Jaki rodzaj przewidywania gałęzi jest ważniejszy?

Zauważyłem, że w przewidywaniu gałęzi istnieją dwa różne typy stanów.

1. W wykonywaniu superskalarnym, gdzie przewidywanie rozgałęzienia jest bardzo ważne i dotyczy głównie opóźnienia wykonania, a nie opóźnienia pobierania.

2. W potoku instrukcji, gdzie pobieranie jest większym problemem, ponieważ instrukcje faktycznie nie są wykonywane aż do później.

Który z nich jest bardzo ważny (ponieważ w którym z nich tak naprawdę liczy się teraz procesor?) Jeśli oba są równie ważne lub w przypadku, gdy drugi jest ważniejszy, to dlaczego nie mamy dwóch instrukcji (prawdopodobnie o połowie długości), a następnie w zależności od gałęzi, wystarczy wybrać jedną z nich, a następnie ponownie uruchomić populację od początek?

Nie wiem, który przypadek jest powszechny, ale chciałbym podzielić się przemyśleniami na temat twojej propozycji podwójnych potoków.

Przede wszystkim potrzebujesz podwójnego drutu, który zużyłby podwójnie energię i wytworzyłby podwójnie ciepło podczas aktywności. Z drugiej strony, choć nie jest potrzebny, byłby całkowicie bezużyteczny. Można więc argumentować, że nie jest to dobre wykorzystanie zasobów, które są rzadkie w nowoczesnych procesorach.

Mówiąc bardziej ogólnie, jeśli nie wolisz jednej gałęzi na podstawie prawdopodobieństwa, skąd wiesz, którą wersję napisać? Jeśli nie, nic nie możesz zapisać, ponieważ inne procesory i tak mogą czekać na twoją decyzję. Jeśli pozostaniesz przy jednym z nich, masz zasadniczo takie samo prawdopodobieństwo wycofania i koszt jak teraz.

Zróbmy zgrubne obliczenia. Dla uproszczenia załóżmy, że obsługa dwóch potoków zamiast jednego nie powoduje dodatkowych kosztów zarządzania. Oczekiwany koszt (np. Energia, ciepło) wynosi przy jednym potoku ( koszt wykonania jednej z alternatyw, prawdopodobieństwo wycofania i koszt wycofania bez kosztu wykonania drugiego alternatywnie), ale albo a nawet - albo jest dużo większy niż jeśli i są stosunkowo małe, a$C = c + p(c_r + c)$$c$$p$$c_r$$2c$$2c + pc_r$$C$$p$$c_r$$p$z pewnością jest (o ile mi wiadomo, współczesne prognozy branżowe mają dokładność ponad 90%). I nie dostajemy dużo za te koszty! Oczekiwane czasy wykonania to z jednym i odpowiednio. z dwoma; ponieważ jest małe, oszczędności czasu są znikome.$t + p(t_r + t)$$t$$t + pt_r$$p$

W pewnym sensie efekt przewidywania gałęzi jest bardziej krytyczny w pobieraniu instrukcji, ponieważ instrukcja, która nie jest pobierana, nie może zostać wykonana.

Jeśli chodzi o wykonywanie obu ścieżek gałęzi, nazywa się to chętnym wykonywaniem i zostało nieco gruntownie zbadane. Warto zajrzeć do Augusta K. Uht i Vijaya Sindagiego „Disjoint Eager Execution: A Optimal Form of Spekulative Execution” (1995).

Szybka realizacja ma kilka problemów. W przypadku głębokich spekulacji liczba ścieżek, które należy śledzić, może rosnąć wykładniczo (każda rozwidlona ścieżka gałęzi może napotkać gałąź). Prognozowanie rozgałęzień jest często bardzo dokładne (> 90% poprawne), więc zawsze wykonanie obu ścieżek byłoby marnotrawstwem. Szybka realizacja może również „zanieczyścić” pamięci podręczne bezużyteczną zawartością. (W wyżej wspomnianym artykule zaproponowano inteligentnie ograniczone chętne wykonanie w celu uniknięcia niektórych z tych problemów.) Ograniczone chętne pobieranie alternatywnej ścieżki ma mniej problemów i może być nieco atrakcyjne w zmniejszaniu opóźnienia odzyskiwania błędnych prognoz w krótszych rurociągach.

Innym podejściem, które zostało zaproponowane, jest dynamiczne przewidywanie gałęzi „hamaku” (krótkie gałęzie do przodu, które łączą się z powrotem z główną ścieżką przepływu instrukcji). Artur Klauser i wsp. „Dynamiczne przewidywanie hamaka dla nie predykowanych architektur zestawu instrukcji” (1998) może być warte przeczytania dla tego pomysłu. („Wish Branchches: Łączenie rozgałęzienia warunkowego i predykcji w celu adaptacyjnego predykcyjnego wykonania” Hyesoon Kim i in. Proponuje dodanie gałęzi ISA, które ułatwiają przewidywanie hamaków i rozszerza tę metodę predykcji na trudne do przewidzenia gałęzie pętli.)