3.3 利用先进的分支预测降低分支开销

3.3 利用先进的分支预测降低分支开销

前置知识：分支预测缓冲Brach-Prediction Buffer（BPB，最简单的动态分支预测）

1bit准确率不够，4K-entry 2-bits BPB准确率能够达到80%以上，且与无限entry的准确率相当。

BPB的典型实现为cache，在IF阶段PC更新后就计算目标地址，如果taken直接跳转，否则顺序执行。这也叫局部分支预测器（Local Branch Predictor），因为每条分支指令只能看到自己的历史情况。

关联分支预测器Correlating Branch Predictor

简单的BPB方案仅使用单个分支的最近行为来预测该分支的未来行为，不能联系其他分支的行为来共同预测（特别是当分支之间还有相互关联的时候，见例子“SPEC benchmark” (Hennessy 和 Patterson, p. 162)）。如果我们也观察其他分支的近期行为，这可能会提高预测的准确性。因此提出了关联分支预测器（两级预测器），即使用其他分支的行为进行预测的分支预测器。

(m,n)预测器使用最后m个分支的行为从2^m个分支预测器中进行选择（所以也叫全局预测器），每个分支预测器是单个分支的n位预测器。相关分支预测器的优势在于，它只需要增加少量硬件就能够可以产生比2bit BPB方案更高的预测率。

硬件开销低的分析：最近m个分支的全局历史记录在一个m位移位寄存器中，其中每bit记录该分支是否taken。然后可以使用分支指令PC低位截取与m位全局历史记录的来索引BPB。以（2,2）的预测器为例，分支指令PC截取k bits+2 bits的选择位，共同组成k+2 bits进行索引，如下图所示。

Tournament Predictors: 局部预测器与全局预测器的结合

仅使用本地信息的标准2位预测器会在一些重要分支上失败，而添加全局信息，性能可以得到改善。Tournament预测器通过使用多个预测器(通常一个基于全局，另一个基于本地)并将它们与选择器结合起来，将性能提升到了一个新的水平，可以在中等大小(8K-32Kb)下实现更好的准确性。

典型的例子是FP测试集和Int测试集对于分支的情况是不一样的，Int有40%的情况选择全局，FP有15%的情况选择全局。

全局预测与局部预测独立进行，由选择器选择其中一个方法的预测结果作为最终预测结果，对于选择器中的一个状态，如果全局预测和局部预测结果一致，状态不变；否则：对于该状态，如果局部预测正确就+1，全局预测正确就-1；

• 优点：综合全局和局部历史信息，精度较高；

• 缺点：Tournament预测器的空间占用是比较大的，因为不仅有两个预测器，还有一个选择器；