博客
关于我
arm64_linux head.S的执行流程- 9.stext之__cpu_setup
阅读量:141 次
发布时间:2019-02-28

本文共 1388 字,大约阅读时间需要 4 分钟。

前言

本文基于高通8996平台,kernel版本为3.18.31。文章将深入探讨ARM64体系中的__cpu_setup函数,重点分析其在内核启动过程中的关键作用。

__cpu_setup函数解析

__cpu_setup函数主要负责为MMU开启所需的准备工作。函数执行前,已预设lr寄存器的内容为__enable_mmu函数调用。通过使用b指令而非bl,确保了lr寄存器值未发生修改,最终返回至__enable_mmu函数。以下是__cpu_setup函数的核心执行流程:
#arch/arm64/mm/proc.SENTRY(__cpu_setup)

1. 清空 Instruction Cache (ICache)

执行iallu指令,强制清空ICache的所有缓存线,以确保在进入分区优化(PoU)阶段时内存访问处于一致状态。

2. TLB Invalidating

调用tlbi vmalle1is指令,通过猜测操作对TLB(Translation Lookaside Buffer)进行全局无效化。vmalle1is参数设置为e1(适用于EL1层次)和is(内共享)。

3. Memory Barrier (DSB)

执行dsb ish指令,确保在MMU开启之前,TLB无效化和ICache清空操作已经完成。这一操作保证了TLB和ICache的状态一致性。

4. Architectural Feature Control

设置CPACR_EL1和MDSCR_EL1寄存器:

mov x0, #3 << 20msr cpacr_el1, x0msr mdscr_el1, xzr

CPACR_EL1用于控制浮点运算单元(FPE)和SIMD单元的访问权限。MDSCR_EL1用于管理调试系统的状态。

5. Memory Attribute Setup

加载MAIR_EL1寄存器,配置内存区域属性:

ldr x5, =MAIR(0x00, MT_DEVICE_nGnRnE) | \   MAIR(0x04, MT_DEVICE_nGnRE) | \   MAIR(0x0c, MT_DEVICE_GRE) | \   MAIR(0x44, MT_NORMAL_NC) | \   MAIR(0xff, MT_NORMAL)msr mair_el1, x5

该配置定义了内核和用户空间的内存属性,包括设备nGnRnE、nGnRE、普通区域等。

6. SCTLR_EL1准备

获取SCTLR_EL1值并存储在x0寄存器中,作为__enable_mmu函数的参数。通过crval变量获取TCR寄存器的值,并进行必要的二进制操作:

adr x5, crvalldp w5, w6, [x5]mrs x0, sctlr_el1bic x0, x0, x5orr x0, x0, x6msr tcr_el1, x10

TCR寄存器用于定义内核和用户空间的地址范围及页表属性。

7. MMU开启准备完成

函数执行完毕后,返回至__enable_mmu函数,完成MMU的最终开启。

总结

__cpu_setup函数的核心目标是为MMU开启做好准备工作。这包括清空ICache和TLB的缓存线,配置必要的寄存器参数,如SCTLR_EL1和TCR_EL1,以确保内核启动过程的顺利进行。

转载地址:http://pnqd.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>