Дорога к высоким частотам

На стадиях 7 и 8 происходит переименование регистров (логических регистров типа EAX в физические). Надо сказать, что, по мнению автора, переименование регистров для IA-32 просто необходимо: число регистров в этой архитектуре крайне ограничено, что способно вызывать многочисленные зависимости между микрооперациями, препятствуя одновременному их выполнению. Логические регистры переименовываются в физические, количество которых в Pentium 4 достаточно внушительное: 128. Работа с большим числом физических регистров позволяет во многих случаях «расшить» взаимозависимости.

На стадии 9 происходит помещение микроопераций в очередь, откуда они выбираются, когда освобождается соответствующее место в планировщиках, отвечающих за работу с разными типами функциональных исполнительных устройств. На стадиях 10-12 осуществляется собственно планирование, т.е. запись в планировщики, определение зависимостей между микрооперациями и ожидание разрешения этих зависимостей. На стадиях 13-14 микрооперациии диспетчеризуются (посылаются) в конвейер с плавающей запятой или в один из целочисленных конвейеров.

На стадиях 15-16 происходит чтение из файлов регистров: целочисленных или с плавающей запятой. Стадия 17 – это стадия выполнения. Анализируя здесь базовый конвейер, мы предполагаем, что выполнение занимает 1 такт (хотя операции с плавающей запятой обычно требуют больше тактов, а некоторые простые целочисленные операции, как будет показано далее, могут запускаться каждые полтакта). На стадии 18 осуществляется вычисление значения флагов («равно нулю», «больше нуля» и т.д.), которые используются командами условных переходов. На стадии 19 происходит сравнение реального «результата» команды перехода со сделанным ранее предсказанием.

Наконец, последняя стадия осуществляет запись результата проверки перехода, выполненного на предыдущей стадии, в ВТВ (эта задержка обуславливается временем передачи информации по проводникам).

Как указано в [3], возникающая задержка при неверном предсказании перехода («штраф») по порядку величины равна глубине конвейера, т.е. порядка 20 стадий. Это весьма значительная величина и, для того чтобы минимизировать отрицательные последствия для производительности, разработчики постарались максимально повысить точность предсказания переходов.

Логические блоки NetBurst

Перейдем теперь к рассмотрению блоков Pentium 4, через которые данные протекают по мере своего движения в базовом конвейере. Обратимся для этого к рис. 1, на котором представлены ключевые элементы микроархитектуры NetBurst.

Условно логическую схему NetBurst и соответственно Pentium 4 можно разбить на три крупные части:

• фронтальную, обеспечивающую предварительную выборку (prefetch), выборку и декодирование команд, кэширование микроопераций в ТС и предсказание переходов (эта часть работает последовательно в порядке, указанном в программном коде);
• часть, отвечающую за выполнение (внеочередное и, возможно, спекулятивное) микроопераций;
• завершающую часть, обеспечивающую изымание закончивших выполнение микроопераций из блока ROB (ReOrder Buffer, известный уже по микроархитектуре Р6 [4]) и «сборку» из них результатов в порядке, задаваемом исходными программными кодами в соответствии с правилами архитектуры IA-32 (процедура «retirement»).

Начнем анализ с фронтальной части Pentium 4. Прежде всего следует отметить увеличение эффективной частоты системной шины до 400 МГц против сегодняшних 133 МГц. Это приводит к повышению максимально допустимой пропускной способности оперативной памяти до 3,2 Гбайт/с. Побудительная причина такого ускорения очевидна: в противном случае столь высокочастотный процессор не смог бы вовремя получать необходимые данные. Как известно, Athlon теоретически может поддерживать системную шину с такой же частотой и пропускной способностью [5], однако на практике на сегодня достигается пропускная способность 2,1 Гбайт/с (память DDR SDRAM/ 266 МГц).

От системной шины данные и команды могут попасть в кэш третьего уровня. Он предусмотрен в микроархитектуре NetBurst для серверных вариантов процессора [3], но Pentium 4, по крайней мере, в настоящее время им не комплектуется. Далее данные и команды попадают в интегрированный в Pentium 4 кэш второго уровня емкостью 256 Кбайт, который по своим техническим характеристикам близок к используемому в Pentium III. В обоих процессорах применяется технология Advanced Transfer Cache, они работают на частоте ядра, а ширина шины кэша составляет 32 байт. Оба кэша являются 8-канальными наборно-ассоциативными. Однако в Pentium 4 увеличена длина строки кэша второго уровня – до 128 байт (2 сектора по 64 байт).

Задержка по обращению в кэш второго уровня в Pentium 4 составляет 7 тактов. Пропускная способность кэша второго уровня при частоте 1,5 ГГц составляет соответственно 48 Гбайт/с. Для замещения информации в кэше второго уровня, как и в других типах кэш-памяти Pentium 4, используется алгоритм псевдо-LRU. При непопадании в кэш второго уровня требуется 12 тактов процессора на организацию взаимодействия с системной шиной, и еще не менее 6-12 тактов шины (если она свободна) на доступ в подсистему оперативной памяти.

С моей точки зрения, одним из основных недостатков современных процессоров архитектуры х86 с интегрированным кэшем второго уровня (AMD Athlon/Thunderbird, Intel Pentium III Coppermine/Pentium 4) является его уменьшенная вдвое емкость по сравнению с предшественниками. Этот недостаток компенсируется, в частности, увеличением тактовой частоты кэша до частоты ядра процессора и увеличением ширины шины кэша. Но все-таки для больших серверных приложений деловой направленности, для которых характерно частое обращение в память, обычно применяется кэш большей емкости.

Производительность и перспективы

Из проведенного анализа легко сделать вывод, что Pentium 4 будет достигать наивысшей производительности при работе с длинными векторами, что характерно для многих приложений научного характера. Такие приложения позволят достигнуть хорошей локализации в кэш-памяти и не будут вызывать потери производительности из-за неверного предсказания переходов. Кроме того, очевидно, при переходе на Pentium 4 ускорятся такие приложения, как трехмерная графика, распознавание речи, обработка изображений и другие мультимедийные приложения – при условии, что в них будет применяться SSE2.

Сравнительные оценки производительности Pentium 4 даны в таблицах 3 и 4. Эти данные подтверждают сказанное и также показывают, что современные офисные приложения (см. результаты тестов SYSMark2000) практически не выигрывают от перехода на Pentium 4. Однако результаты тестов SPECint2000 и SPECfp2000 однозначно говорят о том, что достигнутая общая производительность Pentium 4 существенно выше, чем у Pentium III. Для того чтобы увидеть рост производительности на реальных приложениях, необходимо, однако, перетранслировать их с использованием новых компиляторов, которые будут явно использовать особенности Pentium 4 и, в частности, генерировать новые команды SSE2. В более простых случаях достаточно заменить на более эффективные библиотеки программ (например, графические DLL, или, скажем, BLAS) – тогда, когда они будут созданы.

Более того, на этих тестах Pentium4/1,5 ГГц обгоняет все другие процессоры, в том числе, RISC-архитектуры, за исключением Alpha 21264A/833 МГц: последние заметно опережают Pentium 4 на тестах плавающей запятой (658 единиц по SPECfp2000 против 558 у Pentium 4). На целочисленных тестах SPECint2000 Pentium 4 слегка уступает Alpha и HP PA-8600/552 МГц (544/541/536 единиц для Alpha 21264/PA-8600/Pentium 4 соответственно). Такой успех связан и с высокой тактовой частотой (фактически 3 ГГц на коротких целочисленных операциях!), и с применением быстродействующих микросхем памяти Rambus.

Pentium 4 изготавливаются по 0,18-микронной технологии и содержат 42 млн. транзисторов (для сравнения, Athlon при той же технологии имеет 37 млн. транзисторов). Однако площадь Pentium 4 почти вдвое больше, чем у Pentium III и Athlon. Pentium 4 поставляется в защищенном корпусе FC-PGA и устанавливается в разюем Socket423 c 423 контактами.

Необходимо отметить, что применение Pentium 4 требует более дорогой «инфраструктуры». Отличные результаты тестов SPEC2000 во многом связаны, вероятно, и с применением дорогой памяти Rambus. Поддерживающий Pentium 4 набор микросхем i850 довольно дорог, и плюс к этому требуется применение 6-слойных материнских плат. Наконец, повышенное энергопотребление Pentium 4 (52-55 Вт) потребовало перехода на новый тип блока питания. Поэтому при решении вопроса о целесообразности приобретения компьютера на базе Pentium 4 нужно принимать во внимание и соотношение стоимость/производительность.

Выводы

В микроархитектуре NetBurst предложен целый ряд оригинальных технических новинок, позволяющих Pentium 4 достичь и поддерживать рекордный уровень тактовой частоты. В сочетании с высокой пропускной способностью используемой оперативной памяти это позволило Pentium 4/1,5 ГГц стать лидером по целочисленной производительности (SPECint2000), уступая по производительности с плавающей запятой (SPECfp2000) лишь Alpha 21264A/833 МГц.

Однако применение Pentium 4 связано с использованием дорогостоящей «инфраструктуры», в частности, дорогой оперативной памяти.

Применение Pentium 4 наиболее эффективно для приложений, в которых могут использоваться функции SSE2. Для популярных офисных приложений и некоторых программ делового назначения со случайным обращением в память выигрыш в производительности от применения Pentium 4 может оказаться несущественным.

Необходимо иметь в виду, что достижение высокой производительности приложения при работе с Pentium 4 может потребовать применение оптимизированной для этого процессора библиотеки программ или компиляторов, учитывающих его особенности.

Михаил Кузьминский – старший научный сотрудник Центра компьютерного обеспечения химических исследований РАН. С ним можно связаться по телефону (095) 135-6388.

Литература

Вернуться

Вернуться

Вернуться