玄铁RISC-V处理器入门与实战-平头哥玄铁CPU 系统-YoC

简介: 玄铁RISC-V处理器入门与实战-平头哥玄铁CPU 系统


1平台架构

YoC(Yun on Chip)以极简开发为理念,以CPU架构、芯片平台、操作系统、云服务和开发套件为基础,助力开发者从芯片到云的全链路高效设计,是面向IoT领域的全栈技术平台。

 

极简开发:CDK的IDE集成开发工具,让开发、调试更方便

芯片生态:支持将快速YoC平台移植到各类芯片,打造丰富的芯片生态

深度优化:基于平头哥处理器,对软件进行深度优化,具有更高的代码密度与最高的性能

组件丰富:组件覆盖了实时操作系统、协议栈、音视频处理、文件系统、设备管理、低功耗管理等

面向业务:面向行业领域的应用框架,进一步缩短产品开发周期,实现云端一体的编程体验

高级安全:高级安全机制,TEE框架为物联网设备提供安全保障

商业合作:与行业标杆企业进行技术合作,提供成熟的技术解决方案

 

image.png

 

YoC平台定义了芯片的统一接口,提供应用最基础的核心服务,提供了大量独立的应用组件,软件架构清晰、系统模块化并且可裁剪性非常好。针对芯片移植需求,只需要根据芯片驱动接口层(CSI)的定义,即可以将YoC移植到该芯片上。

 

针对资源受限的微控制器(MCU)系统,也可以裁剪出只需要几KB的FLASH,几KB的内存消耗的系统。对于资源丰富的物联网设备,YoC提供可定制的核心服务支持AOS API/POSIX API,以及丰富的独立组件,以及更加面向领域的业务框架。

 

2YoC特性

YoC平台具备以下特点:

 

极简开发

提供CDK IDE开发工具

提供Shell交互,支持内存踩踏、泄露、最大栈深度等各类侦测

提供包括存储(掉电保护、负载均衡)在内的各类产品级别的组件

 

高度优化的性能

内核支持Idle Task成本,Ram<1K,Rom<2k,提供硬实时能力

支持CPU加速指令,深度优化内核性能

 

全面的安全保护

提供系统和芯片级别安全保护

支持可信运行环境TEE

支持预置ID2根身份证和非对称密钥以及基于ID2的可信连接和服务

优化mbedtls对footprint进行高度优化

专业安全公司渗透测试

 

IoT专属组件

空中固件升级(FOTA)

集成AT模组指令

快速IoT云端接入

支持多种物联网协议:Alink、MQTT、COAP、LWM2M

支持多种网络协议栈:

TCP/IP协议栈(LwIP)

套接字适配层SAL

支持WiFi、有线、NB-IoT、GPRS、Bluetooth等通信硬件

支持众多厂家的传感器接入

 

面向领域的软件框架

面向IoT数据上云软件框架

面向智能语音应用的软件框架

面向视觉AI应用的软件框架

相关文章
|
9天前
|
存储 人工智能 vr&ar
转载:【AI系统】CPU 基础
CPU,即中央处理器,是计算机的核心部件,负责执行指令和控制所有组件。本文从CPU的发展史入手,介绍了从ENIAC到现代CPU的演变,重点讲述了冯·诺依曼架构的形成及其对CPU设计的影响。文章还详细解析了CPU的基本构成,包括算术逻辑单元(ALU)、存储单元(MU)和控制单元(CU),以及它们如何协同工作完成指令的取指、解码、执行和写回过程。此外,文章探讨了CPU的局限性及并行处理架构的引入。
转载:【AI系统】CPU 基础
|
9天前
|
人工智能 缓存 并行计算
转载:【AI系统】CPU 计算本质
本文深入探讨了CPU计算性能,分析了算力敏感度及技术趋势对CPU性能的影响。文章通过具体数据和实例,讲解了CPU算力的计算方法、算力与数据加载之间的平衡,以及如何通过算力敏感度分析优化计算系统性能。同时,文章还考察了服务器、GPU和超级计算机等平台的性能发展,揭示了这些变化如何塑造我们对CPU性能的理解和期待。
转载:【AI系统】CPU 计算本质
|
24天前
|
人工智能 缓存 并行计算
【AI系统】CPU 计算本质
本文深入探讨了CPU计算性能,分析了算力敏感度及技术趋势对CPU性能的影响。文章通过具体数据和实例,解释了算力计算方法、数据加载与计算的平衡点,以及如何通过算力敏感度分析优化性能瓶颈。同时,文章还讨论了服务器、GPU和超级计算机等不同计算平台的性能发展趋势,强调了优化数据传输速率和加载策略的重要性。
47 4
|
24天前
|
存储 人工智能 编译器
【AI系统】CPU 指令集架构
本文介绍了指令集架构(ISA)的基本概念,探讨了CISC与RISC两种主要的指令集架构设计思路,分析了它们的优缺点及应用场景。文章还简述了ISA的历史发展,包括x86、ARM、MIPS、Alpha和RISC-V等常见架构的特点。最后,文章讨论了CPU的并行处理架构,如SISD、SIMD、MISD、MIMD和SIMT,并概述了这些架构在服务器、PC及嵌入式领域的应用情况。
53 4
|
24天前
|
存储 人工智能 vr&ar
【AI系统】CPU 基础
CPU,即中央处理器,是计算机的核心组件,负责执行指令和数据计算,协调计算机各部件运作。自1946年ENIAC问世以来,CPU经历了从弱小到强大的发展历程。本文将介绍CPU的基本概念、发展历史及内部结构,探讨世界首个CPU的诞生、冯·诺依曼架构的影响,以及现代CPU的组成与工作原理。从4004到酷睿i系列,Intel与AMD的竞争推动了CPU技术的飞速进步。CPU由算术逻辑单元、存储单元和控制单元三大部分组成,各司其职,共同完成指令的取指、解码、执行和写回过程。
40 3
|
24天前
|
缓存 人工智能 算法
【AI系统】CPU 计算时延
CPU(中央处理器)是计算机系统的核心,其计算时延(从指令发出到完成所需时间)对系统性能至关重要。本文探讨了CPU计算时延的组成,包括指令提取、解码、执行、存储器访问及写回时延,以及影响时延的因素,如时钟频率、流水线技术、并行处理、缓存命中率和内存带宽。通过优化这些方面,可以有效降低计算时延,提升系统性能。文中还通过具体示例解析了时延产生的原因,强调了内存时延对计算速度的关键影响。
42 0
|
2月前
|
运维 JavaScript Linux
容器内的Nodejs应用如何获取宿主机的基础信息-系统、内存、cpu、启动时间,以及一个df -h的坑
本文介绍了如何在Docker容器内的Node.js应用中获取宿主机的基础信息,包括系统信息、内存使用情况、磁盘空间和启动时间等。核心思路是将宿主机的根目录挂载到容器,但需注意权限和安全问题。文章还提到了使用`df -P`替代`df -h`以获得一致性输出,避免解析错误。
|
20天前
|
存储 缓存 监控
Docker容器性能调优的关键技巧,涵盖CPU、内存、网络及磁盘I/O的优化策略,结合实战案例,旨在帮助读者有效提升Docker容器的性能与稳定性。
本文介绍了Docker容器性能调优的关键技巧,涵盖CPU、内存、网络及磁盘I/O的优化策略,结合实战案例,旨在帮助读者有效提升Docker容器的性能与稳定性。
54 7
|
1月前
|
弹性计算 Kubernetes Perl
k8s 设置pod 的cpu 和内存
在 Kubernetes (k8s) 中,设置 Pod 的 CPU 和内存资源限制和请求是非常重要的,因为这有助于确保集群资源的合理分配和有效利用。你可以通过定义 Pod 的 `resources` 字段来设置这些限制。 以下是一个示例 YAML 文件,展示了如何为一个 Pod 设置 CPU 和内存资源请求(requests)和限制(limits): ```yaml apiVersion: v1 kind: Pod metadata: name: example-pod spec: containers: - name: example-container image:
201 1
|
1月前
|
存储 关系型数据库 MySQL
查询服务器CPU、内存、磁盘、网络IO、队列、数据库占用空间等等信息
查询服务器CPU、内存、磁盘、网络IO、队列、数据库占用空间等等信息
599 2
下一篇
DataWorks