什麼是更好的分支預測器？雙峯還是Gshare？

Question

只是爲了我自己的個人知識...

Bimodal或Gshare兩個中哪一個比另一個提供更正確的預測？爲什麼？

Answer 1

對於預測變量，不存在「更好」這樣的事情，您可以針對給定的工作負載/應用程序或像基準測試套件這樣的一組變量來問哪一個性能更好（誤預測性更低）。性能還取決於參數（表格大小，歷史長度等）。

這兩者是完全不同的，每個人都可以更好地適應不同的情況。你可以說雙峯可能學習速度更快，衝突更少，但全局變體更加精細，並且有更好的機會捕捉複雜的模式。然而它有更高的碰撞，因爲表格代表了各種部分歷史，並且在某些情況下收斂的可能性較低。

這是更好地展示這個例子強/弱點：

for (i=0; i<N; ++i) { 
    if (A[i] < 50) 
     do_stuff(); 
    if (A[i] > 50) 
     do_other_stuff() 
} 

的分支機構都依賴數據（假設在[1..100]中的數據是隨機分佈均勻），所以雙峯不可能捕捉到它們。然而，一個全局預測器很容易知道第二個分支取決於第一個分支的結果（如果第一個分支取第二個分支不會被取用，如果第一個分支不是第二個分支很有可能被取用） A[i]==50僅有1％的機會） 現在採取相同的代碼，但假設A是排序的，雙峯將很容易贏，幾乎所有的預測都能打上幾乎所有的預測。我們應該怎麼做？當然，建立一個混合模式！當前許多高性能CPU使用多個，儘管在結果之間進行組合/選擇的算法可能不能在線獲得。德標誌含義如大小和功耗 - 這些當然也取決於實施的參數。