利用NI LabVIEW优化多核处理器环境下的自动化测试应用

通过这一简单步骤，您可以并行执行多个定制的子例程，就如同标准的LabVIEW分析函数。

　　因此，在多核处理器环境下，您可以通过简单的编程技术实现您的自动化测试应用的性能改进。

　　优化硬件在环应用

　　得益于并行信号处理技术的又一个应用便是为同时输入与输出使用多个仪器。一般，这些应用被称为硬件在环（HIL）或在线处理应用。在此情况下，您可以使用高速数字化仪或高速数字I/O模块来采集信号。在您的软件中执行数字信号处理算法。最后，通过另一个模块化仪器生成结果。图7描述了一个典型的模块框图。

　　图7. 该框图描述了一个典型的硬件在环（HIL）应用所包括的执行步骤。

　　常见HIL应用包括在线数字信号处理（如滤波、插值等）、传感器仿真和定制组件模拟。您可以使用多种技术，以获得在线数字信号处理应用的最佳吞吐量。

　　通常，您可以使用两种基本的编程结构，单循环结构和带有队列的流水线式多循环结构。单循环结构实现简单，对于小数据块具有较低时延。相比之下，多循环结构能够支持高得多的吞吐量，因为它们能够更好地利用多核处理器。

　　对于传统的单循环方式，您顺次组织一个高速数字化仪的读函数、信

号处理算法和高速数字I/O的写函数。如图8的模块框图所示，这些子例程中的每一个都必须按照LabVIEW编程模型所确定的顺序执行。

　　图8. 对于LabVIEW的单循环方式，每个子例程都必须顺次执行。

　　单循环结构受限于几个因素。由于顺序执行每一环节，处理器在处理数据的同时受限，无法执行仪器I/O。在这种方式下，由于处理器一次只能执行一个函数，所以您无法有效利用一个多核CPU。虽然单循环结构可以处理较低的采集速率，但是，如需更高的数据吞吐量，仍须采用多循环方式。

　　多循环架构使用队列结构实现while循环间的数据传递。图9描述了多个while循环（带有一个队列结构）间的编程方式。

　　图9. 借助队列结构，可以实现多个循环间的数据共享。

　　图9所表示的是典型的所谓生产者/消费者循环结构。在此例中，一个高速数字化仪在一个循环中持续采集数据，并在每次迭代中将新的数据集传递至FIFO队列。消费者循环仅需监视队列的状态，当每个数据集可用时将其写入磁盘。采用队列的意义在于这两个循环均可相互独立执行。在上例中，高速数字化仪可以持续采集数据，即使这些数据写入磁盘时存在一定的延迟。与此同时，其它的采样仅需存储在FIFO队列中。通常来说，生产者/消费者流水线方法，通过更有效的处理器利用率，提供更高的数据吞吐量。这一技术优势在多核处理器环境下更为显著，因为LabVIEW可以动态分配处理器线程至每个处理器核。

　　对于一项在线信号处理应用，您可以使用三个独立的while循环和两个队列结构，实现其间的数据传递。在此应用情况下，一个循环将从一台仪器采集数据，一个循环将专门执行信号处理，而第三个循环将数据写入到另一台仪器。

　　图10. 该模块框图描述了带有多个循环与队列结构的流水线式信号处理。

　　图10中，最上面的循环是一个生产者循环，它从一个高速数字化仪采集数据，并将其传递至第一个队列结构（FIFO）。中间的循环同时作为生产者和消费者工作。每次迭代中，它从队列结构中接收（消费）若干个数据集，并以流水线的方式独立对其进行处理。这种流水线方式通过支持高达四个数据集的独立处理，实现了在多核处理器环境下的性能改进。注意，中间的循环同时也作为一个生产者工作，将处理后的数据传递至第二个队列结构。最后，最下面的循环将处理后的数据写入至高速数字I/O模块。

　　并行处理算法改善了多核CPU的处理器利用率。事实上，总吞吐量取决于两个因素，处理器利用率和总线传输速度。通常，CPU和数据总线在处理大数据块时工作效率最高。而且，我们可以进一步使用具有更快传输速度的PXI Express仪器，减小数据传输时间。

　　图11. 多循环结构提供比单循环结构高得多的吞吐量。

　　图11描述了最大吞吐量和采样率的关系，采样数据块大小以采样点数来计算。此处所描述的所有标定都是围绕16位采样进行的。此外，所采用的信号处理算法为一个截止频率为采样率的0.45倍的7阶巴特沃兹低通滤波器。如数据显示，您可以在4阶流水线式（多循环）方式下达到最大数据吞吐量。注意，2阶信号处理方式获得了比单循环方式（顺序）更好的性能，但其CPU的利用率低于4阶方式。上面所列的采样率均为NI PXIe-5122高速数字化仪和NI PXIe-6537高速数字I/O模块的输入和输出的最大采样率。注意，当采样率为20 MS/s时，应用总线的输入和输出的数据传输率均为40 MB/s，所以总的总线带宽为80 MB/s。

而且，应当考虑的是，