面向Android应用的分支预测器对比与分析

发布时间：2017-10-14 11:30

  本文关键词：面向Android应用的分支预测器对比与分析

  更多相关文章： 分支预测 GShare分支预测器 Bimode分支预测器 分支目标缓冲区 虚拟PC

【摘要】：超标量超深流水线技术被普遍应用到现代嵌入式处理器中。其中,分支指令的高效执行是充分发挥硬件潜能的前提,因此现代处理器普遍采用分支预测技术降低分支指令造成的性能损失。另一方面,随着Android设备的普及,Android应用也越来越丰富。Android应用与传统benchmark存在差异,在Android应用下对比不同分支预测器的预测准确率、探索微结构参数对预测准确率的影响,可以为面向Android平台的移动设备的处理器设计提供参考。本文详细分析了Gem5仿真器中的CPU模型,通过对CPU模型的修改,从Gem5仿真器中提取出Android应用分支Trace流并用于后续Trace仿真。本文在Android应用场景下分析了微结构参数对GShare和Bimode两种分支预测器的预测准确率的影响,并在多种微结构参数下对比了两者的预测准确率。论文还分析了微结构参数对BTB预测准确率的影响以及BTB预测错误的原因。针对BTB无法有效预测间接分支目标地址的问题,本文实现了VPC间接分支预测机制,并通过对比实验验证了该机制的有效性。实验结果表明在Android应用下,Bimode比GShare分支预测器在多种微结构参数下都有更高的预测准确率。对于GShare预测器,在PHT小于4K时增大PHT可以有效增加预测准确率：Bimode预测器在PHT小于6K时增大PHT可以有效提升预测准确率：在假设跳转方向预测完全正确的情况下,BTB在4K以下时能够通过增加表项有效提升预测准确率。BTB增大后,无法有效预测具有多个跳转目标的间接分支成为主要瓶颈。VPC预测机制在AsimBench下,与Bimode加BTB的预测方式相比,平均分支预测正确率从90.14%提升到92.16%,分支错误引起的开销下降20.5%。
【关键词】：分支预测 GShare分支预测器 Bimode分支预测器 分支目标缓冲区 虚拟PC
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP332;TP316
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-15
• 1.1 背景与意义9
• 1.2 国内外研究现状9-12
• 1.3 研究内容与目标12-13
• 1.4 论文组织13-15
• 第二章 分支预测的作用及原理15-23
• 2.1 分支预测的作用15
• 2.2 分支跳转方向的预测15-18
• 2.2.1 GShare分支预测器16
• 2.2.2 Bimode分支预测器16-18
• 2.3 分支目标地址的预测18-21
• 2.3.1 分支目标缓冲区18-19
• 2.3.2 Target Cache19-20
• 2.3.3 VPC的预测20-21
• 2.4 本章小结21-23
• 第三章 基于Trace的仿真和分支指令Trace流的提取23-45
• 3.1 本文使用的Android测试集23-25
• 3.2 基于Trace的仿真方法25-30
• 3.2.1 全功能仿真与Trace仿真的时间对比26-27
• 3.2.2 GShare的Trace仿真27-28
• 3.2.3 Bimode的Trace仿真28-30
• 3.2.4 BTB的Trace仿真30
• 3.3 从Gem5中提取分支Trace流的方法30-42
• 3.3.1 Gem5仿真器中的CPU模型31-33
• 3.3.2 Gem5仿真器环境的搭建33-34
• 3.3.3 Gem5中Android系统的启动34-36
• 3.3.4 Gem5中Android应用的启动36-38
• 3.3.5 Android应用分支Trace流提取38-42
• 3.4 Android应用benchmark与传统benchmark的对比42-44
• 3.5 本章小结44-45
• 第四章 Android应用下的分支预测器对比与分析45-57
• 4.1 GShare与Bimode预测准确率对比45-50
• 4.2 不同微结构参数下的BTB预测准确率50-55
• 4.3 本章小结55-57
• 第五章 Android应用下的VPC预测57-67
• 5.1 VPC预测机制的实现57-63
• 5.1.1 VPC的预测过程57-60
• 5.1.2 VPC的更新过程60-63
• 5.2 VPC预测实验结果与分析63-65
• 5.3 本章小结65-67
• 第六章 总结与展望67-69
• 6.1 总结67
• 6.2 展望67-69
• 致谢69-71
• 参考文献71-73

【参考文献】

中国期刊全文数据库 前2条

1 张世远;于立新;;分支预测对超标量流水线性能影响分析[J];微电子学与计算机;2015年08期

2 沙子岩;孟建熠;严晓浪;葛海通;;降低函数调用分支别名的神经网络预测器[J];计算机应用研究;2010年06期

中国硕士学位论文全文数据库 前1条

1 沙子岩;基于神经网络的处理器分支预测技术研究[D];浙江大学;2010年

，

本文编号：1030837