吐血推荐阅读文章 NetBurst: A Processor with Replay System

HeavenPR

xbitlabs 经过数月的研究写成的报告

Prescott: The Last of the Mohicans? (Pentium 4: from Willamette to Prescott)

里面介绍了 P4 NetBurst 鲜为人知的架构秘密: Replay Queue

前两天用了 5 个小时慢慢的看了上下两篇文章，看完以后让人心里发毛....

P4 L1 miss 以后竟然会执行出错误计算结果，然后指令进入 Replay Queue 被重新执行一遍

这就是 P4 架构效率低下的主要原因


简介(我对文章分析的理解)：

P4 NetBurst 因为为了提高频率，采用了超长流水线，从而导致了 Decoder 和实际的 Execution Unit 相隔了很多个时钟周期

这个时候如果执行两条 Dependent Instructions 的话，就会出现麻烦：例如

mov eax, [ecx]
add ebx, eax

这个时候 [ecx] 所指向的数据不知道在 L1/L2 还是 RAM，甚至 Page File 中。如果等第一条指令的结果出来以后

Decoder 再发送第二条指令到流水线，那么第二条指令就要用十几个时钟周期才能传输到 Execution Unit，这将造成严重的流水线

气泡，使效率降低一大截，是不可取得方案。而 Intel Netburst 设计团队想出了让人觉得不可思议的处理方法：

注意仔细阅读...........

首先记住 P4 Northwood 的 L1 Cache 延迟为 2 Clks，L2 延迟为 7 Clks

当遇到上述的 Dependent Instruction Chain 的时候，Netburst 会在发送 mov 指令的两个周期之后发送 add 指令，假设数据在 L1 中。

如果数据确实在 L1 中，那么两个 Clk 之后，数据就会到达 register，这个时候两条指令以 100% 效率运行，很不错的设计 呵呵

但是：当数据不在 L1 的时候，也就是 mov 产生了 L1-Miss，这个时候 add 已经离两个 clk 就要到达 Execution Unit

但是 L2 Cache 里去取数据的话需要 7 Clk。由于流水线里的指令不能后退，而把整个流水线停止来等待数据也是很不可取得方法

这个时候，add 指令就会被 错误的执行。而相关的电路监测到了这个情况，就会在指令结果被写回的时候

把指令废除，而进入一个称为 Replay Queue 的执行单元，顾名思义，Replay = 重放，也就 add 指令要在

7 clk 之后被再次送回流水线执行。因为 L2 延迟为 7 Clk，所以如果数据在 L2 中，7 clk 之后正好到达 L1/Register，从而得出正确的结果。


但是，事实远比这个复杂。如果数据不在 L2 中，会发生生么？？？

add 指令 7 clk 后仍然被 错误执行，所以还会被 第二次送入 Replay Queue重新执行第三次

这种状况将一直持续下去，直到数据到达 Register。结果是，如果 [ecx] 的数据在 RAM 中，这条指令将被重复执行数十次，直到得出正确的结果


这不是天方夜谭，大家可以细细的看完整的文章来研究

相关链接：
http://www.xbitlabs.com/articles/cpu/display/netburst-1.html
http://www.xbitlabs.com/articles/cpu/display/netburst-2.html


注意，次贴仅供 Netburst 超长流水线的学术研究，禁止进来起哄的。谢谢合作！

HeavenPR

Celeron 之所以速度慢，是因为 L2 不仅容量小，而且 Associativity 减小到了 1/4

Associativity 是 Cache 很重要的指标，减小了 1/4，效率会严重降低

HeavenPR

发热高是必然的，因为用到了大量的 LVS 电路 (Low Voltage Swing) 有兴趣的自己查一下资料吧

HeavenPR

Northwood Celeron 是 128KB, 2-way 的

相对于 Northwood P4, 512KB, 8-way

HeavenPR

短信看到了，那个 div 时钟周期我是现编的，嘿嘿

还有 Prescott 的 Rapid Exec Engine 用了发热量超高的 LVS 低压浮动电路，所以导致功耗狂增

本来准备借 LVS 再次提高频率，可是却被功耗给卡主了

HeavenPR

Northwood 2G 肯定比 P3 1.4 好，P3 的内存带宽拖后腿拖的太厉害了