pci的拓撲結構和列舉過程
首先我們來看一下在x86系統中，pcie是什麼樣的乙個體系架構。下圖是乙個pcie的拓撲結構示例,pcie協議支援256個bus, 每條bus最多支援32個device，每個device最多支援8個function，所以由bdf（bus，device，function）構成了每個pcie裝置節點的身份證號。
pcie體系架構一般由root complex，switch，endpoint等型別的pcie裝置組成，在root complex和switch中通常會有一些embeded endpoint(這種裝置對外不出pcie介面)。這麼多的裝置，cpu啟動後要怎麼去找到並認出它們呢? host對pcie裝置掃瞄是採用了深度優先演算法，其過程簡要來說是對每乙個可能的分支路徑深入到不能再深入為止，而且每個節點只能訪問一次。我們一般稱這個過程為pcie裝置列舉。列舉過程中host通過配置讀事物包來獲取下游裝置的資訊，通過配置寫事物包對下游裝置進行設定。
第一步，pci host主橋掃瞄bus 0上的裝置（在乙個處理器系統中，一般將root complex中與host bridge相連線的pci匯流排命名為pci bus 0），系統首先會忽略bus 0上的embedded ep等不會掛接pci橋的裝置，主橋發現bridge 1後，將bridge1 下面的pci bus定為 bus 1，系統將初始化bridge 1的配置空間，並將該橋的primary bus number 和 secondary bus number暫存器分別設定成0和1，以表明bridge1 的上游匯流排是0，下游匯流排是1，由於還無法確定bridge1下掛載裝置的具體情況，系統先暫時將subordinate bus number設為0xff。
pcie的配置
每個pci裝置根據插入的物理位置的不同會得到乙個 bus device function(bdf)的編號，用來唯一定位這個裝置
每個pci裝置都會有乙個配置空間，
可以通過io空間的的兩個暫存器來訪問指定裝置的配置空間
cf8h: config_address ； pci配置空間位址埠（bdf）
31 位：enabled位。
23:16 位：匯流排編號。
15:11 位：裝置編號。
10: 8 位：功能編號。
7: 2 位：配置空間暫存器編號。
1: 0 位：恒為「00」。這是因為cf8h、cfch埠是32位埠。
cfch: config_data
pcie規定這個配置空間的大小是4k, 所以上面的方式只能訪問255b的資料，於是還有記憶體對映的方式
pci規定 一套系統最多支援255個bus，每個bus最多32個devices，每個devices最多支援8個function，配置空間最大是256mb，當然實際肯定是用不了這麼多的。
系統採用 mmio就是將這個空間對映到實體地址的方式實現訪問，具體對映的空間，配置root comples(rc)暫存器中.
配置空間的結構會根據裝置的型別不同而有所區別，
以非bridge裝置為例，其中包含了device id 和 vendor id，這兩個id需要向委員會申請，程式可以通過這兩個id配短處具體裝置二選擇對應的驅動程式。
同時配置空間中也包含了他資料空間訪問方式的配置，以及資料空間大大小
比如bar的bit0 用於表示要對映到 io空間還是記憶體空間
而base address值表明資料對映的位址，base address會固定一些位為0並且唯讀，用於表示資料的大小。
這樣作業系統就可以通過
1. rc暫存器知道配置空間 或 (config_address / config_data) 找到配置空間。
2. 配置 配置空間的內容來位資料區域對映 訪問位址。
3. 通過對映的訪問位址操作硬體完成功能。
同時pci裝置也是可以有中斷線連線到 io apic的。
文獻：
彙編基礎學習27
文章 http www.mcany.cn article 302.htm 博主 沒落的殘陽 這節來學習下有符號整數的乘法運算，imul指令。這個指令保留了乘積的符號位。imul指令，ia 32指令集中有三種格式 單運算元 雙運算元和三運算元。在單運算元格式中，乘數和被乘數尺寸大小相同，乘積的大小是乘...
PCIe學習筆記分享
本總結隨著dm8168中pcie的學習，以及pcie原理的學習而新增，都是一些零碎的知識點，有部分個人理解，將來溫故知新用。欠奉。pcie裝置需要使用refclk refclk作為本地參考時鐘，其時鐘頻率固定為100mhz，在dm8168系統中，需要提供兩個100mhz時鐘，乙個給dm8168用於檢...
deeplearn學習筆記2 7
day4 1.機器學習的一些歷史和發展 2.幾個典型應用 2.1.關聯規則 2.2.聚類 2.3.樸素貝葉斯和決策樹 2.4.ctr預估和協同過濾 2.5.典型自然語言和影象識別 3.資料分析和機器學習的區別 最大的區別就是資料分析是分析過去的情況，機器學習是 未來的情況 4.機器學習的常見演算法分...