全局性相关主要指转移指令（特别是条件转移）对流水线性能的影响

最新推荐文章于 2025-12-20 22:12:48 发布

原创最新推荐文章于 2025-12-20 22:12:48 发布 · 821 阅读

CC 4.0 BY-SA版权

文章标签：

130 篇文章

订阅专栏

118 篇文章

订阅专栏

111 篇文章

订阅专栏

一、全局性相关
全局性相关主要指转移指令（特别是条件转移）对流水线性能的影响。由于转移指令的执行结果会影响后续指令的取指路径，可能导致已预取到指令缓冲中的内容失效，从而引发流水线断流或清空，显著降低吞吐率和效率。相比局部性相关（如数据相关、资源冲突），其影响范围更广、后果更严重。

解决方法包括：

二、RISC 的三种流水线技术

技术类型	核心逻辑	本质	特点
超流水线技术	细化流水阶段，增加流水线条数	时间换空间	单周期可完成1-2个浮点操作，CPI略高但硬件利用率提升
超标量技术	配备多条独立流水线，并行发射多条指令	空间换时间	时钟频率与普通流水相当，CPI更低，性能更强
超长指令字（VLIW）	编译器静态调度多个操作打包成一条长指令	软件优化硬件	硬件结构简化，依赖编译器做并行性分析，CPI小但主频较低

三、吞吐率与流水建立时间

吞吐率（Throughput）：单位时间内流水线完成的任务数量。理论最大吞吐率为：
$\frac{1}{\max\{\Delta t_1, \Delta t_2, ..., \Delta t_m\}}$
其中 $Δti\Delta t_i$ 表示第 $i$ 个流水段的处理时间，瓶颈段决定整体吞吐能力。
建立时间（Startup Time / Fill Time）：指流水线从初始状态到进入满负荷工作所需的时间。对于一个 $m$ 级流水线，需要 $m$ 个时钟周期才能填满，此后才达到最大吞吐率。
动态分支预测技术通过运行时记录和分析分支指令的历史行为，动态调整对下一次转移方向（转移或不转移）的预测，从而显著减少因条件转移导致的流水线断流，有效缓解全局性相关带来的性能损失。

其核心机制包括：

历史记录表（Branch History Table, BHT）：
使用一个有限大小的表，以分支指令地址的部分位作为索引，存储该分支最近的执行结果（如“转移”或“不转移”）。每次遇到分支时，查表获取预测方向，指导预取路径。
饱和计数器（2-bit Saturating Counter）：
每个分支对应一个两位状态机（强不转移 → 弱不转移 → 弱转移 → 强转移），避免单次误判就改变预测结果，提升稳定性。只有连续两次相同行为才会进入“强”状态。
两级预测器（如gshare、gselect）：
不仅考虑当前分支的历史，还结合全局最近若干次分支的结果（全局历史寄存器），提高对复杂模式（如循环中最后一次跳转不同）的预测准确率。
目标地址缓存（Branch Target Buffer, BTB）：
同时缓存转移指令的目标地址，避免每次都要计算跳转地址，加快取指过程。
投机执行（Speculative Execution）配合预测：
根据预测结果提前取出并执行后续指令，若预测正确则直接提交结果；若错误，则丢弃已执行的指令，恢复状态，重新从正确路径取指。