[发明专利]超标量乱序处理器稳定状态指令吞吐率建模方法

说明书

本发明公开了一种超标量乱序处理器稳定状态指令吞吐率建模方法，获取每个统计阶段与稳态平均吞吐率相关的微架构无关参数，所述微架构无关参数至少包括依赖链路延迟分布；利用聚类算法进行分类，选取得到神经网络的训练集；将所选取的神经网络的训练集中的微架构无关参数作为神经网络的输入，将通过时序精确仿真获得对应训练集的线程稳态指令吞吐率作为神经网络的输出，对神经网络的输入和输出进行拟合，通过调节神经网络的迭代次数、网络拓扑结构、传递函数以及预设训练精度，训练得到给定硬件的稳态指令吞吐率神经网络模型。根据指令依赖链路延迟分布的微架构无关的特征，可以快速准确地预测给定微架构的超标量乱序处理器稳态下的指令吞吐率。

技术领域

本发明属于计算机体系结构与建模技术领域，具体地涉及一种基于人工神经网络的超标量乱序处理器流水线稳定状态下指令吞吐率建模方法。

背景技术

基于硬件行为建模的架构评估及设计空间探索可提供芯片设计指导意见，降低芯片设计迭代周期。在特定处理器和指定程序运行的情况下，乱序处理器流水线稳态下的指令吞吐率表征了在没有缺失事件（比如Cache缺失，指令分支预测缺失等）发生时处理器性能的极限，同时也在一定程度上反映了应用程序的设计与硬件是否适配。对于乱序处理器稳态下的指令吞吐率的准确预测是乱序处理器整体性能分析建模的基础。

乱序处理器稳态下的平均指令吞吐率是指在没有缺失事件发生的情况下平均每个时钟周期发射的指令数目。早期关于稳态指令吞吐率的估算比较简单，直接将前端指令发射级的宽度作为乱序处理器稳态下的平均吞吐率，该方法假设：当乱序处理器没有缺失事件发生时，处理器每个时钟周期内能够处理与前端指令发射级宽度等量的指令。这种方法忽略了对指令依赖、功能单元数量和种类、指令延迟、串行指令分布等因素的考虑，是一种非常理想化且误差很大的假设。

虽然近期有研究观察到乱序处理器稳定状态下的指令吞吐率与指令窗口的大小存在指数关系，而且具体系数可以通过实验实测后进行拟合得到。然而，这种方法的缺点包括，第一，这种方法获得的稳态指令吞吐率是一个常量，只能反映一个长时间范围内的平均值，缺乏动态性；第二，这种方法获得的稳态指令吞吐率与具体的软件负载特征无关，不能反映不同软件的特征，存在比较大的误差。

稳态下指令平均吞吐率的大小与各个影响因素之间并不是简单的单一作用关系，即各个因素之间的耦合效应也在影响着稳态下平均吞吐率的大小，这无疑加大了机理角度分析的难度。由于全功能时序精确型仿真时间开销过大。本发明因此而来。

发明内容

针对上述存在的技术问题，本发明目的是：提供了一种超标量乱序处理器稳定状态指令吞吐率建模方法，根据指令依赖链路延迟分布这一微架构无关的特征，快速准确地预测给定微架构的超标量乱序处理器稳态下的指令吞吐率，且预测方法精度高、速度快。

本发明的技术方案是：

一种超标量乱序处理器稳定状态指令吞吐率建模方法，包括以下步骤：

S01：获取每个统计阶段与稳态平均吞吐率相关的微架构无关参数，所述微架构无关参数至少包括依赖链路延迟分布；

S02：利用聚类算法进行分类，选取得到神经网络的训练集；

S03：将所选取的神经网络的训练集中的微架构无关参数作为神经网络的输入，将通过时序精确仿真获得对应训练集的线程稳态指令吞吐率作为神经网络的输出，对神经网络的输入和输出进行拟合，通过调节神经网络的迭代次数、网络拓扑结构、传递函数以及预设训练精度，训练得到给定硬件的稳态指令吞吐率神经网络模型。

优选的，所述步骤S01中依赖链路延迟分布的获得，包括：

S11：通过定义指令依赖链路的结构体，确定每条指令进入指令窗口时其自身和窗口内其他指令的依赖关系，并统计依赖链路长度的大小；

S12：通过定义指令类型的结构体，记录每条指令的类型，同时根据指令的类型可以获得指令执行所需要的时间；