ZYNQ的数据处理能力

这段时间由于有任务要做,身体也不太好,所以一直没有时间在完成zynq数据处理能力的文档,今天晚上,抽了一晚上时间将相应的资料及实验都整理了出来,剩下的部分等把任务做完后在来折腾。在这里记下今天的历程,权当以后参考 。
    由于zynq自身自带本地arm-linux-gnu工具链,因此我就偷了一下懒, 没有去安装mentor公司 的gnu工具链,准备等把这段时间忙完之后再进行相应的折腾。具体工具链如下所示:

由于使用的ubuntu linaro系统,本来我的想法是利用NFS与上位linux系统进行互联,结果我发现digilent公司提供的linaro包里面竟然不支持NFS挂载,如果需要NFS挂载支持的话,可以重新编译linaro源码,在make menuconfig的时候将nfs支持选上,或是选择之前的xilinx公司提供的open linux安装包中,其中有提供NFS挂载,但是该安装包没有本地工具链。
  解决的方式只有一种,通过将相应的文件拷到SD卡中的EXT4分区中,这里注意,较早的linux系统是不支持EXT4文件格式的,需要下载较新的系统。在这里可以选用ubuntu 12。04之后的版本,千万不要选红帽企业版5,该版本较早,是没有办法完成SD卡的挂载的。 
  通过将指纹处理算法文件拷入到sd卡中后,完成makefile文件的设计。具体如下图所示:

 

由于我 之前做过大量的指纹算法及其移植的研究,分别将其移植至NIOS2,ARM11 6410 WITHOUT MMU,ARM11 6410 WITH MMU以及STM32F429ZET6
处理时间如下:
NIOS2 100MHZ: 30S左右
ARM11 6410 WITHOUT MMU 667MHZ:8秒之内
ARM11 6410 WITH MMU 667MHZ: 2秒
STM32F429ZET6 250MHZ:2秒之内
   NIOS2是altera公司的软核,在验证IP核时还是具有很大作用。由于没有打开CACHE,因此其数据处理能力较差。
   ARM11 6410 WITHOUT MMU 667MHZ 三星公司的ARM11,在没有运行操作系统的情况下,不打开CACHE(但打开浮点协处理器),其运行速度为8秒
 ARM11 6410 WITH MMU 667MHZ 三星公司的ARM11,在没有运行操作系统的情况下,打开CACHE(打开浮点协处理器),其运行速度为2秒,可见cache的强大(该处理器为1级缓存,相对较弱),若想深入研究计算机cache,可以去看CMU和斯坦福的两本相应著作

Computer Systems: A Programmer‘s Perspective (2nd Edition),Computer Architecture: A Quantitative Approach, 5th Edition。另外Hisa Ando的支撑处理器的技术:永无止境地追求速度的世界中有不带缓存,带1level缓存,带2level缓存,带3level缓存的实际测量数据,有兴趣可以看一看。
  STM32F429ZET6:ST公司最新的产品,理论运行速度为168MHZ,本人为了追求速度,将其超频到250MHZ 。处理速度为2秒之内,正常速度处理速度为3秒。
  接下来就是今天的ZYNQ了,写完makefile文件后,输入make报错,让我百思不得其解,sqrt,atan2,fabs,atan2没有定义,估计是编译器对库文件支持的还不是特别完善,于是我利用uclibc中的这四个文件,并将其从库中剥离出来。重新编译。成功!

 开始测量ZYNQ的数据处理能力,输入:time ./main

运行时间为0.27s。这个速度已经相当的快了。让我不得不佩服ARM公司的那群基佬们。由于本人另外还有任务,所以这段时间我可能没有时间去折腾相应的接口驱动,等完成了相应的任务后,再来慢慢完成相应的接口驱动设计。最近实在是太忙了。好啦,时间不早了,先暂时写到这里吧。 
 参考资料:
 Bryant R, David Richard O H. Computer systems: a programmer‘s perspective[M]. Prentice Hall, 2003.
 Hennessy J L, Patterson D A. Computer architecture: a quantitative approach[M]. Elsevier, 2012.
 Mecklenburg R. Managing projects with GNU make[M]. " O‘Reilly Media, Inc.", 2004.
Jone R L. Linker & Loader[J]. 1999.
ARM architecture reference manual[M]. Pearson Education, 2001.
支撑处理器的技术:永无止境地追求速度的世界[M].安藤桐 (Hisa Ando) (作者), 李剑 (译者).2009

ZYNQ的数据处理能力,布布扣,bubuko.com

时间: 2024-10-13 15:23:27

ZYNQ的数据处理能力的相关文章

一站式大数据敏捷分析平台

OpenFEA是一站式大数据敏捷分析系统,融合了内存计算.集群运算.机器学习.交互分析.可视化分析等技术,涵盖数据收集.数据探索.构建模型.模型发布等功能,分析性能卓越,使用简便,无需复杂编程即可快速实现大数据分析,助力数据分析师激扬数据,塑造业务标杆.          数据收集         OpenFEA能够融合更多类型的数据来进行运算,支持关系型数据源. Hadoop数据源.数据文件.第三方数据源. 支持数据源与接口/格式的双向自定义机制.表示各种复杂结构或LOAD和STORE各类数据

大数据和「数据挖掘」是何关系?---来自知乎

知乎用户,互联网 244 人赞同 在我读数据挖掘方向研究生的时候:如果要描述数据量非常大,我们用Massive Data(海量数据)如果要描述数据非常多样,我们用Heterogeneous Data(异构数据)如果要描述数据既多样,又量大,我们用Massive Heterogeneous Data(海量异构数据)--如果要申请基金忽悠一笔钱,我们用Big Data(大数据) 编辑于 2014-02-2817 条评论感谢 收藏没有帮助举报作者保留权利 刘知远,NLPer 4 人赞同 我觉得 大数据

华为内部关于大数据的一篇好文

科技的进步在很多的时候总会超出我们的想象,如果未来我们一个人拥有的电脑设备超过现在全球现在计算能力的总和,一个人产生的数据量超过现在全球数据 量的总和,甚至你的宠物小狗产生的信息量都超过现在全球数据量的总和,世界会发生什么呢?阅读本文,大数据(Big Data)会告诉你一个充满奇幻色彩的世界. 一.详解时髦词汇:大数据 似乎一夜之间,大数据(Big Data)变成一个IT行业中最时髦的词汇. 首先,大数据不是什么完完全全的新生事物,Google的搜索服务就是一个典型的大数据运用,根据客户的需求,

【AllJoyn专题】基于AllJoyn和Yeelink的传感器数据上传与指令下行的研究

笔者接触高通物联网框架AllJoyn不太久,但确是被深深地吸引了.在我看来,促进我深入学习的原因有三点:一.AllJoyn开源,对开源的软硬件总会有种莫名的喜爱,尽管也许不会都深入下去:二.顺应潮流,物联网虽远未普及,但已是大势所趋,高通公司在领域布局,致力于打造舒适高效的智能家居场景,推出AllJoyn软件框架,适应了发展趋势:三.文档丰富,开源软件的使用,特别是框架,若没有文档相助,相信没有多少开发者愿意尝试,AllJoyn在这方面做得不错,日后还需做得更好.当然啦,也有些额外原因,包括高通

探析大数据需求下的分布式数据库

一.前言 大数据技术从诞生到现在,已经经历了十几个年头.市场上早已不断有公司或机构,给广大金融从业者"洗脑"大数据未来的美好前景与趋势.随着用户对大数据理念与技术的不断深入了解,人们已经开始从理论探索转向对场景落地的寻找,让大数据在企业中落地并开花结果. 从大数据的管理和应用方向集中在两个领域.第一,大数据分析相关,针对海量数据的挖掘.复杂的分析计算:第二,在线数据操作,包括传统交易型操作以及海量数据的实时访问.大数据高并发查询操作.用户根据业务场景以及对数据处理结果的期望选择不同的大

阿里云大数据三次技术突围:Greenplum、Hadoop和“飞天”

阿里云大数据三次技术突围:Greenplum.Hadoop和"飞天"  对于企业来说,到底什么是云计算?相信很多企业都有这样的困惑,让我们一起回到这个原始的起点探讨究竟什么是云计算?云计算对于企业而言到底意味什么? 云计算的三条发展路径及三种落地形态 当回到最初的起点再审视云计算的发展路径,可以发现,经过十余年的发展演进,云计算有三条发展路径,并且最终沉淀下来了三种落地形态. 第一条路:源自于谷歌对大规模数据的处理,谷歌为全球的互联网用户提供同一个服务--搜索,它需要将全世界所有的网站

数据湖(Data Lake)前世今生解析(上)

EMC收购视频存储设备厂商Isilon Systems完善EMC在分布式Scale-Out架构NAS技术方面的不足,近几年isilon在媒资.大数据和HPC场景得到客户的一致认可,也在去年和另外一个产品线Povital Hadoop推出了数据湖解决方案,应对互联网浪潮下客户对半结构化和非结构化数据的处理.存储需求. 在讲数据湖之前,我们一起在回顾下数据库和数据仓库.数据库指在线交易数据系统.一般指OLTP事务处理,数据库中的数据也是进行了分类的:数据仓库一般指通过ETL工具抽取分类中的离线数据,

商业银行大数据六问六策(2)

大数据等同于数据仓库吗? 如前所述,商业银行是否具备大数据能力,应依据数据及数据分析系统所发挥的具体效用来判断.以“显著提升数据分析和商业决策的效率”,“显著提高对客户的理解与认知能力”,“低成本.批量地实现较高水准的个性化客户服务”三条标准来衡量,目前商业银行数据仓库建设还需在以下几个方面加以强化. 建设异构的数据仓库平台.多年来,商业银行的数据仓库以存储业务.交易数据为主,因此采购了存储成本较高的专业数据仓库服务,数据在进入仓库之前的ETL规则相对比较严格,并采用了“时间换空间”的策略进行主

如何来合理解决电商系统数据承载过大的问题呢?

原文地址:http://whosmall.com/?post=431 初创企业在发展过程中,一般不会遇到类似问题,但是随着业务量的增加,特别是电商系统,由于每日的订单数量过多,导致数据库的承载量过大,更换服务器的成本很大,所以如何来合理解决电商系统数据承载过大的问题呢? 1.从初始阶段,这应该是属于系统架构师应该考虑进去的事情,所以这项工作应该由架构师来完成: 2.如果没有合理的架构,那么在需要解决这个问题的时候,可以通过数据库分库,分表.切片的方式来进行.(再次强调这是个技术问题,产品不背锅)