极客工场

Appearance

共 2,089 字预计阅读约 7 分钟

ASIC CI/CD 与 nightly 回归：把「人肉点工具」变成可重复的流水线（G5） ​

软件式 CI 的执行后端是计算集群与 license，见 G3 LSF；各阶段门禁判据来自 X1 交接契约，产物/基线组织见 X4，指标聚合见 X5 看板，ECO 触发的重跑见 X3 作废链。FPGA 侧 CI 见 FPGA CI/CD。本篇讲整条 ASIC 自动化回归体系怎么分层搭。

一、为什么芯片 CI 比软件 CI 难 ​

难点表现
单次任务极重一次综合/P&R/全回归几小时、几十核、数十 GB 内存（G3），不可能每个 commit 全跑
受 license 限制并发数由商业令牌决定，CI 并发上限不是机器而是钱
多级产物有依赖RTL→网表→SPEF→签核层层消费，必须版本同源（F10）
通过标准是多维 QoR不只是 PASS/FAIL，还有时序/面积/功耗/覆盖率的趋势与预算（C3）
工具版本敏感工具/库/PDK 升级会让 QoR 漂移，环境必须可复现
长周期一次流片项目数月，基线要长期可追溯、可重放

因此 ASIC CI 的核心是按代价分层 + 按节律调度，而不是「每次提交什么都跑」。

二、分层门禁：快的挡住低级错，慢的守住质量 ​

ASIC 回归分层（第 2 张）

第 1 层：提交门禁（pre-commit / MR gate，分钟级） ​

开发者提合并请求时跑快、确定性高的检查，低级错误不进主线：

  • RTL/UVM 编译能过（A4 build）、filelist 完整；
  • Lint/可综合性检查（B1）——零新增违例，waiver 受控；
  • CDC/RDC 结构扫描（B2）增量；
  • 一小批冒烟仿真（smoke）：复位、基本读写、关键用例，保证主线不被低级破坏；
  • 文件/编码规范、禁止提交临时文件、检查 clock/reset 约定。

这一层要快（几分钟），否则开发者绕过它；重型工具可只跑增量或用轻量引擎（Verilator 做编译/lint 极快，B1）。

第 2 层：nightly 全量回归（过夜，小时级） ​

每晚对主线自动跑：

  • 全量 UVM 回归（阵列作业撒到 LSF，A2）+ 功能/断言/代码覆盖率合并，看覆盖率只升不降、无新增失败；
  • 快速综合 + 估计 STA/面积/功耗（不必完整 P&R），抓「这一改动让时序塌了/面积暴涨」，产出 QoR 趋势；
  • 形式验证增量（B3）、功耗感知/低功耗检查；
  • 结果早上聚合到看板：哪些用例从绿变红、谁的提交引入、QoR 曲线变化（X5）。

第 3 层：周级 / 里程碑物理与签核（最贵） ​

完整后端任务按周或在重要节点跑（单次很久、license 贵）：

  • 完整 P&R + 多角 MMMC STA（D1/E2），看真实 postroute 收敛；
  • 物理验证 DRC/LVS/ANT（E3）、功耗/IR/EM（E4）；
  • DFT 覆盖率（C4）、门级仿真精选（C5）；
  • 为流片产出可重放的签核基线：固定工具版本、补丁、库/PDK 版本、约束、seed 与命令脚本（F10），保证半年后还能复现同一份 GDS。

三、基线（baseline）与产物管理 ​

CI 必须回答「这次结果是基于什么跑的」：

  • 输入基线：RTL commit、约束 SDC 版本、UPF、testbench、库/PDK、工具版本/补丁、宏与 IP 版本统一打 tag（X4）；
  • 产物按 run id 落盘：网表、SPEF、报告、日志、覆盖率数据库、波形（失败用例才存波形省空间），不可被后续 run 覆盖；
  • 比较基线（golden baseline）：每次结果与上一已知良好基线 diff——QoR 数字、违例数、覆盖率，任何非预期变化都高亮；
  • 网表/SPEF/SVF 等跨阶段产物必须同轮同源，CI 用 manifest 记录并在消费时校验（C5 版本纪律）。

四、结果聚合、flaky 与自动分诊 ​

  • 统一退出码/报告解析：各 EDA 工具退出码不可靠（常 0 退出但有 ERROR），CI 要解析日志关键字（Error/Violating/Fatal）和报告文件而非只看返回码；
  • 失败自动重试 + 分诊：机时型 flaky（主机坏、license 抖动、共享盘）自动重投；真功能失败保留波形、关联触发提交、@责任人（A3 调试）；
  • flaky 治理：仿真 flaky（seed 敏感、竞争、未初始化 X、随机 timeout）要建库统计、限期修，否则红灯被无视（UVM seed 多跑、确定性复现，见 A2）；
  • 趋势比单点重要：时序/面积/功耗/覆盖率画成随提交的曲线，劣化在变红之前就能看出（X5）。

五、与 ECO/变更传播联动 ​

设计后期任何 ECO 都按 X3 作废链 自动确定要作废重跑的下游：改 RTL → 重综合 → 重 LEC → 重提寄生 → 重签 STA/功耗/物理验证。CI 维护「产物依赖图」，ECO 合入时自动投递受影响的最小作业集合，而不是全量重跑或（更糟）漏跑某个签核 corner。

六、落地建议 ​

  1. 先打通可重复命令化：每个工具 run 都能用一条非交互命令 + 版本文件复现（抛弃 GUI 手工点）；
  2. 先上编译/lint/冒烟门禁拿到快胜，再建 nightly，最后接物理签核；
  3. 与 LSF 和 license 计量联动，按队列与令牌配额排作业，别让 CI 把白天交互算力吃光；
  4. 工具/库版本写进流水线配置，升级走专门的「迁基」分支评估 QoR 漂移；
  5. 看板对所有人可见，把绿灯当主线健康底线，红灯优先修——CI 的价值取决于团队是否真的信任并响应它。

相关与延伸 ​

总结 ​

芯片 CI 不能照搬软件「每次提交全量跑」，因为综合/P&R/全回归是几小时、几十核、吃数十 GB 内存且并发受 license 令牌硬约束的重任务，正确做法是按代价分三层：分钟级提交门禁用快速编译、lint、CDC 增量和少量冒烟把低级错误挡在主线外，过夜的 nightly 把全量 UVM 回归、覆盖率合并和快速综合 QoR 撒到 LSF 集群、早上用看板告诉你哪条用例变红和时序面积趋势，周级或里程碑再跑完整 P&R 加 MMMC STA、物理验证、IR/EM 与 DFT 并锁定可重放的签核基线；整套体系必须给每次 run 记录 RTL/SDC/库/PDK/工具补丁的统一 tag、按 run id 落产物、与上一 golden 基线做差异比较，解析日志关键字而不信工具退出码，对机时型 flaky 自动重投、对 seed 敏感和 X 初态型仿真 flaky 建档限期修，并维护一张产物依赖图让 ECO 合入时只自动重跑作废链上受影响的下游 corner；落地的前提是先把每个工具 run 变成带版本文件的非交互命令、把工具与库版本纳入流水线配置并对升级做专门的迁基评估——CI 真正的价值不在跑了多少任务，而在团队是否信任并立刻响应那条代表主线健康的绿灯。