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
Pandas-通过对列和索引的值求和来合并两个数据框
查看>>
pandas.columns、get_dummies等用法
查看>>
pandas.DataFrame.copy(deep=True) 实际上并不创建深拷贝
查看>>
pandas.read_csv()的详解-ChatGPT4o作答
查看>>
PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
查看>>
pandas100个骚操作:再见 for 循环!速度提升315倍!
查看>>
Pandas:如何根据其他列值的条件对列进行求和?
查看>>
Pandas:对给定列求和 DataFrame 行
查看>>
Pandas、groupby 和特定月份的求和
查看>>
Pandas、Matplotlib、Pyecharts数据分析实践
查看>>
Pandas中文官档 ~ 基础用法1
查看>>
Pandas中文官档~基础用法2
查看>>
SpringBoot+Vue+OpenOffice实现文档管理(文档上传、下载、在线预览)
查看>>
Pandas中文官档~基础用法5
查看>>
Pandas中文官档~基础用法6
查看>>
Pandas中的GROUP BY AND SUM不丢失列
查看>>
Pandas中的GROUP BY AND SUM不丢失列
查看>>
Pandas之iloc、loc
查看>>
pandas交换两列
查看>>
pandas介绍-ChatGPT4o作答
查看>>