计算机系统结构第四章.ppt

第四章 指令级并行,4.1指令级并行的概念4.2指令的动态调度4.3动态分支预测技术4.4多指令流出技术4.5循环展开和指令调度,4.1 指令级并行的概念,几乎所有的处理机都利用流水线来使指令重叠并行执行，以达到提高性能的目的。这种指令之间存在的潜在并行性称为指令级并行。（ILP：Instruction-Level Parallelism）本章研究：如何通过各种可能的技术，获得更多的指令级并行性。硬件软件技术 必须要硬件技术和软件技术互相配合，才能够最大限度地挖掘出程序中存在的指令级并行。,4.1 指令级并行的概念,流水线处理机的实际CPI理想流水线的CPI加上各类停顿的时钟周期数：CPI流水线=CPI理想+停顿结构冲突+停顿数据冲突+停顿控制冲突理想CPI是衡量流水线最高性能的一个指标。通过减少右边各项，就能减小总的CPI，从而提高IPC。IPC：Instructions Per Cycle（每个时钟周期完成的指令条数）,4.1 指令级并行的概念,1.循环级并行：使一个循环中的不同循环体并行执行。开发循环体中存在的并行性是指令级并行研究的重点之一最基本的开发循环级并行的技术循环展开（loop unrolling）技术采用向量指令和向量数据表示2.相关与流水线冲突静态指令调度动态指令调度,4.1 指令级并行的概念,3.对于正确地执行程序来说，必须保持的最关键的两个属性是：数据流和异常行为。数据流：指数据值从其产生者指令到其消费者指令的实际流动。保持异常行为是指：无论怎么改变指令的执行顺序，都不能改变程序中异常的发生情况。即原来程序中是怎么发生的，改变执行顺序后还是怎么发生。弱化为：指令执行顺序的改变不能导致程序中发生新的异常。,4.2 指令的动态调度,内容回顾：相关相关是指两条指令之间存在某种依赖关系，是程序固有的一种属性。相关包括：名相关，数据相关，控制相关。冲突（HAZARDS，也称为冒险）冲突是指由于相关的存在，使得指令流中的下一条指令不能在指定的时钟周期执行。具体一次相关是否会导致实际冲突的发生以及该冲突会带来多长的停顿，则是流水线的属性。流水线冲突包括：结构冲突，数据冲突，控制冲突。,4.2 指令的动态调度,3.冲突的解决1）结构冲突：停顿（流水线气泡）2）数据冲突：定向传送技术定向传送与停顿相结合指令调度（依靠编译器）：前提：在乱序流动的流水线中。不足：可能会产生新的WAR或WAW冲突。3）控制冲突：预测分支失败预测分支成功延迟转移技术,都是通过编译器来实现,静态调度,4.2 指令的动态调度,静态调度依靠编译器对代码进行静态调度，以减少相关和冲突。它不是在程序执行的过程中，而是在编译期间进行代码调度和优化。通过把相关的指令拉开距离来减少可能产生的停顿。动态调度在程序的执行过程中，依靠专门硬件对代码进行调度，减少数据相关导致的停顿。,4.2 指令的动态调度,一、动态调度的基本思想考虑下面一段代码：DIV.DF4，F0，F2SUB.DF10，F4，F6 ADD.DF12，F6，F14SUB.D指令与DIV.D指令关于F4相关，导致流水线停顿。ADD.D指令与流水线中的任何指令都没有关系，但也因此受阻。,4.2 指令的动态调度,在前面的基本流水线中：,一旦一条指令受阻，其后的指令都将停顿。解决办法：允许乱序执行,4.2 指令的动态调度,为了允许乱序执行，我们将5段流水线的译码阶段再分为两个阶段：流出（Issue，IS）：指令译码，检查是否存在结构冲突。（in-order issue)读操作数（Read Operands，RO）：等待数据冲突消失，然后读操作数。(out of order execution),4.2 指令的动态调度,有的代码在采用乱序执行后可能会发生WAR冲突和WAW冲突。例如，考虑下面的代码 DIV.D F4,F0,F2 SUB.D F10,F4,F6 ADD.D F6,F8,F14 DIV.D F10,F1,F3,存在反相关,存在输出相关,存在数据相关,SUB.D F10,F4,F6,WAR冲突,WAW冲突,Tomasulo算法可以通过使用寄存器重命名来消除。,4.2 指令的动态调度,二、Tomasulo算法1.基本思想核心思想：记录和检测指令相关，操作数一旦就绪就立即执行，把发生RAW冲突的可能性减少到最小；通过寄存器换名来消除WAR冲突和WAW冲突。,4.2 指令的动态调度,IBM 360/91首先采用了Tomasulo算法。IBM 360/91的设计目标是基于整个360系列的统一指令集和编译器来实现高性能，而不是设计和利用专用的编译器来提高性能。需要更多地依赖于硬件。IBM 360体系结构只有4个双精度浮点寄存器，限制了编译器调度的有效性。360/91的访存时间和浮点计算时间都很长。（也是Tomasulo算法要解决的问题）,4.2 指令的动态调度,寄存器换名可以消除WAR冲突和WAW冲突。考虑之前的代码：DIV.D F4,F0,F2 SUB.D F10,F4,F6 ADD.D F6,F8,F14 DIV.D F10,F1,F3,存在反相关F6,存在输出相关F10,存在数据相关F4,消除名相关：引入两个临时寄存器S和T，分别将第一个F10换成S，将后一个F6换成T。,S,T,基于Tomasulo算法的MIPS处理器浮点部件的基本结构,1）保留站（reservation station）每个保留站中保存一条已经流出并等待到本功能部件执行的指令（相关信息）。包括：操作码、操作数以及用于检测和解决冲突的信息。在一条指令流出到保留站的时候，如果该指令的源操作数已经在寄存器中就绪，则将之取到该保留站中。如果操作数还没有计算出来，则在该保留站中记录将产生这个操作数的保留站的标识。浮点加法器有3个保留站：ADD1，ADD2，ADD3浮点乘法器有两个保留站：MULT1，MULT2 每个保留站都有一个标识字段，唯一地标识了该保留站。,2）公共数据总线CDB 所有功能部件的计算结果都是送到CDB上，由它把这些结果直接送到（播送到）各个需要该结果的地方。3）load缓冲器和store缓冲器 存放读/写存储器的数据或地址 4）浮点寄存器FP共有16个浮点寄存器：F0，F2，F4，F30。它们通过一对总线连接到功能部件，并通过CDB连接到store缓冲器。5）指令队列指令部件送来的指令放入指令队列指令队列中的指令按先进先出的顺序流出6）运算部件浮点加法器完成加法和减法操作浮点乘法器完成乘法和除法操作,4.2 指令的动态调度,在Tomasulo算法中，寄存器换名是通过保留站和流出逻辑来共同完成的。当指令流出时，如果其操作数还没有计算出来，则将该指令中相应的寄存器号换名为将产生这个操作数的保留站的标识。指令流出到保留站后，其操作数寄存器号或者换成了数据本身（如果该数据已经就绪），或者换成了保留站的标识，不再与寄存器有关系。,MUL FO,F2,F4ADD F2,F0,F6SUB F6,F8,F4,F8,F6,F4,F2,C,B,A,ADD1,MUL1,MUL2,ADD2,ADD3,ADD F2,F0,F6,MUL FO,F2,F4,Qi,F0,D,SUB F6,F8,F4,MUL FO,F2,F4ADD F2,F0,F6SUB F6,F8,F4,MUL A,B,ADD F2,F0,F6,F8,F6,F4,F2,D,C,B,ADD1,MUL1,MUL2,ADD2,ADD3,Qi,SUB F6,F8,F4,F0,A,MUL1,MUL FO,F2,F4ADD F2,F0,F6SUB F6,F8,F4,MUL A,B,ADD MUL1,C,F8,F6,F4,F2,D,C,B,ADD1,MUL1,MUL2,ADD2,ADD3,MUL1,ADD1,Qi,F0,A,SUB D,B,ADD2,SUB F6,F8,F4,MUL FO,F2,F4ADD F2,F0,F6SUB F6,F8,F4,MUL A,B,ADD MUL1,C,F8,F6,F4,F2,D,C,B,ADD1,MUL1,MUL2,ADD2,ADD3,MUL1,ADD1,Qi,F0,A,SUB D,B,ADD2,E,ADD E,C,4.2 指令的动态调度,Tomasulo算法具有以下两个特点：1）冲突检测和指令执行控制是分布的。每个功能部件的保留站中的信息决定了什么时候指令可以在该功能部件开始执行。2）计算结果通过CDB直接从产生它的保留站传送到所有需要它的功能部件，而不用经过寄存器。,4.2 指令的动态调度,2.指令执行的步骤使用Tomasulo算法的流水线需3段：1）流出：从指令队列的头部取一条指令。如果没有空闲的保留站，指令就不能流出。（发生了结构冲突）如果该指令的操作所要求的保留站有空闲的，就把该指令送到该保留站。（寄存器换名和对操作数进行缓冲，消除WAR冲突）完成对目标寄存器的预约工作（消除了WAW冲突）,4.2 指令的动态调度,2）执行 当两个操作数都就绪后，本保留站就用相应的功能部件开始执行指令规定的操作。（消除了RAW冲突）3）写结果 功能部件计算完毕后，就将计算结果放到CDB上，所有等待该计算结果的寄存器和保留站（包括store缓冲器）都同时从CDB上获得所需要的数据。,3.Tomasulo算法举例 每个保留站有以下6个字段：（P121 图4.2）Busy：为“yes”表示本保留站或缓冲单元“忙”。Op：要对源操作数进行的操作。Vj，Vk：源操作数的值。Qj，Qk：将产生源操作数的保留站号。等于0表示操作数已经就绪且在Vj或Vk中，或者不需要操作数。对于每一个操作数来说，V或Q字段只有一个有效。A：仅load和store缓冲器有该字段。开始是存放指令中的立即数字段，地址计算后存放有效地址。Qi：寄存器状态表。每个寄存器在该表中有对应的一项，用于存放将把结果写入该寄存器的保留站的站号。为0表示当前没有正在执行的指令要写入该寄存器，也即该寄存器中的内容就绪。,4.2 指令的动态调度,对于下述指令序列，给出当第一条指令完成并写入结果时，Tomasulo算法所用的各信息表中的内容。L.DF6,34（R2）L.DF2,45（R3）MUL.DF0,F2,F4 SUB.DF8,F2,F6 DIV.DF10,F0,F6 ADD.DF6,F8,F2,4.2 指令的动态调度,当采用Tomasulo算法时，在上述给定的时刻，load缓冲器、保留站以及寄存器状态表中的内容。,L.DF6,34（R2）L.DF2,45（R3）MUL.D F0,F2,F4SUB.D F8,F2,F6DIV.D F10,F0,F6ADD.D F6,F8,F2,4.3 动态分支预测技术,动态分支预测：在程序运行时，根据分支指令过去的表现来预测其将来的行为。如果分支行为发生了变化，预测结果也跟着改变。有更好的预测准确度和适应性。需要解决的关键问题 如何记录分支的历史信息；如何根据这些信息来预测分支的去向（甚至取到指令）。,4.3 动态分支预测技术,一.采用分支历史表BHT（Branch History Table）又称为分支预测缓冲器（Branch Prediciton Buffer）最简单的动态分支预测方法。用BHT来记录分支指令最近一次或几次的执行情况（成功或不成功），并据此进行预测。1.只有1个预测位的分支预测缓冲 记录分支指令最近一次的历史，BHT中只需要1位二进制位。（最简单）,4.3 动态分支预测技术,2.采用两位二进制位来记录历史提高预测的准确度研究结果表明：两位分支预测的性能与n位（n2）分支预测的性能差不多。1）两位分支预测的状态转换如下所示：,4.3 动态分支预测技术,2）操作步骤：分支预测。当分支指令到达译码段（ID）时，根据从BHT读出的信息进行分支预测。若预测正确，就继续处理后续的指令，流水线没有断流。否则，就要作废已经预取和分析的指令，恢复现场，并从另一条分支路径重新取指令。状态修改。,4.3 动态分支预测技术,3.BHT方法只在以下情况下才有用：判定分支是否成功所需的时间大于确定分支目标地址所需的时间。前述5段经典流水线：由于判定分支是否成功和计算分支目标地址都是在ID段完成，所以BHT方法不会给该流水线带来好处。4.研究结果表明：对于SPEC89测试程序来说，具有大小为4K的BHT的预测准确率为82%99%。一般来说，采用4K的BHT就可以了。5.BHT可以跟分支指令一起存放在指令Cache中，也可以用一个专门的硬件来实现。,4.3 动态分支预测技术,二.采用分支目标缓冲器BTB目标：将分支的开销降为 0方法：分支目标缓冲将分支成功的分支指令的地址和它的分支目标地址都放到一个缓冲区中保存起来，缓冲区以分支指令的地址作为标识。这个缓冲区就是分支目标缓冲器（Branch-Target Buffer，简记为BTB，或者Branch-Target Cache）。,4.3 动态分支预测技术,1.BTB的结构,BTB是用专门的硬件实现的一张表格。表格中的每一项至少有两个字段：执行过的成功分支指令的地址；（作为该表的匹配标识）预测的分支目标地址。,2.采用BTB后，在流水线各个阶段所进行的相关操作：,4.3 动态分支预测技术,三.基于硬件的前瞻执行1.前瞻执行（speculation）的基本思想：对分支指令的结果进行猜测，并假设这个猜测总是对的，然后按这个猜测结果继续取、流出和执行后续的指令。只是执行指令的结果不是写回到寄存器或存储器，而是放到一个称为ROB（ReOrder Buffer）的缓冲器中。等到相应的指令得到“确认”（commit）（即确实是应该执行的）之后，才将结果写入寄存器或存储器。,4.3 动态分支预测技术,2.基于硬件的前瞻执行结合了三种思想：1）动态分支预测。用来选择后续执行的指令。2）在控制相关的结果尚未出来之前，前瞻地执行后续指令。3）用动态调度对基本块的各种组合进行跨基本块的调度。3.对Tomasulo算法加以扩充，就可以支持前瞻执行。把Tomasulo算法的写结果和指令完成加以区分，分成两个不同的段：写结果，指令确认,写结果段把前瞻执行的结果写到ROB中；通过CDB在指令之间传送结果，供需要用到这些结果的指令使用。指令确认段 在分支指令的结果出来后，对相应指令的前瞻执行给予确认。如果前面所做的猜测是对的，把在ROB中的结果写到寄存器或存储器。如果发现前面对分支结果的猜测是错误的，那就不予以确认，并从那条分支指令的另一条路径开始重新执行。,支持前瞻执行的浮点部件的结构,换名功能是由ROB来完成的。实现前瞻的关键思想：允许指令乱序执行，但必须顺序确认。,4.4 多指令流出技术,一.单流出（单发射）处理机和多流出（多发射）处理机 1.单流出处理机只有一套指令部件（取指部件和译码部件），并且每个时钟周期只取一条指令，只对一条指令进行译码。,4.4 多指令流出技术,2.多流出处理机一个时钟周期内流出多条指令，CPI1。有多套（m）指令部件（取指部件和译码部件），能在每个时钟周期同时取出多条指令，并同时对多条指令进行译码。,4.4 多指令流出技术,4.4 多指令流出技术,二.多流出处理机有两种基本风格：1.超标量处理机（空间并行）：把一个时钟周期内能够同时发射多条指令的处理机称为超标量处理机。超标量处理机最基本的要求是有两套或两套以上完整的指令执行部件。为了能够在一个时钟周期内同时发射多条指令，超标量处理机必须有两条或两条以上能够同时工作的指令流水线。,4.4 多指令流出技术,在每个时钟周期流出的指令条数不固定，依代码的具体情况而定。（有上限）设这个上限为n，就称该处理机为n流出。可以通过编译器进行静态调度，也可以基于Tomasulo算法进行动态调度。,2.超长指令字VLIW（Very Long Instruction Word）依靠编译器把能并行执行的多条指令组装成一条很长的指令（100多位到几百位），并设置多个功能部 件。指令字被分割成一些字段，每个字段称为一个操作槽，直接独立地控制一个功能部件。,4.4 多指令流出技术,在每个时钟周期流出的指令条数是固定的，这些指令构成一条长指令或者一个指令包。指令包中，指令之间的并行性是通过指令显式地表示出来的。指令调度是由编译器静态完成的。,三.多流出流水线的调度问题（例子说明）,（1）顺序发射顺序完成,6条指令共用了10个时钟周期才完成。有8个空闲的时钟周期,（2）顺序发射乱序完成,共需9个周期。仅有3个空闲周期。,（3）乱序发射乱序完成,共需8个周期。无空闲周期。,先行指令窗口：能够从指令中预取多条指令。能够对窗口内的指令进行数据相关性分析和功能部件冲突的检测。,四、超流水线处理机 在一个时钟周期内能够分时发射多条指令的处理机称为超流水线处理机。1典型结构R4000的指令流水线有8级，采用超流水线结构，取指令和访问数据都要跨越两个流水级；每个时钟周期包含两个流水级，处理器取第一条指令（IF）和取第二条指令（IS）,4.4 多指令流出技术,两个流水级都要访问指令Cache，这两个流水级为一个时钟周期。,4.4 多指令流出技术,指令执行时序一台并行度ILP为n的超流水线处理机，它在一个时钟周期内能够分时发射n条指令。但这n条指令不是同时发射的，而是每隔1/n个时钟周期发射一条指令。每个时钟周期分时发射2条指令的超流水线处理机的指令执行时空图如下：,2、与超标量机提高性能的途径不同：超标量处理机通过重复设置多个“取指令”部件，多个“译码”、“执行”和“写回结果”部件，使其同时工作来提高指令的执行速度，以增加硬件资源为代价来换取处理机性能。超流水线处理机只需要增加少量硬件，是通过各部分硬件的充分重叠工作来提高处理机性能的。,4.4 多指令流出技术,从流水线的时空图上看，超标量处理机采用的是空间并行性，而超流水线处理机采用的是时间并行性。,4.5 循环展开和指令调度,在编译时多次展开循环体，再对指令序列重新排序，以进一步提高流水线的并行性。例：LOOP：LD F0，0(R1)/取数 ADDD F4，F0，F2/相加 SD 0(R1)，F4/存数 SUB R1，R1，#8/指针减8 BNEZ R1，LOOP/(R1)0,转移到LOOP,各操作时间不等,为保证流水线正常工作，插入等待周期。LOOP：LD F0，0(R1)停顿 ADDD F4，F0，F2 停顿 停顿 SD 0(R1)，F4 SUB R1，R1，#8 BNEZ R1，LOOP 停顿,对该循环体进行调度，执行时间由9个周期缩减为6个周期。LOOP：LD F0，0(R1)停顿 ADDD F4，F0，F2 SUB R1，R1，#8 BNEZ R1，LOOP SD 8(R1)，F4,4.5 循环展开和指令调度,展开循环体多次 周期数 LOOP：LD F0，0(R1)2 ADDD F4，F0，F2 3 SD 0(R1)，F4 1 LD F6，-8(R1)2 ADDD F8，F6，F2 3 SD-8(R1)，F8 1 LD F10，-16(R1)2 ADDD F12，F10，F2 3 SD-16(R1)，F12 1 LD F14，-24(R1)2 ADDD F16，F14，F2 3 SD-24(R1)，F16 1 SUB R1，R1，#32 1 BNEZ R1，LOOP 2,4.5 循环展开和指令调度,完成4个循环体共需27个周期,再重新调度LOOP：LD F0，0(R1)LD F6，-8(R1)LD F10，-16(R1)LD F14，-24(R1)ADDD F4，F0，F2 ADDD F8，F6，F2 ADDD F12，F10，F2 ADDD F16，F14，F2 SD 0(R1)，F4 SD-8(R1)，F8 SD-16(R1)，F12 SUB R1，R1，#32 BNEZ R1，LOOP SD 8(R1)，F16,完成4个循环体共需14个周期，所以平均一个循环体须要3.5个周期。,4.5 循环展开和指令调度,