mirror of
https://github.com/gatieme/LDD-LinuxDeviceDrivers.git
synced 2026-09-21 11:53:35 +08:00
arch: CPI stack
This commit is contained in:
Cheng Jian
+39
-21
@@ -34,21 +34,37 @@ blogexcerpt: 虚拟化 & KVM 子系统
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
# 1 CPI stack
|
||||
# 1 CPI
|
||||
-------
|
||||
|
||||
|
||||
Van Craeynest 提出了性能影响的评估模型（performance impact estimation PIE）
|
||||
指令周期数(CPI)是一个很重要的高级指标, 用来描述 CPU 如何使用它的时钟周期, 同时也可以用来理解 CPU 使用率的本质.
|
||||
|
||||
大核和小核的 MLP 和 ILP 的比值可以很好的说明核间的性能差异
|
||||
当应用在某一个 core 上执行时，收集 ILP 和 MLP 信息，以及 CPI 堆栈。利用收集的信息，估计另一个类型的 core 上的应用程序的性能
|
||||
简化的思想，根据程序运行时，core 利用 ILP 和 MLP 对整体性能的影响程度来决定调度方案
|
||||
这个指标也可以被表示为每周期指令数(instructions per cycle, IPC), 即 CPI 的倒数.
|
||||
|
||||
CPI 较高代表 CPU 经常陷入停滞, 通常都是在访问内存. 而较低的 CPI 则代表 CPU 基本没有停滞, 指令吞吐量较高.
|
||||
|
||||
通常情况下, 通过 CPI 的取值, 我们可以大致判断一个计算密集型任务, 到底是 CPU bound 还是 Memory Bound:
|
||||
|
||||
* CPI 小于 1, 程序通常是 CPU Bound;
|
||||
|
||||
* CPI 大于 1, 程序通常是 Memory Bound;
|
||||
|
||||
这些指标指明了性能调优的主要工作方向. 内存访问密集的负载, 可以通过下面的方法提高性能, 如使用更快的内存(DRAM)、提高内存本地性(软件配置), 或者减少内存 I/O 数量.
|
||||
|
||||
使用更高时钟频率的 CPU 并不能达到预期的性能目标, 因为 CPU 还是需要为等待内存 I/O 完成而花费同样的时间. 换句话说, 更快的 CPU 意味着更多的停滞周期, 而指令完成速率不变. CPI 的高低与否实际上和处理器以及处理器功能有关, 可以通过实验方法运行已知的负载得出.
|
||||
|
||||
例如, 你会发现高 CPI 的负载可以使 CPI 达到 10 或者更高, 而在低 CPI 的负载下, CPI 低于 1(受益于前述的指令流水线和宽度技术, 这是可以达到的).
|
||||
|
||||
值得注意的是, CPI 代表了指令处理的效率, 但并不代表指令本身的效率. 假设有一个软件改动, 加入了一个低效率的循环, 这个循环主要在操作 CPU 寄存器(没有停滞周期): 这种改动可能会降低总体 CPI, 但会提高 CPU 的使用和利用度
|
||||
|
||||
|
||||
# 2 学术研究
|
||||
# 2 CPI stack
|
||||
-------
|
||||
|
||||
|
||||
|
||||
## 2.2 学术研究
|
||||
-------
|
||||
|
||||
[Mluti-Strage CPI Stacks](https://heirman.net/papers/eyerman2018mscs.pdf)
|
||||
@@ -65,19 +81,9 @@ https://users.elis.ugent.be/~leeckhou/papers/asplos06.pdf
|
||||
|
||||
[A Top-Down Approach to Architecting CPI Component Performance Counters](https://xueshu.baidu.com/usercenter/paper/show?paperid=f8386b09436480d8ed1f1d8460e29c97) https://users.elis.ugent.be/~leeckhou/papers/toppicks07.pdf
|
||||
|
||||
[CPCI Stack: Metric for Accurate Bottleneck Analysis on OoO Microprocessors](https://www.semanticscholar.org/paper/CPCI-Stack%3A-Metric-for-Accurate-Bottleneck-Analysis-Tanimoto-Ono/3a7420ec4f5369e67f658af17563d98efe19733e)
|
||||
|
||||
# 3 工业实践
|
||||
-------
|
||||
|
||||
|
||||
https://personals.ac.upc.edu/marc/Marc_Gonzalez_Home_page/Material_PoTra_files/POTRA%20tutorial%20-%20PART%201.pdf
|
||||
|
||||
|
||||
https://old.hotchips.org/wp-content/uploads/hc_archives/hc26/HC26-12-day2-epub/HC26.12-8-Big-Iron-Servers-epub/HC26.12.817-POWER8-Mericas-IBM%20Revised-no-spec.pdf
|
||||
https://openpowerfoundation.org/wp-content/uploads/2015/03/Sadasivam-Satish_OPFS2015_IBM_031615_final.pdf
|
||||
|
||||
|
||||
# 4 开源工具
|
||||
## 2.3 开源工具
|
||||
-------
|
||||
|
||||
[Sniper CPI Stacks Generate Tools](http://snipersim.org/w/CPI_Stacks)
|
||||
@@ -92,6 +98,18 @@ https://openpowerfoundation.org/wp-content/uploads/2015/03/Sadasivam-Satish_OPFS
|
||||
|
||||
|
||||
|
||||
## 2.3 工业实践
|
||||
-------
|
||||
|
||||
IBM 的 [POWER5](http://www.ee.unlv.edu/~meiyang/ecg700/readings/ibmpower5chipadualcore.pdf) 是最早支持 CPI stack 跟踪的乱序(Out-of-Order)处理器, 随后在 POWER7, [POWER8](https://old.hotchips.org/wp-content/uploads/hc_archives/hc26/HC26-12-day2-epub/HC26.12-8-Big-Iron-Servers-epub/HC26.12.817-POWER8-Mericas-IBM%20Revised-no-spec.pdf) 中不断优化, 大放异彩. 参见 [POWER8 Performance Analysis](https://openpowerfoundation.org/wp-content/uploads/2015/03/Sadasivam-Satish_OPFS2015_IBM_031615_final.pdf).
|
||||
|
||||
Intel 随后在 [A Top-Down method for performance analysis and counters architecture](https://www.semanticscholar.org/paper/A-Top-Down-method-for-performance-analysis-and-Yasin/6776ff919597ca4feccd413208dedc401f6e655d#extracted) 中进一步扩展了 CPI stack, 进一步对微架构的事件进行了拆解, 并引入了 TOPDOWN(自顶向下) 的分析方法.
|
||||
|
||||
TOPDOWN 可以看作是 CPI Stack 的分析的扩展实现, 自此替代传统的 CPI stack 分析成为业界目前主流的微架构分析方法.
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
Reference in New Issue
Block a user