分支预测尚非已解问题：测量、机遇与未来方向
分布式、并行与集群计算
2020-10-13 v1 硬件体系结构
摘要
现代分支预测器以近乎完美的准确率预测绝大多数条件分支指令，使超标量、乱序处理器最大化推测效率进而性能。然而，这种令人印象深刻的总体有效性掩盖了单线程每周期指令数（IPC）方面的重大错失机遇。例如，我们展示：纠正最先进的 TAGE-SC-L 分支预测器在 SPECint 2017 上的误预测，将带来与工艺技术节点进步相近的 IPC 提升。本工作中，我们测量并刻画这些误预测。我们发现它们总体上源于（1）少量系统性难以预测（H2P）分支；或（2）动态执行次数少的罕见分支。利用来自 SPECint 2017 与额外大代码足迹应用的数据，我们量化了这两类的出现频率与 IPC 影响。随后我们证明，仅增加现有分支预测器的资源并不能单独解决大多数误预测的根本原因。这引导我们重新审视分支预测的基本假设，并提出新的研究方向，例如部署机器学习以改善 H2P 的模式匹配，以及使用片上相位学习来追踪罕见分支的长期统计。
引用
@article{arxiv.1906.08170,
title = {Branch Prediction Is Not a Solved Problem: Measurements, Opportunities, and Future Directions},
author = {Chit-Kwan Lin and Stephen J. Tarsa},
journal= {arXiv preprint arXiv:1906.08170},
year = {2020}
}
备注
11 pages, 10 figures. Submitted to IISWC 2019