per_instance 覆盖率:covergroup option.per_instance 与 get_coverage/get_inst_coverage 的粒度差异及合并坑
更新时间:2026-10-01。covergroup 系列已经写过好几篇:covergroup coverpoint 与 bins 讲采什么、怎么分桶,covergroup options:goal 与 at_least 讲单桶的命中门槛,覆盖率合并与豁免流程 讲跨种子怎么并库。这一篇补一个容易被忽略的选项:
option.per_instance。它只有一行代码,却直接决定你的覆盖率数字是「这个 covergroup 类型的总计」还是「每个实例各算各的」,理解错了会让 87% 的覆盖率报告在合并后变成 62%,或者反过来虚高。本文把开关语义、API 粒度差异、合并报告的坑一次讲透。
本文要回答的问题
option.per_instance = 0/1到底切换了哪一种统计粒度?get_coverage()和get_inst_coverage()返回的数字分别代表什么,什么情况下两者相等?- 一个 env 里例化了 4 个相同 agent,每个 agent 里有同名 covergroup,报告里会出几行?
- 跨种子、跨回归合并数据库时,per_instance 设置不一致会发生什么?
- 什么场景该开 per_instance,什么场景反而是负担?
一、per_instance 到底切换了什么
SystemVerilog 里 covergroup 是「类型」,每次 new() 才产生一个实例。默认情况下(option.per_instance = 0),仿真器把所有实例的采样汇总到类型级别:类型下每个 coverpoint、每个 bin 的命中数是所有实例命中数之和,覆盖率按汇总后的桶计算。设成 1 之后,每个实例单独维护一份桶,实例之间互不相干,报告里按实例名逐行展开。
用一句话记:per_instance 管的是「统计的分组键」——按类型分一组,还是按实例各分一组。
covergroup cg_pkt (string name) @(posedge clk);
option.per_instance = 1;
option.name = name;
cp_len: coverpoint len {
bins small = {[0:63]};
bins mid = {[64:512]};
bins large = {[513:1518]};
}
endgroup注意 option.name 常常和 per_instance 配套出现:开了按实例统计,如果不给每个实例起可读的名字,报告里会出现一堆 cg_pkt_1、cg_pkt_2,你根本不知道哪行对应哪个 agent。常见做法是把构造参数(比如 agent 的 id)传进去。
上图是理解全篇的关键。左边三个实例合起来把三个 bin 都打满了,所以 per_instance=0 时类型级覆盖率是漂亮的 100%;但切成 per_instance=1 后真相毕露:agent0 只见过小包,agent2 只见过大包,没有任何一个实例把三种包长都跑过。哪个数字是「对的」?取决于你的验证计划问的是什么问题——问「这组流量整体覆盖了哪些包长」用前者,问「每个 agent 各自的激励是否完备」必须用后者。
二、get_coverage 与 get_inst_coverage:API 粒度的真实差异
很多人以为这两个 API 的差别就是「类型级 vs 实例级」,实际上差异和 per_instance 的当前取值纠缠在一起,必须分情况记。
| API | per_instance=0 时 | per_instance=1 时 |
|---|---|---|
cg.get_coverage() | 类型级汇总覆盖率 | 所有实例覆盖率的加权平均 |
cg.get_inst_coverage() | 类型级汇总覆盖率(与上行相同) | 该实例自己的覆盖率 |
三句话总结这张表。第一,get_inst_coverage() 在 per_instance=0 时没有「实例」概念可言,返回的就是类型级数字,两个 API 完全相等——所以如果发现两个 API 打印一样的值,先别高兴,可能只是你根本没开 per_instance。第二,per_instance=1 时 get_coverage() 不是「任一实例」也不是「并集」,而是按各实例已采样的 bin 数加权平均出来的总分,这个数在打分脚本里最常用。第三,想拿单个实例的真实数字,必须在 per_instance=1 前提下对实例句柄调 get_inst_coverage()。
这两个 API 都有带参重载,可以查询指定 coverpoint 甚至 bin 的贡献,做覆盖率破洞定位时很有用:先 get_coverage() 看到总分 82%,再逐 coverpoint 查,发现 cp_len 拖后腿,再逐 bin 查,定位到 large 没命中——这条 drill-down 路径和 覆盖率驱动测试分诊 里的套路是一致的。
三、多实例环境的报告形态
典型的 UVM 环境:一个 env 例化 4 个相同 agent,每个 agent 的 monitor 里 new 一个同名 covergroup。per_instance 的取值直接决定报告的行数和可读性:
| 设置 | 报告行数 | 能看到什么 | 看不到什么 |
|---|---|---|---|
| per_instance=0 | 1 行(类型级) | 4 个 agent 合计覆盖了哪些 bin | 哪个 agent 漏了哪个 bin |
| per_instance=1 + option.name | 4 行(按实例) | 每个 agent 各自的完备性 | 一眼看总体(要看加权平均) |
| per_instance=1 无 name | 4 行乱名 | 同上行但难以对号 | 哪行是哪个 agent |
实践里的推荐姿势是分层决定:协议类、和实例强绑定的 covergroup(比如「本 agent 发出的事务类型分布」)开 per_instance,因为验证计划天然是逐实例问的;和 DUT 全局行为相关的 covergroup(比如「内部状态机转移覆盖」,由唯一 monitor 采样)保持默认即可,反正只有一个实例,两个设置等价。
还有一个隐蔽的点:option.per_instance 是实例选项,必须在 new() 里或首次 sample 之前设置,仿真跑起来再改不生效;想全局统一,可以在 covergroup 定义里写死,也可以用 type_option 控制类型级行为——两者作用域不同,别混。
四、合并报告时的三个坑
这是本篇的重头,也是标题里「合并坑」的正文。
坑一:同一 covergroup 在不同种子里 per_instance 设置不一致。 回归脚本里有人改了开关只跑了部分种子,合并数据库时实例树对不上:一边是类型级 1 行,一边是实例级 4 行。多数合并工具会报 warning 然后按其中一种形态吞掉另一部分,结果是覆盖率数字「看着能算出来」但语义已经脏了。纪律:per_instance 属于 covergroup 的结构性属性,改它等于改覆盖率模型,必须全量重跑,不能增量补。
坑二:实例名在种子间漂移。 开了 per_instance 又没设 option.name,实例名由工具自动生成,常带层次哈希或序号。不同种子里 agent 例化顺序一变,名字全错位,合并时把 agent0 的命中记到 agent1 头上。表现是单种子报告都正常,合并后实例级覆盖率诡异波动。解法和第三节一样:显式 option.name,名字里带稳定 id,不带 $time、不带随机值。
坑三:把 per_instance=0 的类型级数字当逐实例完备性汇报。 第一节的例子里 100% 的类型级数字掩盖了单实例 33% 的真相。合并报告递交给经理之前,先确认验证计划里每个 covergroup 的「及格线」是按哪种粒度定义的——粒度选错,数字再漂亮也是错答案。宏观的合并与豁免流程见 覆盖率合并与豁免流程,本篇讲的是其中「粒度一致性」这一格。
上图把合并前的两道检查画成了闸门:粒度一致性检查挡住坑一,实例名稳定性检查挡住坑二,都过了才谈得上「命中数可以叠加」。把这两道检查写进回归收尾脚本里做自动校验,比事后对着报告猜数字便宜得多。如果合并后的数字和预期差距大,排查顺序和 功能覆盖率收敛计划 里「先查模型、再查激励」的顺序保持一致:先怀疑粒度与命名这类模型问题,再怀疑激励没打到。
五、决策建议:什么时候开,什么时候不开
把全文浓缩成一个判断清单:
- 验证计划逐实例提问(每个口、每个 agent 都要完备)→ 开 per_instance,配
option.name。 - covergroup 在环境里只有一个实例 → 开不开等价,默认即可,别加复杂度。
- 只关心全局流量分布、实例数还会随配置变化 → 保持 per_instance=0,实例数变化时类型级报告形态稳定,合并不受例化数目影响。
- 打分脚本要逐实例数字 → 必须 per_instance=1 且用
get_inst_coverage(),别拿get_coverage()的加权平均冒充。 - 已经跑了几千种子才发现要开 → 接受全量重跑的成本,不要试图让两种粒度的数据库共存合并。
这一篇在知识体系里的位置
本篇属于 covergroup 系列的「选项与统计粒度」补篇:前置是 covergroup coverpoint 与 bins 和 covergroup options:goal 与 at_least,讲清单桶语义;本篇解决多实例下的统计口径;下游接 覆盖率合并与豁免流程 的跨种子合并、覆盖率驱动测试分诊 的破洞定位,以及 代码覆盖率与功能覆盖率 的双轨视图。宏观收敛节奏见 功能覆盖率收敛计划。
总结
per_instance 覆盖率的核心是「统计分组键」的选择:per_instance=0 按类型汇总,per_instance=1 按实例分列,get_coverage() 在后者下返回加权平均而 get_inst_coverage() 才给单实例真值;多实例环境务必显式 option.name,跨种子合并前先查粒度一致性和实例名稳定性——粒度选错或名字漂移,合并出来的数字再漂亮也是错答案。