슈퍼스칼라 프로세서에서 정적 및 동적 분류를 사용한 혼합형 결과 값 예측기

A Hybrid Value Predictor using Static and Dynamic Classification in Superscalar Processors

  • 김주익 (수원대학교 컴퓨터학과) ;
  • 박홍준 (극동정보대학 전산정보처리과) ;
  • 조영일 (수원대학교 정보공학대학 컴퓨터학과)
  • 발행 : 2003.10.01

초록

데이타 종속성은 명령어 수준 병렬성을 향상시키는데 중요한 장애요소가 되고 있으며, 최근 여러 논문에서 데이타 종속을 제거하기 위하여 결과 값을 예상하는 방법이 연구되고 있다. 혼합형 결과 값 예측기는 여러 예측기의 장점을 이용하여 높은 예상 정확도를 얻을 수 있지만, 동일한 명령어가 여러 개의 예측기 테이블에 중복 엔트리를 갖게되어 높은 하드웨어의 비용을 필요로 한다는 단점이 있다. 본 논문에서는 정적 및 동적 분류 정보를 이용하여 높은 성능을 얻을 수 있는 새로운 혼합형 결과 값 예측기를 제안한다. 제안된 예측기는 반입 단계 동안 정적 분류 정보를 사용하여 적절한 예측기에 할당함으로써 테이블 크기를 효과적으로 감소시켰고 예상정확도를 향상시켰다. 또한 제안된 예측기는 동적 분류를 사용하여“Unknown”유형의 명령어에 가장 적절한 예측방법을 선택하도록 하여 예상 정확도를 더욱 향상시켰다. SimpleScaiar/PISA 툴셋과 SPECint95 벤치마크 프로그램에서 시뮬레이션 한 결과, 정적 분류 정보를 사용하였을 경우 평균 예상 정확도가 85.1%, 정적 및 동적 분류 정보를 모두 사용하였을 경우 87.6%의 평균 예상 정확도를 얻을 수 있었다.

Data dependencies are one of major hurdles to limit ILP(Instruction Level Parallelism), so several related works have suggested that the limit imposed by data dependencies can be overcome to some extent with use of the data value prediction. Hybrid value predictor can obtain the high prediction accuracy using advantages of various predictors, but it has a defect that same instruction has overlapping entries in all predictor. In this paper, we propose a new hybrid value predictor which achieves high performance by using the information of static and dynamic classification. The proposed predictor can enhance the prediction accuracy and efficiently decrease the prediction table size of predictor, because it allocates each instruction into single best-suited predictor during the fetch stage by using the information of static classification. Also, it can enhance the prediction accuracy because it selects a best- suited prediction method for the “Unknown”pattern instructions by using the dynamic classification mechanism. Simulation results based on the SimpleScalar/PISA tool set and the SPECint95 benchmarks show the average correct prediction rate of 85.1% by using the static classification mechanism. Also, we achieve the average correction prediction rate of 87.6% by using static and dynamic classification mechanism.

키워드

참고문헌

  1. M. H. Lipasti and J. P. Shen, 'Exceeding the Dataflow Limit via Value Prediction,' MICRO-29, pp. 226-237, December 1996 https://doi.org/10.1109/MICRO.1996.566464
  2. J. Gonzalez, and A. Gonzalez, 'The Potential of Data Value Speculation to Boot ILP,' In 12th International Conference on Supercomputing, 1998
  3. K. Wang and M. Franklin, 'Highly Accurate Data Value Prediction Using Hybrid Predictors,' MICRO-30, pp. 281-290, December 1997 https://doi.org/10.1109/MICRO.1997.645819
  4. 박홍준, 신영호, 조영일, '슈퍼스칼라 프로세서에서 모험적 갱신을 사용한 하이브리드 결과 값 예측기', 한국정보과학회 논문지(시스템 및 이론), 제28권 제11호, pp. 592-600, December 2001
  5. 박홍준, 조영일, '슈퍼스칼라 프로세서에서 예상 테이블의 모험적 갱신과 명령어 실행 유형의 정적 분류를 이용한 혼합형 결과 값 예측기', 한국정보과학회 논문지(컴퓨팅의 실제), 제8권 제1호, pp. 107-115, February, 2002
  6. Q. Zhao. D. J. Lilja, 'Compiler-Directed Static Classification of Value Locality Behavior,' Laboratory for Advanced Research in Computing Technology and Compilers Technical Report No. ARCTiC 00-07, July, 2000
  7. B. Rychlik, J. W. Faist!, B. P. Krug, A. Y. Kurland, J. J. Sung, M. N. Velev, J. P. Shen, 'Efficient and Accurate Value Prediction Using Dynamic Classification,' Tech. Rep, CMUART, April 1998
  8. B. Calder, G. Reinman, D. M. Tullsen, 'Selective Value Prediction,' ISCA-26, May 1999 https://doi.org/10.1109/ISCA.1999.765940
  9. F. Gabbay, and A. Mendelson, 'The Effect of Instruction Fetch Bandwidth on Value Prediction,' ISCA-25, pp. 272-281, 1998 https://doi.org/10.1109/ISCA.1998.694787
  10. Sang-Jung Lee, Yuan Wang and Pen-Chung Yew, 'Decoupled Value Prediction on Trace Processors,' HPCA-6, pp. 231-240, January 2000 https://doi.org/10.1109/HPCA.2000.824353
  11. Sang-Jung Lee, Pen-Chung Yew, 'On Some Implementation Issue for Value Prediction on Wide-Issue ILP Processors,' PACT 2000, October 2000
  12. G. Reinman and B. Calder, 'Predictive Techniques for Aggressive Load Speculation,' MICRO-31, pp. 127-137, December 1998 https://doi.org/10.1109/MICRO.1998.742775
  13. D. C. Burger and T. M. Austin, 'The Simple-Scalar Tool Set, Version 2.0,' Technical Report CS-TR-97-1342, University of Wisconsin, Madison, June 1997