèi)部的值平分總權(quán)重用:/。以[1:7] : 60為例每個(gè)值權(quán)重都是60總的1到7權(quán)重是420在總權(quán)重中占比會(huì)非常高如果你本意只是想讓“1到7”這個(gè)區(qū)間占60%那應(yīng)該用[1:7] :/ 60。這個(gè)區(qū)別直接決定了你的隨機(jī)分布是否符合覆蓋率模型設(shè)計(jì)。5.3 randc用錯(cuò)場(chǎng)景覆蓋率不收斂randc雖然會(huì)自動(dòng)遍歷取值但它只在連續(xù)多次randomize()同一對(duì)象時(shí)才有這個(gè)效果。如果你每次randomize()之后就把對(duì)象復(fù)制走或者每個(gè)用例重新new一個(gè)對(duì)象那么randc的循環(huán)遍歷效果就失效了因?yàn)樗涗浀氖菍?duì)象實(shí)例內(nèi)部的循環(huán)狀態(tài)。我見過一個(gè)項(xiàng)目里sequence每次發(fā)送包都新建一個(gè)packet對(duì)象里面用了randc字段想著能覆蓋每個(gè)值。結(jié)果每次新建對(duì)象后randc都從初始狀態(tài)開始隨機(jī)性完全變成了普通rand行為覆蓋率跑了很久都不收斂。后來改成在sequence里保存對(duì)象引用、連續(xù)復(fù)用同一個(gè)item覆蓋率才正常。另外如果randc字段的最大值特別大比如randc bit [31:0] seed_value;要遍歷全部42億個(gè)值才可能隨機(jī)回同一個(gè)值它的“循環(huán)”意義就基本不存在了用rand反而更合適。我建議randc只用在值域小于幾十、需要快速覆蓋每個(gè)值的字段上。5.4 隨機(jī)種子變化導(dǎo)致回歸失敗無法復(fù)現(xiàn)回歸一時(shí)全綠再加幾個(gè)用例就紅了但單獨(dú)把紅的那條用例拿出來跑又不紅這是驗(yàn)證環(huán)境里很磨人的場(chǎng)景。多半出在隨機(jī)種子的全局流上。解決這類問題首先要把每條用例實(shí)際的隨機(jī)種子記下來。很多UVM環(huán)境在test的main_phase開頭都會(huì)打印種子比如uvm_test_done的打印或者你自己寫$display(seed%0d ...)。失敗時(shí)拿到那條用例的準(zhǔn)確種子然后用單回歸加上這個(gè)種子去跑。如果固定了種子仍然復(fù)現(xiàn)不了主義檢查環(huán)境中有沒有“非確定性來源”比如使用系統(tǒng)時(shí)間做延時(shí)、從外部文件隨機(jī)讀取、使用哈希表遍歷順序不一致、多線程并行調(diào)度導(dǎo)致事件順序變化等。這些都會(huì)擾動(dòng)RNG的推進(jìn)步數(shù)導(dǎo)致同一個(gè)種子下序列錯(cuò)位。解決辦法是把這些非確定因素盡量固化比如文件讀取用固定順序、組件實(shí)例化順序固定、避免在同一次randomize之間插入依賴環(huán)境的調(diào)度。5.5 浮點(diǎn)約束導(dǎo)致仿真變慢或失敗前面提到過用real做隨機(jī)約束可能出現(xiàn)求解慢、邊界精度問題。這在實(shí)際項(xiàng)目里確實(shí)存在。另一種更隱蔽的問題是當(dāng)你把浮點(diǎn)和整數(shù)混合約束時(shí)比如r inside {[0.2:0.3]}; r * 1000 int_val;求解器可能對(duì)浮點(diǎn)方程的求解支持不好導(dǎo)致隨機(jī)化失敗。我的建議是盡量用整數(shù)方案替代浮點(diǎn)約束除非設(shè)計(jì)本身需要浮點(diǎn)浮點(diǎn)隨機(jī)源。比如需要生成一個(gè)隨機(jī)的時(shí)間偏移系數(shù)用rand int unsigned permille; constraint c_permille { permille inside {[200:300]}; }使用時(shí)real coef permille / 1000.0;。這樣既能精確控制范圍又不會(huì)有浮點(diǎn)約束帶來的求解開銷。這一點(diǎn)算是個(gè)人實(shí)踐里比較受益的經(jīng)驗(yàn)。寫到最后的一點(diǎn)體會(huì)隨機(jī)化策略看起來是幾個(gè)關(guān)鍵詞的事實(shí)際用起來卻貫穿了整個(gè)驗(yàn)證環(huán)境的設(shè)計(jì)思路。怎么選randc、怎么寫constraint、怎么調(diào)dist權(quán)重本質(zhì)上是在“可控性”和“隨機(jī)性”之間找平衡。我在實(shí)際項(xiàng)目里最深的感受是約束隨機(jī)不是讓驗(yàn)證變得“純隨機(jī)”而是讓驗(yàn)證能夠在有限仿真時(shí)間內(nèi)更聰明地探索那些最容易藏bug的空間。因此每次寫約束之前先想清楚這個(gè)變量在業(yè)務(wù)場(chǎng)景里的真實(shí)分布再用dist表達(dá)出來會(huì)比隨手寫一個(gè)范圍約束有效得多。最后分享一個(gè)小習(xí)慣每寫一個(gè)帶約束的類我都會(huì)在類里加一個(gè)function void post_randomize()把隨機(jī)結(jié)果的關(guān)鍵字段打印出來方便第一時(shí)間看到隨機(jī)化后的值是否符合預(yù)期。不要小看這個(gè)動(dòng)作它能在你寫完約束后立刻暴露約束寫錯(cuò)、權(quán)重配比不對(duì)、或者范圍不合理的問題省去后面大量的debug時(shí)間。隨機(jī)化這個(gè)東西一旦理順了是驗(yàn)證效率提升最明顯的手段之一。