【体系结构】转移预测器性能的定量评价

几种预测器的设计参见前一篇博文（这里）

定量评价几种预测器的预测准确率

转移预测的分析和评测过程主要基于给定的指令序列踪迹。输入的文本文件将给出指令序列踪迹，该文件包含N行，每一行包括三个数据，分别为当前指令PC、下一指令PC、当前指令类型（0代表转移指令，1代表其它指令），下面是一个具体的范例：

0x0EA31410 0x0EA31414 1
0x0EA31414 0x0EA31470 0
0x0EA31470 0x0EA31474 1
0x0EA31474 0x0EA31478 0
0x0EA31478 0x0EA3147C 1

实验中使用gcc.log，compress.log，craft.log，gzip.log，mcf.log，parser.log，vpr.log 7个测试数据，实验结果如下：

仿照书中的例子，绘制三种预测器不正确率的结果：

实验结果很明显看到Tournament预测器取得了更好的预测结构。但另一方面，在同样空间的限制下，使用相关分支预测信息的[10,2]关联预测器反而没有简单的局部历史表预测效果好。事实上，分支历史表可以看做[1,2]关联预测器。分析可能是推论的分支信息过多，减少相关分支数目可能会提高预测准确率。于是，实验中尝试了[2,2]，[4,2]，[6,2]，[8,2]（对应的地址分别为12,10,8,6bit，空间均为32K），结果如下：

可以看到使用[4,2]相关分支预测器平均准确率最高。而过度增加相关分支数量，可能会降低预测准确率。

实验结论

2bit分支历史表预测器可以提供较好的分支预测准确率。适当利用全局信息，使用相关分支预测技术，也可以提高预测分支准确率。Tournament预测器通过结合局部信息和全局历史信息，在同样空间的情况下，平均预测准确率最高。

（转载请注明作者和出处：http://blog.csdn.net/xiaowei_cqu 未经允许请勿用于商业用途）