以前看到不少驗證技術(shù)書籍都在說驗證環(huán)境中隨機怎么怎么好，然后為了隨機，UVM,SV 提供了什么什么支持。

但是最近的一些工作小編發(fā)現(xiàn)在驗證中采用隨機存在很多缺點。下面小編帶大家看看使用隨機帶來的六宗罪。

第一宗罪：難以debug

出現(xiàn)fail的test，當debug完，對設(shè)計和驗證環(huán)境做了改動，可能無法復現(xiàn)fail的場景。

如何確保發(fā)現(xiàn)的testbench的問題，或者RTL的問題有真的修掉？一般的做法是用同樣的seed，然后跑一遍之前的fail的test。但是有很多時候，由于環(huán)境的文件，約束等改變，再用同樣的seed 跑fail 的test 和之前的行為不一致，從而錯誤的認為問題已經(jīng)修掉。

第二宗罪：難以覆蓋到特定場景

有些場景通過隨機撞到的概率非常低。

如下圖所示，C=A &&B，在下圖場景中想通過 隨機到 (A==1)&&(B==1)的 場景，非常難。

第三宗罪：驗證時間不確定

回歸結(jié)果不可靠。一次通過率100%，不代表次次回歸100%。

一次回歸可能100%，第二次回歸又變成90%。連續(xù)10次回歸100%，第十一次回歸又出現(xiàn)fail的test。

第四宗罪：重復測試用例很多

浪費太多l(xiāng)icense 和服務(wù)器資源。

因為單次regression不能保證沒有問題，所以要周周跑，月月跑，一直跑到tapout，這浪費了很多l(xiāng)icense和服務(wù)器資源。特別是有些test 打到的場景重復，做一些無效驗證，給公司資源造成極大浪費。

第五宗罪：覆蓋率收集耗費資源

coverage 收斂比較耗時間和資源。

由于隨機約束造成不同場景出現(xiàn)的概率不一樣，通過隨機測試將代碼覆蓋率和功能覆蓋率補全需要經(jīng)過大量的回歸測試。coverage的收斂速度沒有直接測試來得快。

下面是一個案例，在跑完一版regression后，功能覆蓋率是80.49%。

我們想將該功能覆蓋率補全，采用直接測試用例，我們調(diào)用了5次測試，可以將覆蓋率打到95.90% ,剩下的部分可以waive掉。

當我們采用隨機測試，調(diào)用了5次隨機測試，覆蓋率為90.62%。

當我們采用隨機測試，調(diào)用了10次隨機測試，覆蓋率為93.97%。

當我們采用隨機測試，調(diào)用了20次隨機測試，覆蓋率為95.90%,達到了和直接測試同樣的效果。

第六宗罪：場景打不全

隨機驗證打不全所有場景

如上圖所示，隨機的行為很難將所有的測試路徑都打到。

隨機有沒有好處呢？當然有，比如

探索更多的場景：隨機驗證可以探索更多的測試場景，覆蓋更多的狀態(tài)空間。這可以幫助發(fā)現(xiàn)設(shè)計中的潛在問題和漏洞，從而提高驗證的質(zhì)量。

發(fā)現(xiàn)意外錯誤：隨機測試可以揭示一些設(shè)計者未曾考慮的異常情況，以及在正常測試中可能被忽略的邊緣情況。這有助于找到并修復一些潛在的設(shè)計錯誤。

減少人為偏見：手動創(chuàng)建測試用例可能受到驗證工程師的認知偏見和經(jīng)驗限制的影響。隨機驗證方法可以降低這種偏見對驗證結(jié)果的影響，從而提高驗證的可靠性。

減少人工編寫測試用例的時間和精力：隨機驗證方法可以自動生成大量測試用例，從而減少人工編寫測試用例的時間和精力。這有助于縮短驗證周期，提高驗證效率。

更好地應(yīng)對復雜性：隨著芯片設(shè)計變得越來越復雜，人工創(chuàng)建足夠多的測試用例以覆蓋所有可能的場景變得越來越困難。隨機驗證方法可以在面對復雜設(shè)計時自動生成更多的測試用例，從而更好地應(yīng)對這種復雜性。

雖然使用隨機驗證存在很多問題，但它在許多情況下仍然是一種非常有效的驗證方法。為了克服這些缺點，可以將隨機驗證與其他驗證方法（如指導性驗證、形式驗證等）相結(jié)合，以實現(xiàn)更全面、有效的芯片驗證。

審核編輯：劉清