我習慣將驗證空間理解為：驗證中原則上需要覆蓋的芯片所有有可能出現(xiàn)的工作狀態(tài)的集合。為了探索這片廣袤的驗證空間，驗證的時候搞出了帶有約束的隨機測試（constrainted-random testing），并搞了覆蓋率（coverage）作為評估機制。這也是一套成熟可信的工程學方法。

因為約束和隨機化可以講的干貨太多，于是我做了拆分。本文要介紹的內容就僅涉及SV的隨機化處理，包括偽隨機數(shù)的產(chǎn)生、隨機穩(wěn)定性和編程示例。

偽隨機數(shù)的產(chǎn)生

SystemVerilog提供了很多生成偽隨機數(shù)的方法，比如產(chǎn)生隨機數(shù)的內建函數(shù)**random, **urandom, $urandom_range，對象隨機方法object.randomize()，標準庫隨機函數(shù)std::randomize()等等。這些函數(shù)的用法在很多教程中都會提到，而本文要做的，是要挖一挖這些函數(shù)的“玄機”。

1. Probabilistic Distribution System Functions

第一類隨機函數(shù)是概率分布系統(tǒng)函數(shù)（probabilistic distribution system funtions），這類函數(shù)在LRM中明確包括**random, **dist_uniform, **dist_normal, **dist_exponential, $dist_poisson等可以產(chǎn)生滿足不同概率分布的隨機數(shù)的函數(shù)，并且在附錄N中用C代碼給出了這些函數(shù)的實現(xiàn)算法。這就意味著，使用相同的種子，這些函數(shù)在不同的仿真軟件中產(chǎn)生出來的隨機數(shù)序列應該是一致的。這也是這類函數(shù)跟其他類函數(shù)的主要區(qū)別。

2. Object and Scope Randomization Method

再來看對象隨機方法object.randomize()，這個函數(shù)在LRM中被稱為“the object and scope randomization method”。顧名思義，它專門被用來隨機化對象。它是所有SV類中都會默認存在的內置虛函數(shù)（原型是virtual function int randomize()），但是它不能被覆蓋（overridden）。當你使用object.randomize() 來對對象進行隨機化的時候，注意它只會隨機化類中有rand關鍵詞修飾的成員變量，并且在成功隨機化之后會返回1，失敗則返回0。除此之外，每個類中還有randomize的兩個回調函數(shù)pre_randomize()和post_randomize()，這兩個函數(shù)分別會在執(zhí)行randomize()的前后自動被調用。注意，這兩個函數(shù)并不是虛函數(shù)（其函數(shù)原型沒有virtual關鍵字），但他們是由虛函數(shù)randomize()來自動調用的，因此也表現(xiàn)為虛函數(shù)的多態(tài)行為。

這套使用類來描述和控制隨機數(shù)據(jù)及其約束的機制相當強大。之所以這么說，一方面是因為有了類的繼承特性的加持，隨機變量可以方便地繼承和擴展；另一方面是因為SV還提供了約束的覆蓋、擴展、使能和禁用等功能。但這里有一個問題，就是object.randomize()還是只能隨機化類的成員變量，不能隨機化局部變量。為了解決這個問題，SV又搞來了一個可用于當前范圍內，且不限于對象成員的隨機化函數(shù)std::randomize()，它在LRM中的定性是scope randomize function。

Std lib下的std::randomize()的適用性比object.randomize()要好，不過它不能自動隨機對象中的rand成員變量，也沒有pre和post函數(shù)可以調用，畢竟魚和熊掌不可兼得呀。std::randomize()在某些場景下前面的“std::”是可以省略的，但還是建議使用的時候加上比較好，能與上面講的object.randomize()做出區(qū)分。除了可以隨機化當前范圍內變量，std::randomize()使用的時候可以將需要隨機化的多個變量同時放到參數(shù)列表中一起做隨機，且能適配這些變量的位寬。該函數(shù)返回結果跟object.randomize()一樣，成功返回1，失敗返回0。

3. Random Number System Function

最后要將講的是SV中比較古老的隨機函數(shù)和方法urandom()和urandom_range()。后者只是在前者的基礎上增加了范圍限制。**urandom的函數(shù)原型是function int unsigned **urandom [(int seed)]。可以看出來，這兩個函數(shù)的返回值都是32bit的無符號數(shù)。如果初始隨機種子一樣，則相同工具的每一次仿真跑出來的隨機數(shù)是一致的，這是涉及到下小節(jié)要講的一個重要的特性：隨機穩(wěn)定性。

隨機穩(wěn)定性（Random stability）

在SV中，不同線程（thread）或對象（object）在隨機化時使用的隨機數(shù)產(chǎn)生器（RNG）是相互獨立的。另一方面，相同線程或相同對象在相同隨機種子的情況下，每一次仿真中產(chǎn)生的隨機數(shù)序列是一樣的。這個屬性就叫random stability。

隨機穩(wěn)定性之所以重要，是因為在芯片驗證中，隨機驗證方法是很重要的一部分，在用例回歸之后，那些Failed的測試用例通常需要使用觸發(fā)錯誤的隨機種子來重現(xiàn)，比如把波形Dump出來。因此，有必要了解線程和對象的隨機化機制。下面從三個層面看這套機制是怎么運作的。

**Initialization RNG：**初始化RNG是產(chǎn)生隨機數(shù)的開始，用來給RNG初始化隨機種子。每一個模塊實例（module instance）、接口實例（interface instance）、程序塊（program）和包（package）實例都有屬于自己的初始化RNG，在不指定隨機種子的情況下，默認的隨機種子根據(jù)不同編譯器的實現(xiàn)決定的。上小節(jié)講的每一種偽隨機數(shù)的產(chǎn)生方法都有自己指定隨機種子的函數(shù)

**Hierarchy seeding：**分層分配隨機種子是隨機穩(wěn)定性的重要機制。在創(chuàng)建新的線程或者實例化對象的時候，父線程使用的RNG的下一個隨機值會作為這個新線程或者新對象的RNG的隨機狀態(tài)，即作為新的種子傳遞下去。

**Thread and Object Stability：**SV中將程序（program）、模塊（module）、接口（interface）、函數(shù)（function）、任務（task）等這些獨立的塊叫Process。每個Process都有自己的RNG。每個RNG都有自己的隨機狀態(tài)（random state）。我們可以通過process::self()這個靜態(tài)方法獲取當前Process的RNG句柄，在通過句柄調用get_randstate()方法來獲得隨機狀態(tài)。不同的仿真工具返回來的隨機狀態(tài)的值的表現(xiàn)方式可能會不一樣，但基本都是一段看起來沒有規(guī)律的字符串，這個字符串表示下一個要產(chǎn)生的隨機數(shù)的值。

SV的這套隨機穩(wěn)定性機制，盡管通常不需要我們去做什么，但是要知道：在我們要復現(xiàn)一個執(zhí)行失敗的測試用例的時候，不要改動之前布下的種子，也不要改變程序中線程和對象創(chuàng)建的順序，避免更改了分層隨機種子的順序。

編程示例

下面的例程和仿真結果展示了以上介紹到的隨機函數(shù)和特性，代碼中也附有必要的注釋。如果需要源碼，可以在公眾號中直接回復"SV隨機"獲得下載鏈接。

仿真結果如下圖所示：

參考文獻

[1] IEEE Standard Association. "IEEE Standard for SystemVerilog-Unified Hardware Design, Specification, and Verification Language." (2013).