1 Introduction
2 ============
4 Having looked at the linux mtd/nand driver and more specific at nand_ecc.c
5 I felt there was room for optimisation. I bashed the code for a few hours
6 performing tricks like table lookup removing superfluous code etc.
7 After that the speed was increased by 35-40%.
8 Still I was not too happy as I felt there was additional room for improvement.
11 I decided to annotate my steps in this file. Perhaps it is useful to someone
12 or someone learns something from it.
15 The problem
16 ===========
18 NAND flash (at least SLC one) typically has sectors of 256 bytes.
19 However NAND flash is not extremely reliable so some error detection
20 (and sometimes correction) is needed.
22 This is done by means of a Hamming code. I'll try to explain it in
23 laymans terms (and apologies to all the pro's in the field in case I do
24 not use the right terminology, my coding theory class was almost 30
25 years ago, and I must admit it was not one of my favourites).
27 As I said before the ecc calculation is performed on sectors of 256
28 bytes. This is done by calculating several parity bits over the rows and
29 columns. The parity used is even parity which means that the parity bit = 1
30 if the data over which the parity is calculated is 1 and the parity bit = 0
31 if the data over which the parity is calculated is 0. So the total
32 number of bits over the data over which the parity is calculated + the
33 parity bit is even. (see wikipedia if you can't follow this).
34 Parity is often calculated by means of an exclusive or operation,
35 sometimes also referred to as xor. In C the operator for xor is ^
37 Back to ecc.
38 Let's give a small figure:
40 byte   0:  bit7 bit6 bit5 bit4 bit3 bit2 bit1 bit0   rp0 rp2 rp4 ... rp14
41 byte   1:  bit7 bit6 bit5 bit4 bit3 bit2 bit1 bit0   rp1 rp2 rp4 ... rp14
42 byte   2:  bit7 bit6 bit5 bit4 bit3 bit2 bit1 bit0   rp0 rp3 rp4 ... rp14
43 byte   3:  bit7 bit6 bit5 bit4 bit3 bit2 bit1 bit0   rp1 rp3 rp4 ... rp14
44 byte   4:  bit7 bit6 bit5 bit4 bit3 bit2 bit1 bit0   rp0 rp2 rp5 ... rp14
45 ....
46 byte 254:  bit7 bit6 bit5 bit4 bit3 bit2 bit1 bit0   rp0 rp3 rp5 ... rp15
47 byte 255:  bit7 bit6 bit5 bit4 bit3 bit2 bit1 bit0   rp1 rp3 rp5 ... rp15
48            cp1  cp0  cp1  cp0  cp1  cp0  cp1  cp0
49            cp3  cp3  cp2  cp2  cp3  cp3  cp2  cp2
50            cp5  cp5  cp5  cp5  cp4  cp4  cp4  cp4
52 This figure represents a sector of 256 bytes.
53 cp is my abbreviation for column parity, rp for row parity.
55 Let's start to explain column parity.
56 cp0 is the parity that belongs to all bit0, bit2, bit4, bit6.
57 so the sum of all bit0, bit2, bit4 and bit6 values + cp0 itself is even.
58 Similarly cp1 is the sum of all bit1, bit3, bit5 and bit7.
59 cp2 is the parity over bit0, bit1, bit4 and bit5
60 cp3 is the parity over bit2, bit3, bit6 and bit7.
61 cp4 is the parity over bit0, bit1, bit2 and bit3.
62 cp5 is the parity over bit4, bit5, bit6 and bit7.
63 Note that each of cp0 .. cp5 is exactly one bit.
65 Row parity actually works almost the same.
66 rp0 is the parity of all even bytes (0, 2, 4, 6, ... 252, 254)
67 rp1 is the parity of all odd bytes (1, 3, 5, 7, ..., 253, 255)
68 rp2 is the parity of all bytes 0, 1, 4, 5, 8, 9, ...
69 (so handle two bytes, then skip 2 bytes).
70 rp3 is covers the half rp2 does not cover (bytes 2, 3, 6, 7, 10, 11, ...)
71 for rp4 the rule is cover 4 bytes, skip 4 bytes, cover 4 bytes, skip 4 etc.
72 so rp4 calculates parity over bytes 0, 1, 2, 3, 8, 9, 10, 11, 16, ...)
73 and rp5 covers the other half, so bytes 4, 5, 6, 7, 12, 13, 14, 15, 20, ..
74 The story now becomes quite boring. I guess you get the idea.
75 rp6 covers 8 bytes then skips 8 etc
76 rp7 skips 8 bytes then covers 8 etc
77 rp8 covers 16 bytes then skips 16 etc
78 rp9 skips 16 bytes then covers 16 etc
79 rp10 covers 32 bytes then skips 32 etc
80 rp11 skips 32 bytes then covers 32 etc
81 rp12 covers 64 bytes then skips 64 etc
82 rp13 skips 64 bytes then covers 64 etc
83 rp14 covers 128 bytes then skips 128
84 rp15 skips 128 bytes then covers 128
86 In the end the parity bits are grouped together in three bytes as
87 follows:
88 ECC    Bit 7 Bit 6 Bit 5 Bit 4 Bit 3 Bit 2 Bit 1 Bit 0
89 ECC 0   rp07  rp06  rp05  rp04  rp03  rp02  rp01  rp00
90 ECC 1   rp15  rp14  rp13  rp12  rp11  rp10  rp09  rp08
91 ECC 2   cp5   cp4   cp3   cp2   cp1   cp0      1     1
93 I detected after writing this that ST application note AN1823
94 (http://www.st.com/stonline/) gives a much
95 nicer picture.(but they use line parity as term where I use row parity)
96 Oh well, I'm graphically challenged, so suffer with me for a moment :-)
97 And I could not reuse the ST picture anyway for copyright reasons.
100 Attempt 0
101 =========
103 Implementing the parity calculation is pretty simple.
104 In C pseudocode:
105 for (i = 0; i < 256; i++)
106 {
107     if (i & 0x01)
108        rp1 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp1;
109     else
110        rp0 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp1;
111     if (i & 0x02)
112        rp3 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp3;
113     else
114        rp2 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp2;
115     if (i & 0x04)
116       rp5 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp5;
117     else
118       rp4 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp4;
119     if (i & 0x08)
120       rp7 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp7;
121     else
122       rp6 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp6;
123     if (i & 0x10)
124       rp9 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp9;
125     else
126       rp8 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp8;
127     if (i & 0x20)
128       rp11 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp11;
129     else
130     rp10 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp10;
131     if (i & 0x40)
132       rp13 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp13;
133     else
134       rp12 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp12;
135     if (i & 0x80)
136       rp15 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp15;
137     else
138       rp14 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ bit3 ^ bit2 ^ bit1 ^ bit0 ^ rp14;
139     cp0 = bit6 ^ bit4 ^ bit2 ^ bit0 ^ cp0;
140     cp1 = bit7 ^ bit5 ^ bit3 ^ bit1 ^ cp1;
141     cp2 = bit5 ^ bit4 ^ bit1 ^ bit0 ^ cp2;
142     cp3 = bit7 ^ bit6 ^ bit3 ^ bit2 ^ cp3
143     cp4 = bit3 ^ bit2 ^ bit1 ^ bit0 ^ cp4
144     cp5 = bit7 ^ bit6 ^ bit5 ^ bit4 ^ cp5
145 }
148 Analysis 0
149 ==========
151 C does have bitwise operators but not really operators to do the above
152 efficiently (and most hardware has no such instructions either).
153 Therefore without implementing this it was clear that the code above was
154 not going to bring me a Nobel prize :-)
156 Fortunately the exclusive or operation is commutative, so we can combine
157 the values in any order. So instead of calculating all the bits
158 individually, let us try to rearrange things.
159 For the column parity this is easy. We can just xor the bytes and in the
160 end filter out the relevant bits. This is pretty nice as it will bring
161 all cp calculation out of the if loop.
163 Similarly we can first xor the bytes for the various rows.
167 Attempt 1
168 =========
170 const char parity = {
171     0, 1, 1, 0, 1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 1, 0,
172     1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1,
173     1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1,
174     0, 1, 1, 0, 1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 1, 0,
175     1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1,
176     0, 1, 1, 0, 1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 1, 0,
177     0, 1, 1, 0, 1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 1, 0,
178     1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1,
179     1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1,
180     0, 1, 1, 0, 1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 1, 0,
181     0, 1, 1, 0, 1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 1, 0,
182     1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1,
183     0, 1, 1, 0, 1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 1, 0,
184     1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1,
185     1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1,
186     0, 1, 1, 0, 1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 1, 0
187 };
189 void ecc1(const unsigned char *buf, unsigned char *code)
190 {
191     int i;
192     const unsigned char *bp = buf;
193     unsigned char cur;
194     unsigned char rp0, rp1, rp2, rp3, rp4, rp5, rp6, rp7;
195     unsigned char rp8, rp9, rp10, rp11, rp12, rp13, rp14, rp15;
196     unsigned char par;
198     par = 0;
199     rp0 = 0; rp1 = 0; rp2 = 0; rp3 = 0;
200     rp4 = 0; rp5 = 0; rp6 = 0; rp7 = 0;
201     rp8 = 0; rp9 = 0; rp10 = 0; rp11 = 0;
202     rp12 = 0; rp13 = 0; rp14 = 0; rp15 = 0;
204     for (i = 0; i < 256; i++)
205     {
206         cur = *bp++;
207         par ^= cur;
208         if (i & 0x01) rp1 ^= cur; else rp0 ^= cur;
209         if (i & 0x02) rp3 ^= cur; else rp2 ^= cur;
210         if (i & 0x04) rp5 ^= cur; else rp4 ^= cur;
211         if (i & 0x08) rp7 ^= cur; else rp6 ^= cur;
212         if (i & 0x10) rp9 ^= cur; else rp8 ^= cur;
213         if (i & 0x20) rp11 ^= cur; else rp10 ^= cur;
214         if (i & 0x40) rp13 ^= cur; else rp12 ^= cur;
215         if (i & 0x80) rp15 ^= cur; else rp14 ^= cur;
216     }
217     code =
218         (parity[rp7] << 7) |
219         (parity[rp6] << 6) |
220         (parity[rp5] << 5) |
221         (parity[rp4] << 4) |
222         (parity[rp3] << 3) |
223         (parity[rp2] << 2) |
224         (parity[rp1] << 1) |
225         (parity[rp0]);
226     code =
227         (parity[rp15] << 7) |
228         (parity[rp14] << 6) |
229         (parity[rp13] << 5) |
230         (parity[rp12] << 4) |
231         (parity[rp11] << 3) |
232         (parity[rp10] << 2) |
233         (parity[rp9]  << 1) |
234         (parity[rp8]);
235     code =
236         (parity[par & 0xf0] << 7) |
237         (parity[par & 0x0f] << 6) |
238         (parity[par & 0xcc] << 5) |
239         (parity[par & 0x33] << 4) |
240         (parity[par & 0xaa] << 3) |
241         (parity[par & 0x55] << 2);
242     code = ~code;
243     code = ~code;
244     code = ~code;
245 }
247 Still pretty straightforward. The last three invert statements are there to
248 give a checksum of 0xff 0xff 0xff for an empty flash. In an empty flash
249 all data is 0xff, so the checksum then matches.
251 I also introduced the parity lookup. I expected this to be the fastest
252 way to calculate the parity, but I will investigate alternatives later
253 on.
256 Analysis 1
257 ==========
259 The code works, but is not terribly efficient. On my system it took
260 almost 4 times as much time as the linux driver code. But hey, if it was
261 *that* easy this would have been done long before.
262 No pain. no gain.
264 Fortunately there is plenty of room for improvement.
266 In step 1 we moved from bit-wise calculation to byte-wise calculation.
267 However in C we can also use the unsigned long data type and virtually
268 every modern microprocessor supports 32 bit operations, so why not try
269 to write our code in such a way that we process data in 32 bit chunks.
271 Of course this means some modification as the row parity is byte by
272 byte. A quick analysis:
273 for the column parity we use the par variable. When extending to 32 bits
274 we can in the end easily calculate p0 and p1 from it.
275 (because par now consists of 4 bytes, contributing to rp1, rp0, rp1, rp0
276 respectively)
277 also rp2 and rp3 can be easily retrieved from par as rp3 covers the
278 first two bytes and rp2 the last two bytes.
280 Note that of course now the loop is executed only 64 times (256/4).
281 And note that care must taken wrt byte ordering. The way bytes are
282 ordered in a long is machine dependent, and might affect us.
283 Anyway, if there is an issue: this code is developed on x86 (to be
284 precise: a DELL PC with a D920 Intel CPU)
286 And of course the performance might depend on alignment, but I expect
287 that the I/O buffers in the nand driver are aligned properly (and
288 otherwise that should be fixed to get maximum performance).
290 Let's give it a try...
293 Attempt 2
294 =========
296 extern const char parity;
298 void ecc2(const unsigned char *buf, unsigned char *code)
299 {
300     int i;
301     const unsigned long *bp = (unsigned long *)buf;
302     unsigned long cur;
303     unsigned long rp0, rp1, rp2, rp3, rp4, rp5, rp6, rp7;
304     unsigned long rp8, rp9, rp10, rp11, rp12, rp13, rp14, rp15;
305     unsigned long par;
307     par = 0;
308     rp0 = 0; rp1 = 0; rp2 = 0; rp3 = 0;
309     rp4 = 0; rp5 = 0; rp6 = 0; rp7 = 0;
310     rp8 = 0; rp9 = 0; rp10 = 0; rp11 = 0;
311     rp12 = 0; rp13 = 0; rp14 = 0; rp15 = 0;
313     for (i = 0; i < 64; i++)
314     {
315         cur = *bp++;
316         par ^= cur;
317         if (i & 0x01) rp5 ^= cur; else rp4 ^= cur;
318         if (i & 0x02) rp7 ^= cur; else rp6 ^= cur;
319         if (i & 0x04) rp9 ^= cur; else rp8 ^= cur;
320         if (i & 0x08) rp11 ^= cur; else rp10 ^= cur;
321         if (i & 0x10) rp13 ^= cur; else rp12 ^= cur;
322         if (i & 0x20) rp15 ^= cur; else rp14 ^= cur;
323     }
324     /*
325        we need to adapt the code generation for the fact that rp vars are now
326        long; also the column parity calculation needs to be changed.
327        we'll bring rp4 to 15 back to single byte entities by shifting and
328        xoring
329     */
330     rp4 ^= (rp4 >> 16); rp4 ^= (rp4 >> 8); rp4 &= 0xff;
331     rp5 ^= (rp5 >> 16); rp5 ^= (rp5 >> 8); rp5 &= 0xff;
332     rp6 ^= (rp6 >> 16); rp6 ^= (rp6 >> 8); rp6 &= 0xff;
333     rp7 ^= (rp7 >> 16); rp7 ^= (rp7 >> 8); rp7 &= 0xff;
334     rp8 ^= (rp8 >> 16); rp8 ^= (rp8 >> 8); rp8 &= 0xff;
335     rp9 ^= (rp9 >> 16); rp9 ^= (rp9 >> 8); rp9 &= 0xff;
336     rp10 ^= (rp10 >> 16); rp10 ^= (rp10 >> 8); rp10 &= 0xff;
337     rp11 ^= (rp11 >> 16); rp11 ^= (rp11 >> 8); rp11 &= 0xff;
338     rp12 ^= (rp12 >> 16); rp12 ^= (rp12 >> 8); rp12 &= 0xff;
339     rp13 ^= (rp13 >> 16); rp13 ^= (rp13 >> 8); rp13 &= 0xff;
340     rp14 ^= (rp14 >> 16); rp14 ^= (rp14 >> 8); rp14 &= 0xff;
341     rp15 ^= (rp15 >> 16); rp15 ^= (rp15 >> 8); rp15 &= 0xff;
342     rp3 = (par >> 16); rp3 ^= (rp3 >> 8); rp3 &= 0xff;
343     rp2 = par & 0xffff; rp2 ^= (rp2 >> 8); rp2 &= 0xff;
344     par ^= (par >> 16);
345     rp1 = (par >> 8); rp1 &= 0xff;
346     rp0 = (par & 0xff);
347     par ^= (par >> 8); par &= 0xff;
349     code =
350         (parity[rp7] << 7) |
351         (parity[rp6] << 6) |
352         (parity[rp5] << 5) |
353         (parity[rp4] << 4) |
354         (parity[rp3] << 3) |
355         (parity[rp2] << 2) |
356         (parity[rp1] << 1) |
357         (parity[rp0]);
358     code =
359         (parity[rp15] << 7) |
360         (parity[rp14] << 6) |
361         (parity[rp13] << 5) |
362         (parity[rp12] << 4) |
363         (parity[rp11] << 3) |
364         (parity[rp10] << 2) |
365         (parity[rp9]  << 1) |
366         (parity[rp8]);
367     code =
368         (parity[par & 0xf0] << 7) |
369         (parity[par & 0x0f] << 6) |
370         (parity[par & 0xcc] << 5) |
371         (parity[par & 0x33] << 4) |
372         (parity[par & 0xaa] << 3) |
373         (parity[par & 0x55] << 2);
374     code = ~code;
375     code = ~code;
376     code = ~code;
377 }
379 The parity array is not shown any more. Note also that for these
380 examples I kinda deviated from my regular programming style by allowing
381 multiple statements on a line, not using { } in then and else blocks
382 with only a single statement and by using operators like ^=
385 Analysis 2
386 ==========
388 The code (of course) works, and hurray: we are a little bit faster than
389 the linux driver code (about 15%). But wait, don't cheer too quickly.
390 THere is more to be gained.
391 If we look at e.g. rp14 and rp15 we see that we either xor our data with
392 rp14 or with rp15. However we also have par which goes over all data.
393 This means there is no need to calculate rp14 as it can be calculated from
394 rp15 through rp14 = par ^ rp15;
395 (or if desired we can avoid calculating rp15 and calculate it from
396 rp14).  That is why some places refer to inverse parity.
397 Of course the same thing holds for rp4/5, rp6/7, rp8/9, rp10/11 and rp12/13.
398 Effectively this means we can eliminate the else clause from the if
399 statements. Also we can optimise the calculation in the end a little bit
400 by going from long to byte first. Actually we can even avoid the table
401 lookups
403 Attempt 3
404 =========
406 Odd replaced:
407         if (i & 0x01) rp5 ^= cur; else rp4 ^= cur;
408         if (i & 0x02) rp7 ^= cur; else rp6 ^= cur;
409         if (i & 0x04) rp9 ^= cur; else rp8 ^= cur;
410         if (i & 0x08) rp11 ^= cur; else rp10 ^= cur;
411         if (i & 0x10) rp13 ^= cur; else rp12 ^= cur;
412         if (i & 0x20) rp15 ^= cur; else rp14 ^= cur;
413 with
414         if (i & 0x01) rp5 ^= cur;
415         if (i & 0x02) rp7 ^= cur;
416         if (i & 0x04) rp9 ^= cur;
417         if (i & 0x08) rp11 ^= cur;
418         if (i & 0x10) rp13 ^= cur;
419         if (i & 0x20) rp15 ^= cur;
421         and outside the loop added:
422     rp4  = par ^ rp5;
423     rp6  = par ^ rp7;
424     rp8  = par ^ rp9;
425     rp10  = par ^ rp11;
426     rp12  = par ^ rp13;
427     rp14  = par ^ rp15;
429 And after that the code takes about 30% more time, although the number of
430 statements is reduced. This is also reflected in the assembly code.
433 Analysis 3
434 ==========
436 Very weird. Guess it has to do with caching or instruction parallellism
437 or so. I also tried on an eeePC (Celeron, clocked at 900 Mhz). Interesting
438 observation was that this one is only 30% slower (according to time)
439 executing the code as my 3Ghz D920 processor.
441 Well, it was expected not to be easy so maybe instead move to a
442 different track: let's move back to the code from attempt2 and do some
443 loop unrolling. This will eliminate a few if statements. I'll try
444 different amounts of unrolling to see what works best.
447 Attempt 4
448 =========
450 Unrolled the loop 1, 2, 3 and 4 times.
451 For 4 the code starts with:
453     for (i = 0; i < 4; i++)
454     {
455         cur = *bp++;
456         par ^= cur;
457         rp4 ^= cur;
458         rp6 ^= cur;
459         rp8 ^= cur;
460         rp10 ^= cur;
461         if (i & 0x1) rp13 ^= cur; else rp12 ^= cur;
462         if (i & 0x2) rp15 ^= cur; else rp14 ^= cur;
463         cur = *bp++;
464         par ^= cur;
465         rp5 ^= cur;
466         rp6 ^= cur;
467         ...
470 Analysis 4
471 ==========
473 Unrolling once gains about 15%
474 Unrolling twice keeps the gain at about 15%
475 Unrolling three times gives a gain of 30% compared to attempt 2.
476 Unrolling four times gives a marginal improvement compared to unrolling
477 three times.
479 I decided to proceed with a four time unrolled loop anyway. It was my gut
480 feeling that in the next steps I would obtain additional gain from it.
482 The next step was triggered by the fact that par contains the xor of all
483 bytes and rp4 and rp5 each contain the xor of half of the bytes.
484 So in effect par = rp4 ^ rp5. But as xor is commutative we can also say
485 that rp5 = par ^ rp4. So no need to keep both rp4 and rp5 around. We can
486 eliminate rp5 (or rp4, but I already foresaw another optimisation).
487 The same holds for rp6/7, rp8/9, rp10/11 rp12/13 and rp14/15.
490 Attempt 5
491 =========
493 Effectively so all odd digit rp assignments in the loop were removed.
494 This included the else clause of the if statements.
495 Of course after the loop we need to correct things by adding code like:
496     rp5 = par ^ rp4;
497 Also the initial assignments (rp5 = 0; etc) could be removed.
498 Along the line I also removed the initialisation of rp0/1/2/3.
501 Analysis 5
502 ==========
504 Measurements showed this was a good move. The run-time roughly halved
505 compared with attempt 4 with 4 times unrolled, and we only require 1/3rd
506 of the processor time compared to the current code in the linux kernel.
508 However, still I thought there was more. I didn't like all the if
509 statements. Why not keep a running parity and only keep the last if
510 statement. Time for yet another version!
513 Attempt 6
514 =========
516 THe code within the for loop was changed to:
518     for (i = 0; i < 4; i++)
519     {
520         cur = *bp++; tmppar  = cur; rp4 ^= cur;
521         cur = *bp++; tmppar ^= cur; rp6 ^= tmppar;
522         cur = *bp++; tmppar ^= cur; rp4 ^= cur;
523         cur = *bp++; tmppar ^= cur; rp8 ^= tmppar;
525         cur = *bp++; tmppar ^= cur; rp4 ^= cur; rp6 ^= cur;
526         cur = *bp++; tmppar ^= cur; rp6 ^= cur;
527             cur = *bp++; tmppar ^= cur; rp4 ^= cur;
528             cur = *bp++; tmppar ^= cur; rp10 ^= tmppar;
530             cur = *bp++; tmppar ^= cur; rp4 ^= cur; rp6 ^= cur; rp8 ^= cur;
531         cur = *bp++; tmppar ^= cur; rp6 ^= cur; rp8 ^= cur;
532             cur = *bp++; tmppar ^= cur; rp4 ^= cur; rp8 ^= cur;
533         cur = *bp++; tmppar ^= cur; rp8 ^= cur;
535         cur = *bp++; tmppar ^= cur; rp4 ^= cur; rp6 ^= cur;
536         cur = *bp++; tmppar ^= cur; rp6 ^= cur;
537         cur = *bp++; tmppar ^= cur; rp4 ^= cur;
538         cur = *bp++; tmppar ^= cur;
540             par ^= tmppar;
541         if ((i & 0x1) == 0) rp12 ^= tmppar;
542         if ((i & 0x2) == 0) rp14 ^= tmppar;
543     }
545 As you can see tmppar is used to accumulate the parity within a for
546 iteration. In the last 3 statements is is added to par and, if needed,
547 to rp12 and rp14.
549 While making the changes I also found that I could exploit that tmppar
550 contains the running parity for this iteration. So instead of having:
551 rp4 ^= cur; rp6 = cur;
552 I removed the rp6 = cur; statement and did rp6 ^= tmppar; on next
553 statement. A similar change was done for rp8 and rp10
556 Analysis 6
557 ==========
559 Measuring this code again showed big gain. When executing the original
560 linux code 1 million times, this took about 1 second on my system.
561 (using time to measure the performance). After this iteration I was back
562 to 0.075 sec. Actually I had to decide to start measuring over 10
563 million iterations in order not to lose too much accuracy. This one
564 definitely seemed to be the jackpot!
566 There is a little bit more room for improvement though. There are three
567 places with statements:
568 rp4 ^= cur; rp6 ^= cur;
569 It seems more efficient to also maintain a variable rp4_6 in the while
570 loop; This eliminates 3 statements per loop. Of course after the loop we
571 need to correct by adding:
572     rp4 ^= rp4_6;
573     rp6 ^= rp4_6
574 Furthermore there are 4 sequential assignments to rp8. This can be
575 encoded slightly more efficiently by saving tmppar before those 4 lines
576 and later do rp8 = rp8 ^ tmppar ^ notrp8;
577 (where notrp8 is the value of rp8 before those 4 lines).
578 Again a use of the commutative property of xor.
579 Time for a new test!
582 Attempt 7
583 =========
585 The new code now looks like:
587     for (i = 0; i < 4; i++)
588     {
589         cur = *bp++; tmppar  = cur; rp4 ^= cur;
590         cur = *bp++; tmppar ^= cur; rp6 ^= tmppar;
591         cur = *bp++; tmppar ^= cur; rp4 ^= cur;
592         cur = *bp++; tmppar ^= cur; rp8 ^= tmppar;
594         cur = *bp++; tmppar ^= cur; rp4_6 ^= cur;
595         cur = *bp++; tmppar ^= cur; rp6 ^= cur;
596             cur = *bp++; tmppar ^= cur; rp4 ^= cur;
597             cur = *bp++; tmppar ^= cur; rp10 ^= tmppar;
599             notrp8 = tmppar;
600             cur = *bp++; tmppar ^= cur; rp4_6 ^= cur;
601         cur = *bp++; tmppar ^= cur; rp6 ^= cur;
602             cur = *bp++; tmppar ^= cur; rp4 ^= cur;
603         cur = *bp++; tmppar ^= cur;
604             rp8 = rp8 ^ tmppar ^ notrp8;
606         cur = *bp++; tmppar ^= cur; rp4_6 ^= cur;
607         cur = *bp++; tmppar ^= cur; rp6 ^= cur;
608         cur = *bp++; tmppar ^= cur; rp4 ^= cur;
609         cur = *bp++; tmppar ^= cur;
611             par ^= tmppar;
612         if ((i & 0x1) == 0) rp12 ^= tmppar;
613         if ((i & 0x2) == 0) rp14 ^= tmppar;
614     }
615     rp4 ^= rp4_6;
616     rp6 ^= rp4_6;
619 Not a big change, but every penny counts :-)
622 Analysis 7
623 ==========
625 Actually this made things worse. Not very much, but I don't want to move
626 into the wrong direction. Maybe something to investigate later. Could
627 have to do with caching again.
629 Guess that is what there is to win within the loop. Maybe unrolling one
630 more time will help. I'll keep the optimisations from 7 for now.
633 Attempt 8
634 =========
636 Unrolled the loop one more time.
639 Analysis 8
640 ==========
642 This makes things worse. Let's stick with attempt 6 and continue from there.
643 Although it seems that the code within the loop cannot be optimised
644 further there is still room to optimize the generation of the ecc codes.
645 We can simply calculate the total parity. If this is 0 then rp4 = rp5
646 etc. If the parity is 1, then rp4 = !rp5;
647 But if rp4 = rp5 we do not need rp5 etc. We can just write the even bits
648 in the result byte and then do something like
649     code |= (code << 1);
650 Lets test this.
653 Attempt 9
654 =========
656 Changed the code but again this slightly degrades performance. Tried all
657 kind of other things, like having dedicated parity arrays to avoid the
658 shift after parity[rp7] << 7; No gain.
659 Change the lookup using the parity array by using shift operators (e.g.
660 replace parity[rp7] << 7 with:
661 rp7 ^= (rp7 << 4);
662 rp7 ^= (rp7 << 2);
663 rp7 ^= (rp7 << 1);
664 rp7 &= 0x80;
665 No gain.
667 The only marginal change was inverting the parity bits, so we can remove
668 the last three invert statements.
670 Ah well, pity this does not deliver more. Then again 10 million
671 iterations using the linux driver code takes between 13 and 13.5
672 seconds, whereas my code now takes about 0.73 seconds for those 10
673 million iterations. So basically I've improved the performance by a
674 factor 18 on my system. Not that bad. Of course on different hardware
675 you will get different results. No warranties!
677 But of course there is no such thing as a free lunch. The codesize almost
678 tripled (from 562 bytes to 1434 bytes). Then again, it is not that much.
681 Correcting errors
682 =================
684 For correcting errors I again used the ST application note as a starter,
685 but I also peeked at the existing code.
686 The algorithm itself is pretty straightforward. Just xor the given and
687 the calculated ecc. If all bytes are 0 there is no problem. If 11 bits
688 are 1 we have one correctable bit error. If there is 1 bit 1, we have an
689 error in the given ecc code.
690 It proved to be fastest to do some table lookups. Performance gain
691 introduced by this is about a factor 2 on my system when a repair had to
692 be done, and 1% or so if no repair had to be done.
693 Code size increased from 330 bytes to 686 bytes for this function.
694 (gcc 4.2, -O3)
697 Conclusion
698 ==========
700 The gain when calculating the ecc is tremendous. Om my development hardware
701 a speedup of a factor of 18 for ecc calculation was achieved. On a test on an
702 embedded system with a MIPS core a factor 7 was obtained.
703 On  a test with a Linksys NSLU2 (ARMv5TE processor) the speedup was a factor
704 5 (big endian mode, gcc 4.1.2, -O3)
705 For correction not much gain could be obtained (as bitflips are rare). Then
706 again there are also much less cycles spent there.
708 It seems there is not much more gain possible in this, at least when
709 programmed in C. Of course it might be possible to squeeze something more
710 out of it with an assembler program, but due to pipeline behaviour etc
711 this is very tricky (at least for intel hw).
713 Author: Frans Meulenbroeks
714 Copyright (C) 2008 Koninklijke Philips Electronics NV.