 下图是一个典型的EDA仿真验证环境，其中主要的组件就是激励生成、检查和覆盖率收集。这三者缺一不可。  激励生成是我们验证环境的第一个关键组件，用于驱动DUT到一个预期的状态。 在DUT正在处理激励以及完成激励处理之后我们需要实时的或者离线的checker机制来确保芯片按照预期行为工作。 覆盖率是最终的量化机制、也可以理解为激励的反馈机制。我们不断地激励着DUT，同时也在进行检查，整个过程中通过覆盖率的量化来反馈验证工程师有没有验证完成?哪里还需要继续验证? 下图是覆盖率反馈到激励，以及表明验证是否完成的一个流程。在这个流程中，我们不断地根据覆盖率调整激励发送的随机机制，直到只剩几个边界场景很难覆盖到，我们再构造定向用例。  这是一个比较高效的现代EDA仿真验证流程，整个流程中激励生成、检查机制和覆盖率量化都需要保证完备性。 完备的激励+完备的检查机制+完备的覆盖率量化才能够获得有信心的验证结果，缺一不可。另外，这三者中的任何一个做到绝对的完备就是非常难的。 如果覆盖率完备了，也可以保证激励的完备。如果发现用例构造过程非常困难，大概率是验证环境架构的不合理。要么趋向于定向用例，你需要维护非常多的sequence，经常一个需求会让你改动多个sequence;要么趋向完全随机，可控性比较差。这两个情况都降低验证效率。 checker是必须要保证完备的，否则就算你激励覆盖到了某个场景，你也识别不出来问题。验证的重点是发现所有的bug，然后才是尽可能地保证激励完备性。如果非要分个优先级，个人觉得checker的完备要高于激励的完备。因为如果你遗漏了某个bug，更上层的验证环境也许可以通过集成你的checker来发现问题。 覆盖率也非常重要。否则就是在黑暗中胡乱开枪射击，你不知道去过哪里，也就不知道后面要往哪里去了。 |
