O-GEHL预测器 “Analysis of the O-GEometric History Length branch predictor”

一只甜皮鸭

已于 2022-01-26 22:25:08 修改

阅读量655

点赞数

分类专栏： Paper reading of Branch Prediction 文章标签：硬件架构

于 2021-08-11 19:44:11 首次发布

本文链接：https://blog.csdn.net/qq_40379102/article/details/119615216

版权

Paper reading of Branch Prediction 专栏收录该内容

21 篇文章 16 订阅

订阅专栏

结构特点

由多个预测表组成，每个表由PC和不同长度的历史和指令地址共同索引。其中历史长度呈几何级数，即。
最终的预测通过加法树得出。
在GEHL的基础上增加动态历史长度自适应和阈值调整

预测

预测器表将预测结果存储为符号饱和计数器。
预测跳转取决于计数器之和S的符号，若S≥0则跳转，否则不跳转。

预测器更新

在预测错误或|S|小于阈值时更新。
预测正确时递增，否则递减。

动态历史长度自适应

基于对表 T7 上更新时的混叠率的粗略估计，采取动态选择历史长度以索引预测器的算法。

例如，一个O-GEHL有8个表，11种历史长度，使其中三个表对应两种可用的历史长度，即T2：L(2)，L(8)；T4：L(4)，L(9)；T6：L(6)，L(10)。表 T7 是除了 L(8)、L(9) 和 L(10) 以外使用最长历史间隔的预测器组件。直观地说，如果表 T7 出现高度混叠，则应在表 2、4 和 6 上使用短历史；另一方面，如果表 T7 遇到低度混叠，则应使用长历史记录。

动态估计T7的混叠率：在T7的某些项上增加 tag-bit，用一个单独的9-bit 饱和计数器AC，

在预测器更新时，tag-bit 记录分支pc的一位（最低位），然后执行以下算法：

if((p!=out)&(|S|≤θ))
{
    if((PC&1)==Tag[indexT[7]])
        AC++；
    else AC=AC-4;
    if(AC==SaturatedPositive) Use Long Histories
    if(AC==SaturatedNegative) Use Short Histories
    Tag[indexT[7]]=(PC&1);
}

当使用相同的（分支，历史）对对执行表 T7 中相应条目最后更新时，AC 递增。当最后一次更新由另一个（分支，历史）对执行时，AC 减少 4。

自适应阈值

对于不同的应用阈值 $\theta$ 不同，且对于大多数benchmark，阈值的质量与错误预测的更新次数 $NU_{miss}$ 和正确预测的更新次数 $NU_{correct}$ 的相对比率之间存在很强的相关性：当二者在同一范围内时， $\theta$ 是基准的最佳可能阈值之一。

基于此，采用一个7-bit 饱和计数器TC，提出如下阈值自适应算法（没太懂）：

if((p!=out))
{
    TC=TC+1;
    if(TC==SaturatedPositive)
        θ=θ+1;TC=0;
}
if((p==out)&(|s|≤θ))
{
    TC=TC-1;
    if(TC==SaturatedNegative)
        θ=θ-1;TC=0;
}