초록

AI-Helper

고성능 슈퍼스칼라 프로세서에서 값 예측 실패 시에 잘못 예측된 값을 사용하여 모험적으로 수행된 명령들만을 순차적으로 취소하고 복구한 후에 재이슈하는 값 예측 실패 복구 메커니즘을 제안한다. 제안된 복구 방식은 값 예측이 틀린 종속명령만을 선택적으로 재이슈하여 불필요한 재이슈를 줄임으로써 값 예측 실패 시에 손실을 줄인다. 또한 기존의 방식들처럼 잘못 예측된 명령에 종속적인 명령들의 한번에 병렬로 검색하지 않고 명령들의 종속체인을 따라 순차적으로 검색함으로써 프로세서의 클럭 사이클에 영향을 미치지 않으면서 하드웨어의 구현의 복잡성을 줄인다.

고성능 슈퍼스칼라 프로세서에서 값 예측 실패 시에 잘못 예측된 값을 사용하여 모험적으로 수행된 명령들만을 순차적으로 취소하고 복구한 후에 재이슈하는 값 예측 실패 복구 메커니즘을 제안한다. 제안된 복구 방식은 값 예측이 틀린 종속명령만을 선택적으로 재이슈하여 불필요한 재이슈를 줄임으로써 값 예측 실패 시에 손실을 줄인다. 또한 기존의 방식들처럼 잘못 예측된 명령에 종속적인 명령들의 한번에 병렬로 검색하지 않고 명령들의 종속체인을 따라 순차적으로 검색함으로써 프로세서의 클럭 사이클에 영향을 미치지 않으면서 하드웨어의 구현의 복잡성을 줄인다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 고성능 슈퍼스칼라 프로세서에서 값 예측 실패 시에 잘못 예측된 값을 사専하" 모험적으로 수행된 명령들 안을 순차적으로 취소하고 복구한 후에 재 이슈 하는 값 예측 실패 복구 메커니즘을 제안하였다. 실험 결과 값 예측 시 성능향 샹은 4, 8, 16 이슈에 대해 평균 1.
• 그러나 모험적 실행의 성격상 값 예측이 실패하여 잘못된 값에 근거하여 데이터 종속관계를 꾾고 모험적으로 이슈될 때마다 복구를 한 후 올바른 값을 가지고 다시 이슈 해야 문제점이 있다. 본 연구에서는 고성능 슈퍼스칼라 프로세서에서 값 예측 실패 시에 잘못 예측된 값을 사용하여 모험적으로 수행된 명령들만올 순차적으로 취소하고 복구한 후에 재 이슈 하는 값 예측 실패 복구 메커니즘을 제안한다. 제안된 복구 방식은 값 예측이 틀린 종속 명령만올 선택적으로 재이슈하여 불필요한 재 이슈를 줄임으로써 값 예측 실패 시에 손실을 줄인다.

가설 설정

• 그림 1에서 명령 a, b, d가 레지스터 r3, r5, r7의 결과 값을 예측하고 이 중 명령 a만 예측이 틀리고 나머지 b, d는 올바른 예측을 한 경우를 가정하자. 또한 메모리 로드 명령(lw)은 2 클럭 이 소요된다고 가정한다. 클럭 3에서 명령 c는 명령 a, b의 예측값을 이용하여 모험적으로 수행되고 명령 e도 d의 예측값을 이용하여 모험적으로 이 슈 된다.

제안 방법

• 본 연구에서는 SimpleScalar 프로세서 모델[1]에 근간올 둔 비순차 이슈 슈퍼스칼라 프로세서상에서 값 예측기 및 제안된 값 예측 실패 복구기법을 설계하였다. SimpleScalar 모델은 명령페치 (Instruction Fetch, I”), 명령 디코드 및 디스페치 Instruction Decode & Dispatch, ID), 명령 이슈 및 수행(Instruction Issue & Execution, EX), 결과저장 (Writeback, WB) 및 완료(commit, CM)& 5개 파이프라인 스테이지로 동작한다.

데이터처리

• 제안된 순차적 값 예측 실패 복구 메커니宣(valqe misprediction recovery mechanism)의 성능을 즉 정하기 위해서 SPECint95와 SPECint2000 벤치마크를 적용하여 성능을 분석하였다. 그림 6은 4, 8, 16의 각 이슈에 대해 제안된 순차적인 복구 기법을 적용하여 값 예측을 한 경우에 값 예측을 하지 않은 경우에 비해 향상된 성능향상을 보여주는 그림으로 _{4, 8,} 16 이슈에 대해 각각 평균 1.

성능/효과

• 제안된 복구 방식은 값 예측이 틀린 종속 명령만올 선택적으로 재이슈하여 불필요한 재 이슈를 줄임으로써 값 예측 실패 시에 손실을 줄인다. 또한 기존의 방식들처럼 잘못 예측된 명령에 종속적인 명령들의 한 번에 병렬로 검색하지 않고 명령들의 종속 체인을 따라 순차적으로 검색함으로써 프로세서의 클럭 사이클에 영향을 미치지 않으면서 하드웨어의 구현의 복잡성을 줄인다_.D
• 4%의 성능향상올 알 수 있다. 또한 병렬검색 방식과 제안된 방식은 페치된 명령의 수가 오히려 줄었음에 반해 재페치방식은 크게 증가함을 알 수 있었다.
• 그림 7 은 8 이슈 머신 구성에서 값 예측을 하지 않는 경우 페치된 명령의 비율올 1로 보았을 때 병렬검색 (Parallels), 명령 재 페치 (Refetch8) 및 제안된 순차적인 복구 방식(VP8)의 명령 페치 비율올 측정한 그림이다. 병렬검색 방식, 제안된 방식, 명령 재페 치 방식이 각각 평균 0.82, 0.95, 1.84로 병렬검색 방식과 제안된 방식은 페치된 명령의 수가 오히려 줄었음에 반해 재페치 방식은 크게 증가함을 알 수 있다.
• 본 논문에서는 고성능 슈퍼스칼라 프로세서에서 값 예측 실패 시에 잘못 예측된 값을 사専하" 모험적으로 수행된 명령들 안을 순차적으로 취소하고 복구한 후에 재 이슈 하는 값 예측 실패 복구 메커니즘을 제안하였다. 실험 결과 값 예측 시 성능향 샹은 4, 8, 16 이슈에 대해 평균 1.1%, 5.1%, 5.4%의 성능향상올 알 수 있다. 또한 병렬검색 방식과 제안된 방식은 페치된 명령의 수가 오히려 줄었음에 반해 재페치방식은 크게 증가함을 알 수 있었다.
• 본 연구에서는 고성능 슈퍼스칼라 프로세서에서 값 예측 실패 시에 잘못 예측된 값을 사용하여 모험적으로 수행된 명령들만올 순차적으로 취소하고 복구한 후에 재 이슈 하는 값 예측 실패 복구 메커니즘을 제안한다. 제안된 복구 방식은 값 예측이 틀린 종속 명령만올 선택적으로 재이슈하여 불필요한 재 이슈를 줄임으로써 값 예측 실패 시에 손실을 줄인다. 또한 기존의 방식들처럼 잘못 예측된 명령에 종속적인 명령들의 한 번에 병렬로 검색하지 않고 명령들의 종속 체인을 따라 순차적으로 검색함으로써 프로세서의 클럭 사이클에 영향을 미치지 않으면서 하드웨어의 구현의 복잡성을 줄인다_.
• 4%의 성능 향상이 있음을 알 수 있다. 즉 이슈되는 명령 수가 커지면 값 예측을 이용한 모험적 실행이 더 효과가 있음을 알 수 있다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기