Itanium (Merced), IA-64

Hardware | 01.06.00

ÚvodJak jsme již řekli, prvním intelovským 64bitovým procesorem se má stát Itanium, dříve zvané Merced, nahrazujíce "starou" architekturu IA-32, reprezentovanou procesory řady x86. (A...





Úvod
Jak jsme již řekli, prvním intelovským 64bitovým procesorem se má stát Itanium,
dříve zvané Merced, nahrazujíce "starou" architekturu IA-32, reprezentovanou
procesory řady x86. (Ačkoliv se nám název Merced líbí více, v této práci budeme
respektovat rozhodnutí marketingového oddělení firmy Intel, a používat název
Itanium). Přestože IA-64 již existuje v prototypech a intenzivně se chystá
sériová výroba, v materiálech, ze kterých jsme čerpali, jsou mnohé údaje stále
označeny jako pravděpodobné, často proto, že Intel některé detaily prostě
zveřejňovat nehodlá. Upozorňujeme tedy ctěného čtenáře, že konečná verze
procesoru se ještě může v některých detailech lišit od údajů zde uvedených.
Z dostupných informací se ukazuje, k jak zajímavým výsledkům lze dospět
spojením riscového jádra s výhodami CISC procesorů. Design IA-64 (Intel
Architecture) spočívá na Explicit Parallel Instruction Computing (EPIC), takže
můžeme zapomenout na zkušenosti s předchozími známými intelovskými procesory,
včetně zápisu většiny instrukcí assembleru, tak jak jsme se je učili na
procesorech x86. Současný stav odpovídá více RISC procesoru než něčemu jinému,
což se ale netýká množství dostupných instrukcí RISC v případě Intelu znamená
nikoliv Reduced, ale spíše Rich Instruction Set. Je také vhodné uvést, že
přinejmenším první série budou mít zabudovanou speciální IA-32 jednotku pro
převod "starých" instrukcí na tvar proveditelný na nové architektuře, údajně
bude možné i přepínání těchto dvou modů pomocí speciálních instrukcí. Zatím o
ní ale nemáme bližší informace kromě jednoho nákresu, kde místo jednoho
nicneříkajícího "black boxu" s nápisem IA-32 jsou boxy tři, jak můžete vidět na
obrázku dole.
Zdá se ale, že můžeme Intelu věřit v tom, že jednotka IA-32 "hardwarově zajistí
plnou kompatibilitu na úrovni instrukcí s předchozí řadou procesorů". O
rychlosti zpracování v tomto "modu" nemáme žádné zprávy, v dalším textu již
tedy tuto problematiku zmiňovat nebudeme.
Jako hlavní soupeř architektury IA-64 vystupuje velmi kvalitní procesor Alpha
21264.
Itanium
Stručně lze tento procesor popsat asi takto: superskalární výkonná jednotka
může načítat a provádět v jednom cyklu až šest instrukcí rozdělených do dvou
"balíčků" (bundle). Procesor využívá desetiúrovňovou pipeline, spekulativní
provádění a jako novinka v IA-64 je jednotka predikátování a rotace registrů.
Dynamické struktury, jako např. samostatná jednotka načítání instrukcí,
neblokující cache a register scoreboarding umožňují předcházet prodlevám v
pipeline zapříčiněným výpadky L1 cache. Itanium obsahuje čtyři celočíselné
funkční jednotky (ALU), dvě jednotky pro zpracování čísel s plovoucí řádovou
čárkou (FPU) a tři jednotky vyhodnocování skoků. Dvě ALU mohou provádět
Load/Store instrukce. Podporovány jsou nejrůznější funkce s FPU a SIMD
instrukce nad celými čísly, post-inkrement ukazatelů pro LD/ST instrukce a
aktualizace loop counteru ve speciálních instrukcích skoku (viz sekce Rotace
registrů). Také schopnost zpracovávat až tři větvení v jednom cyklu je
mimořádná, většina procesorů může zpracovávat jen jedno; negativem je pak
obsazení registrů sloužících k provádění predikce skoků přesto těchto registrů
zbývá ještě dost i na zpracování při větvení bohatého kódu. Výrobce uvádí, že
Itanium dosahuje ve špičce výkonu asi 6 GFLOPS.
Jádro IA-64 sestává z vysokého počtu registrů a výkonných jednotek, což celkový
velmi působivý dojem ještě prohlubuje. Ačkoliv Itanium využívá některé již
dříve známé metody optimalizace provádění instrukcí, jejich vzájemné propojení
do jednoho procesoru je prozatím jedinečné, a podle všeho slibuje nejen že
Intel dožene konkurenci, ale navíc ji může i snadno překonat, právě díky tomu,
že spojil RISC a CISC technologie a elegantně se tak vyhnul problémům, se
kterými se musí potýkat zastánci "čistých" RISC procesorů při dosahování
vysokých frekvencí zpracování.
Další věcí, jež na první pohled upoutá, je dramatické prohloubení propojení a
spolupráce mezi kompilátorem a procesorem. Např. pro zvýšení výkonnosti
hardwaru oproti RISC a x86 technologii je přenecháno řízení nad predikcí skoku
na kompilátoru, což umožnilo, že procesor zpracovává pouze ty skoky, které
vyžadují dynamickou predikci. Také se využívá vlastnost moderních kompilátorů
tzv. plánování instrukcí (scheduling) tyto údaje jsou odesílány přímo
procesoru, v němž tak odpadla příslušná plánovací logika. Flexibilita je ale
vykoupena značným zesložitěním kompilátoru, dá se však říci, že oprava chyb
kompilátoru je jednodušší než jakékoliv změny v hardwaru. Tato vlastnost jistě
též přispěje v boji s konkurencí, jak ale uvidíme v dalším textu, procesor je v
mnoha velmi zásadních ohledech plně odkázán na správnou práci kompilátoru.
Organizace paměti
IA-64 definuje jeden jednotný, lineární adresový prostor. Jeden znamená, že
instrukce i data sdílejí stejný rozsah paměti. Jednotný znamená, že v paměti se
nenalézají oblasti, které by měly předdefinovanou funkčnost. Konečně lineární
znamená, že adresový prostor neobsahuje segmenty, tj. je spojitý. Z definice
také plynou požadavky na to, aby procesor pracoval s alespoň 54 bity virtuální
adresy a 32 bity reálné adresy.
Itanium implementuje 54bitovou virtuální adresu (51 adresních bitů + 3 bity
indexu regionu) a 44bitovou fyzickou adresu. Registr ID regionu je 18bitový,
což je nejméně, kolik IA-64 povoluje. Architektura též vyžaduje alespoň 16
registrů na ochranné klíče o šířce ID regionu, Itanium má 16 těchto registrů s
šířkou 21 bitů. Podporováno je stránkování paměti s velikostí stránky od
běžných 4 KB až do 256 MB. Přístup k paměti je povolen pouze přes explicitní
použití registrů instrukcemi load a store. Procesor podporuje jak 64-, tak i
32bitové ukazatele, navíc jako novinka se zavedla možnost používat zápis dat
nejen na "intelech" běžného typu little-endian, ale i big-endian. Některé
operační systémy, o jejichž provoz Intel stojí, jej totiž používají (používá se
např. na procesorech Motorola). K instrukcím se přistupuje vždy v režimu
little-endian, pouze jsou-li data referencována jako big-endian, objeví se
takto v registrech.
O paměťovém podsystému procesoru Intel mnoho přesných informací neuvolnil, ale
předpokládá se, že na čipu jsou dvě 16 KB L1 cache odděleně pro instrukce a pro
data s přístupovou dobou asi 1,5 hodinového cyklu, které zásobuje L2 cache. L2
cache je umístěna v pouzdře s procesorem a její velikost je 256 KB, je schopna
dodávat do L1 256 b za jeden cyklus. Jak datová L1, tak L2 cache mohou
obsloužit dva požadavky typu load v jednom cyklu. Load/store instrukce,
pracující s čísly s plovoucí řádovou čárkou, obcházejí data cache a pracují
přímo s L2, jak ukazuje obrázek. Pro snížení latence je použita metoda
čtyřnásobně prokládané paměti.
Jádro je připojeno k až 4 MB velké L3 cache přes 128b sběrnici pracující na
frekvenci procesoru a schopnou přenosu asi 10 GB/s. Propojení s hlavní pamětí
vede přes sběrnici s rychlostí ve špičce až 4,2 GB/s (asi čtyřnásobek
současných 100MHz sběrnic pro Xeon) na základní desce s čipsetem 82460GX
PCIset. Desky AL460GX pro server s tímto čipsetem stojí za pozornost samy o
sobě, a to nejen kvůli bohatému sběrnicovému vybavení (4F16 channel, 8PCI
hot-plug 64b/66 MHz, 2PCI 64b/33 MHz atd.) , možností instalovat 1 až 4
procesory, ale i podporou pro až 64 GB realizovaných pamětí PC-100 SD-RAM
(odpovídající verzi 1.2). Nakonec i deska BS460GX pro workstation s max. 2
procesory a podporou "pouhých" 16 GB RWM by nebyla k zahození. Sběrnic má též
dostatek 4F16, 1AGP Pro 4, "jen" 4PCI/66 a 2PCI/33.
Registry
Itanium je v tomto ohledu samozřejmě navrženo podle filosofie RISC procesorů
"dokud to jde, drž všechno v registrech". Oproti známým x86 procesorům tady
došlo k jistým změnám, což nejlépe ilustruje obrázek.
Celkem je k dispozici:
- 128 celočíselných registrů s šířkou 64 b + 1 b NaT (o NaT viz sekce
Spekulace), r0=0 implicitně; tyto registry jsou všeobecně použitelné (general
registers)
- 128 registrů pro čísla s plovoucí řádovou čárkou s šířkou 82 b, z toho je 17
b exponent a 64 b mantisa, f0=0,0, f1=1,0 implicitně, mantisa může být užita
pro uložení dvou čísel s plovoucí řádovou čárkou pro SIMD instrukce
- 64 jednobitových registrů na predikáty, p0=1
- 8 registrů skoku o šířce 64 b pro uložení adresy, b0 je Return pointer
- 128 aplikačních registrů, tyto registry mají zvláštní určení. Mnohé z nich
mají v assembleru svoje jména, např. 64bitový ar65 se používá jako Loop Counter
(LC) a je označován ar.lc, obdobně Epilogue Counter (EC, ar.ec). Tyto speciální
registry se používají též při softwarovém pipeliningu.
Dále IP, který může být přímo čten instrukcí mov ip, měněn je i nadále pouze
implicitně vykonáváním resp. načítáním instrukcí.
User Mask - množina jednobitových hodnot, sloužících pro zarovnávání v paměti a
pro monitory výkonnosti a použití FP registrů. Nastavený UM.be bit určuje, zda
procesor bude pracovat s daty tvaru big-endian.
Current Frame Marker - popisuje současný stav rámce registrového zásobníku
všeobecných registrů a FR/PR rotaci, obsahuje také tři hodnoty registrů rotační
báze.
Registry CPUID a n registrů pro monitorování výkonnosti.
Registrů informací o procesoru bude alespoň pět:
Horních 75 % registrů může rotovat obecné i floating point registry r32-r127,
f32-f127, predikátové p16-p63, podle vzorce virtuální registr = fyzický registr
registr rotační báze (RRB).
Soubor instrukcí IA-64
Základní instrukční typy
- Instrukce práce s pamětí, přesuny operandů
- Instrukce pro práci s jednoduchými celými čísly, logické, případně SIMD
instrukce
- Instrukce pro práci s celými čísly, multimediální operace (SIMD)
- Instrukce pro práci s čísly v plovoucí řádové čárce (normální i SIMD)
- Instrukce skoku
Tříd instrukcí je mnoho: logické operace (and), aritmetické (add), srovnávací
(cmp), posuvy a rotace (shl), multimediální (padd), větvení (br), větvení
řídící vykonávání cyklu, zpracování čísel v plovoucí řádové čárce (fma), to
samé jako SIMD (fpma), operace přístupu do paměti a management cache.
Instrukce jsou načítány jako "balíček", což představuje 341 bitů v instrukčních
slotech, 5 bitů na šablonu. Jeden z bitů v šabloně představuje "Stop", tj.
značku ukončení bloku.
Šablony
Šablona rozhoduje o namapování instrukcí z instrukčních slotů do prováděcích
jednotek. Povoleno je 122 základní kombinace (z 32 možných) v sudých číslech
není stop bit, v lichých ano.
Balíček je základním kamenem pro instrukční paralelismus, je to základní
jednotka, na kterou se odkazuje Instruction Pointer (IP u Intelu, běžně PC
Program Counter, v ČSN 36 9001 zvaný programový registr), základní jednotka,
kam se provádí větvení programu. Instruction Pointer je dlouhý 64 b a má vždy
hodnotu zarovnanou na délku balíčku, tj. po 16 B a nejnižší 4 b má tedy vždy
nulové. Při vykonávání 32bitových instrukcí je ale v IP nulami rozšířená
32bitová virtuální lineární adresa vykonávané instrukce. Protože 32b instrukce
jsou zarovnávány po slabikách, zmíněné 4 bity v IP musely být zachovány.
Aktuálně prováděný blok kódu může být větší (ve dvou balíčcích paralelně,
případně delší) nebo menší než velikost balíčku. V každém balíčku by měla být
jen jedna operace s čísly s plovoucí řádovou čárkou, důvod a další informace
viz sekci Vykonávání instrukcí.
Zápis instrukcí
Syntaxe:
[(qp)] operátor[.doplňkové určení] r1cíl=r2zdroj[,r3,...,rn[,immediate1,...]]

- povolená pořadí operandů se liší pro jednotlivé instrukce a qp znamená
predikát.
Instrukce jsou z pohledu programátora nadále prováděny sekvenčně, kompilátor
ale rozděluje instrukce do bloků, které nemají žádné konflikty typu write after
write, read after write apod. Jednotlivé bloky jsou odděleny značkami "Stop".
Programátor ve vyšších programovacích jazycích se o ně naštěstí při zápisu
zdrojového kódu nemusí starat vůbec. V kódu napsaném v assembleru je ale možné
konce bloků explicitně vynutit zápisem dvou středníků, což jsme učinili i v
následujícím výpisu. Explicitní zápis konce bloku se doporučuje používat jen
výjimečně, navíc pokud kompilátor objeví datovou závislost, tak stejně klepne
programátora přes prsty a kód nepřeloží.
Zápis mnoha instrukcí je pro pamětníky assembleru pro x86 novinkou. Všechny
instrukce musí mít kompilátorem dodaný kvalifikační predikát. (IA-64 používá
plně predikátový model viz sekce Predikátování.) Komentáře jsou v assembleru
uvozeny dvěma lomítky //. Změn je však ještě daleko více.
Například:
(p0) cmp.gt p2,p1=r1,r6
(p0) sub r4=r1,r6
;;
(p0) add r4=r4,r1
(p1) add r6=r6,r34
(p2) br Trgt1
;;
(p0) add r4=r4,r6
V tomto kódu se nejprve vypočtou hodnoty predikátů p1 a p2. Predikát p2 se
uplatní tak, že podle jeho hodnoty se buď skočí na dané návěští, nebo bude tato
instrukce ignorována a místo skoku bude k registru r6 bude přičtena hodnota z
registru r34. Predikáty p0 nebudeme již v dalších výpisech uvádět, protože
znamenají nepodmíněné provedení příslušné instrukce a kompilátor je doplňuje
při překladu automaticky.
Celý proces zápisu kódu, tak aby byl zpracovatelný na IA-64, je ale ještě
trochu složitější. Aby procesor věděl, jak nakládat s instrukcemi, musí je
nejprve dekódovat, to ovšem nějaký čas trvá. Konstruktéři Itania proto
vymysleli malý, ale velice efektivní trik procesor si nechá kompilátorem
potřebné informace poslat přímo v balíčku s instrukcemi. Následující příklad
obsahuje dva balíčky uzavřené do složených závorek, povšimněte si použití
predikátování.
{ .iim cmp.gt p8,p9=r3,r6
(p8) sub r12=r3,r6 ld r6=[r6]
}
{ .ii_m add r6=r6,r72
(p9) add r12=r12,100 ;; // značka Stop st [r11]=r12
}
Výrazy .iim a .ii_m specifikují šablonu, m označuje instrukci pracující s
pamětí, i je instrukce pracující s ALU apod. Podtržítko symbolizuje bit
oznamující procesoru, že uvnitř balíčku se vyskytuje značka Stop, a za kterou
instrukcí se nachází.
Itanium tedy má díky tomuto opatření přehled o tom, jaké instrukce bude v
nejbližší době provádět, aniž by je bylo nutné předem dekódovat.
Příklady zajímavých instrukcí:
(p20) ld4 r15=[r30],r8 ...natáhni 4 B integer z adresy dané v r30 a proveď na
ni post-inkrement o příslušný krok.
(p4) fma.d.s0 f35=f32,f33,f127 ...W = X*Y+Z, vhodné pro zpracování matic nebo
grafické operace
(fms ...W = X*Y-Z, fnma ...W = -(X*Y)-Z; fpma, fpms, atd. provádějí to samé,
ale jako SIMD)
(p2) add r15=r3,r49,1 ...C = A+B+1
Povoleny jsou, jak bylo i dříve zvykem, tzv. přímé operandy s různými délkami,
je-li ale délka menší než 64 b, pak je provedeno znaménkové rozšíření. Oproti
známé instrukční sadě x86 se objevilo mnoho nových instrukcí.
Z/do paměti lze instrukcí load/store číst 1,2,4,8 B nebo číslo typu single,
double, extended, 8 (to je dlouhý integer, např. v případě násobení, nebo
ukazatel). Po load se vždy provede post-modifikace ukazatele, po store nikdy. K
oběma těmto instrukcím kompilátor přidává dva bity pro statickou predikci
prostorové a časové lokality dané paměťové oblasti.
Standardní instrukce Load
(qp) ld.sz.ldtype.ldhintr1 = [r3], r2
(qp) ld.sz.ldtype.ldhintr1 = [r3], immediate9
(qp) ldf.fsz.fldtype.ldhintr1 = [r3], r2
(qp) ldf.fsz.fldtype.ldhintr1 = [r3], immediate9
Platné délky sz: 1,2,3,8 B
fsz: s (ingle), d (ouble), e (xtended), 8 (integer)
Platné typy: s, a, sa, c.nc, c.clr, c.clr.acq, acq, bias
Standardní instrukce Store
(qp) ld.sz.ldtype.ldhint[r3] = r1
(qp) ld.sz.ldtype.ldhint[r3] = r1, immediate9
(qp) ldf.fsz.fldtype.ldhint[r3] = f1
(qp) ldf.fsz.fldtype.ldhint[r3] = f1, immediate9
Platné délky a typy: jako u Load
Typy větvení (skoky) se také rozrostly. Např. podmíněné větvení a volání
procedury (call) může být IP-relativní, kdy k IP je přičten 21bitový
displacement. Dále skoky nepřímé (přes registr větvení s adresou délky 64b)
nebo založené na predikátování. Dále návraty z podprogramů Return nepřímé s
kvalifikačním predikátem (QP), jednoduché smyčky řízené počítadlem, modulo
scheduled counted loops IP-relativní s Ar.lc a Ar.ec, modulo scheduled while
loops IP-relativní s QP a Ar.ec.
Syntaxe zápisu větvení se tak poněkud rozkošatěla.
(qp) Br.btype.bwh.ph.dhtarget25 / b2
(qp) Br.Call.bwh.ph.dhb1 = target25 / b2
Branch Whether Hint (bwh):
sptk / spnt Static Taken / Not Taken
dptk / dpnt Dynamic
Sequential Prefetch Hint (ph):
few / none několik řádků
many
Branch Cache Deallocation Hint (dh):
none
clr smazat
Př.: Ar.lc se automaticky dekrementuje, není třeba obsazovat obecný registr.
/* r3 = 10*(r9+r11) */ mov ar.lc = 10 // počítadlo cyklu ve zvláštním registru
;;
loop: add r3 = r9, r11
br.cloop.sptk loop// podmínka v "počítané" smyčce
(Pokud je "tělo" smyčky delší, je nanejvýš vhodné upozornit na to příslušnou
logiku: br.cloop.many.sptk loop.)
Procesor oslňuje především prací s plovoucí řádovou čárkou, neboť každá
load/store instrukce může odstartovat pár double-precision load instrukcí (DP)
pomocí instrukce ldfpd, a každá FPU může spustit dvě DP operace s použitím fma
instrukce. Tím pádem může Itanium načíst čtyři DP operandy a zahájit čtyři DP
operace v jednom cyklu (!), a ještě zbývají dva instrukční sloty na operace s
celými čísly nebo větvení. Většina celočíselných instrukcí se provede za jeden
cyklus. Duální FPU jsou zapojeny jako pipeline pro všechny operace, přesto ale
vykonávání zabírá více cyklů, předpokládají se tři cykly pro add nebo mul.
IA-64 plně podporuje formáty čísel s plovoucí řádovou čárkou podle specifikace
IEEE. Intel na tomto procesoru znovu potvrzuje tradičně výbornou výkonnost
svých procesorů ve zpracování plovoucí řádové čárky.
Instrukční pipeline
Pipeline v Itaniu má deset úrovní, jak ukazuje obrázek. Ze svých deseti úrovní,
což je o dvě až tři úrovně kratší než u Pentia III, těží mnohé výhody, přesto
je díky složitostem x86 architektury ještě o dvě až tři sekce delší než
pipeline u Alphy 21264. Použito bylo též oddělení pipeline pro načítání
instrukcí od pipeline na jejich provádění. To umožňuje pokračovat v načítání
instrukcí i v případě, že výkonná jednotka musí čekat. Naopak výkonná jednotka
může pokračovat v provádění instrukcí z fronty, i když větvení způsobilo
"bublinu" v pipeline, v intelovské hantýrce resteer.
Ve frontě lze držet až 8 balíčků, tj. 24 instrukcí, což stačí na překrytí
výpadků ve frontě, ale nestačí v případě špatného odhadu větvení. Začátek
pipeline sestává ze tří částí, podrobnější popis zde uvedeného schématu najdeme
v oddíle Predikce skoků.
Po výpočtu IP a výběru adresy v první fázi procesor ve fázi druhé načte
instrukce z instrukční cache a načtená instrukce se dostane do třetí fáze.
Odtud po strávení nula nebo více cyklů ve frontě jsou platné instrukce zařazeny
do prováděcí pipeline, její začátek je fáze EXP. V ní jsou instrukce nejprve
přiřazeny funkční jednotkám a v páté fázi je provedeno přemapování registrů,
ale přístup k rozsáhlému 128položkovému poli registrů si vyžádá ještě i
následující dva cykly. Nakonec je instrukce provedena s využitím DET fáze pro
načtení operandů z cache nebo na provedení větvení. V poslední WRB fázi je
proveden podmíněný zápis výsledků. Podrobnější popis je opět v sekci Predikce
skoků.
Itanium na rozdíl od mnoha jiných procesorů (zejména riscových) neprovádí
instrukce mimo pořadí, přesto ale různě dlouhé doby provádění matematických,
load apod. instrukcí způsobují jejich dokončení mimo pořadí. Procesor proto
obsahuje register scoreboard, který slouží k určení, zda cílový registr je
používán.
Dokud žádná instrukce nepožaduje výsledek vícecyklové operace, tečou instrukce
v pipeline normálně. Tok se zastaví pouze tehdy, pokud chce instrukce
přistoupit k registru, který je ve scoreboardu označen jako nedostupný.
Paralelismus provádění instrukcí
Již delší dobu výrobci hledají cesty, jak zvýšit výkon mikropocesorů pomocí
paralelního provádění instrukcí. Idea paralelismu na úrovni instrukcí
(instruction-level paralelism, ILP) znamená zapojení více výkonných jednotek,
na nichž lze určitou sadu instrukcí spustit paralelně. Pro názornost uvedeme
obrázek.
Běžné programovací jazyky nepodporují přímo zápis instrukcí pro řízení
paralelního provádění do zdrojového kódu. Teprve kompilátor se pokusí stávající
sekvenční tok programu paralelizovat a vytvořit kód vhodně uzpůsobený pro
paralelní vykonávání. Poslední podmínkou úspěchu pak je spuštění tohoto kódu na
hardwaru, který může výhod paralelismu využít.
Jsou tu však některé problémy:
- instrukce větvení (tj. skoky), které zavádějí závislost na řízení
- latence (zpoždění) paměti, tj. čas potřebný k natažení dat z paměti.
Protože chybí obecně použitelné explicitně paralelní programovací jazyky,
veškerá tíha uplatnění ILP spadá na kompilátor "běžného" programovacího jazyka.
V IA-64 tak kompilátor hraje klíčovou roli při predikátování a spekulativním
řízení při vytvoření kódu s použitím ILP.
Vykonávání instrukcí
Jelikož Itanium neprovádí vykonávání instrukcí mimo pořadí, je každé instrukci
přiřazena výkonná jednotka, jakmile opustí frontu v EXP fází (viz oddíl
Instrukční pipeline). Fronta posílá dva balíčky, tj. šest instrukcí, najednou.
Pole určená pro šablony v každém z nich určují typy každé z instrukcí (integer,
paměť, FP, apod.). Standardní instrukční sada by vyžadovala plně křížové
přiřazování jednotlivých instrukcí do každé z výkonných jednotek, což by se
však negativně projevilo na obsazené ploše čipu a mohlo by to prodloužit délku
cyklu. Oproti tomu IA--64 povoluje pouze omezený počet platných šablon (viz
sekce Soubor instrukcí IA-64). Např. instrukce pro práci s pamětí nemohou být
nikdy ve třetím slotu (Slot 2), zatímco FP instrukce zase nemohou být ve slotu
prvním (Slot 0).
Jak ukazuje obrázek vpravo dole, každá funkční jednotka si musí vybrat
instrukci z ne více než tří možných slotů, což podstatným způsobem zjednodušuje
multiplexory a směrování instrukcí vůbec.
Jak jsme se již zmínili, šablony též indikují konec každé skupiny instrukcí
nastaveným bitem "Stop". Tyto skupiny plně určuje kompilátor obecně jsou to
takové úseky instrukcí, které neobsahují vzájemné datové závislosti. Pokud se v
šabloně vyskytne Stop, procesor jednoduše počká s vykonáváním následujících
instrukcí na další cyklus. Díky této metodě se Intel vyhnul řešení složité
logiky na testování datových závislostí v průběhu provádění instrukcí, na
jejichž odhalování je v tradičních superskalárních procesorech vynakládáno
značné množství logiky. Její složitost ale roste exponenciálně s počtem
najednou zpracovávaných instrukcí. Procesor Itanium se však takto v tomto
ohledu plně vydává do rukou kompilátoru.
Všechny instrukce z obou balíčků mohou být poslány ke zpracování, pokud šablona
neobsahuje Stop, s výjimkou že je tato značka na konci druhého balíčku, a
pochopitelně pokud se nemusí čekat na některý zdroj (registr, paměť apod.).
Tento druhý případ nastává, pokud se např. musí zpracovávat více než dvě
instrukce pro práci s pamětí. Instrukce neodeslaná v prvním taktu se pošle v
taktu následujícím, přestože tato situace nezpůsobí zastavení instrukční
pipeline, dovoluje naplnit frontu načítaných instrukcí.
Jakmile procesor natáhne a dekóduje instrukce, musí vybrat jejich operandy.
Itanium podporuje registrové rámce a rotaci registrů (viz sekce Registry),
proto přemapovává registry pomocí sedmibitových sčítaček v REN fázi. V další
fázi (WLD) jsou přemapované adresy přesunuty do souboru registrů, k nimž je v
další (REG) fázi přistoupeno. I když je hardware na přejmenovávání registrů v
Itaniu relativně jednoduchý, stejně si tento proces vyžádá tři cykly; např. v
Alpha 21264 nebo Pentiu III to jsou jen dva cykly. Něco z tohoto nárůstu
potřebného času lze přičíst na vrub rozsáhlého vícebránového registrového pole,
ale téměř prázdná WLD fáze vypadá podezřele, podobně jako pozdní přidávání do
pipeline, potřebné pro dosažení požadované pracovní frekvence.
Itanium obsahuje register stack engine (RSE) pro automatickou obsluhu situace,
kdy velikost registrového rámce překročí fyzickou velikost registrového pole. V
tomto případě RSE pozastaví vykonávání a provede potřebné uložení/obnovení
pomocí dvou paměťových portů. V budoucích IA-64 procesorech se počítá s tím, že
RSE využije nepoužité paměťové pozice tak, aby provedl všechna potřebná uložení/
obnovení dat ještě předtím, než budou registry potřeba konstruktéři Itania však
zvolili jednodušší variantu. O použití RSE více v oddíle Rotace registrů.
Predikce skoku
Protože špatný odhad skoku znamená ztrátu devíti cyklů, Itanium se, podobně
jako všechny ostatní moderní procesory, musí snažit za každou cenu těmto chybám
vyhnout. Naprosto zásadní vlastností IA-64 je možnost eliminovat mnohá větvení
pomocí jejich předpovídání (predikování), které dovoluje úplně předejít možnému
chybnému odhadu. Itanium ale nezanedbává ani ty varianty větvení, které nejsou
eliminovány. Pro jejich přesnou předpověď jsou užívány i některé dosud
nepoužité metody.
První je instrukce predikce skoku (BRP), kterou kompilátor může použít tak, aby
se procesor přesněji dozvěděl, jaké má předpokládat větvení, a jak přednačíst
příslušné cílové instrukce. BRP dodává adresu nadcházející instrukce, její
predikovanou cílovou adresu a "důležitost" větvení spolu s dalšími pomocnými
údaji pro předpovídání.
BRP je implementována pomocí čtyř registrů (target address registers, TARs),
které uchovávají cílové adresy naposledy použitých BRP instrukcí s nejvyšší
prioritou. Každý TAR také uchovává adresu samotné BRP instrukce. Jakmile se
program counter (IP) setká s jednou z těchto adres větvení, cílová adresa je v
následujícím cyklu zapsána do instrukční cache. Takto tedy až čtyři jednotlivá
větvení mohou dosáhnout svého provedení za nula hodinových cyklů procesoru.
Druhá možnost je přesměrování (resteer) načítaného proudu instrukcí ve FET fázi
(viz sekce Instrukční pipeline a obrázek fronty načítání instrukcí).
Zde je implementován konvenční predikovací mechanismus využívající
- osmipoložkový return stack buffer (RSB), sloužící k predikci návratů z
podprogramu,
- 512položkovou branch history table (BHT),
- 64položkovou branch target address cache (BTAC),
používán je však jedinečným způsobem.
Na rozdíl od dalších RISC i CISC procesorů IA-64 poskytuje staticky
predikovanou "nápovědu" k určení snadno odhadnutelných větvení, která nemají a
dokonce nesmí být ukládána do BHT. Takže ačkoliv BHT v Itaniu je daleko menší
než třeba v Alpha 21264 nebo Athlonu i dalších mikroprocesorech, může dosáhnout
podobné efektivity zaměřením se pouze na ta větvení, která vyžadují dynamické
předpovídání.
BHT má stupeň asociativity čtyři a používá dvouúrovňový PA algoritmus. (Obdoba
postupu známého z nových Pentií.) Každá položka vybraná s použitím adresy
větvení sleduje čtyři naposledy použité případy větvení, do příslušného
posuvného registru je vkládána 1 nebo 0 podle toho, zda se skok provedl nebo
ne. Tato položka indexuje jednu ze 128 tabulek vzorů (jedna na sadu). Šestnáct
položek v každé tabulce vzorů používá standardní dvoubitový vratný čítač na
predikování směru větvení, tj. dva stavy čítače indikují, že se skočit má, dva
že nemá. Stav jednoho z čítačů je modifikován při každé instrukci větvení.
Celková velikost paměti potřebná pro BHT je tedy asi 20 Kb.
Druhá, menší BHT se používá pro větvení na více míst. Tato 64položková
struktura používá stejný algoritmus, ale udržuje si tři history registry na
každou položku, kterou je balíček. Provádí výběr typu "najdi první vybranou" k
poskytnutí první predikované použité adresy, nebo indikuje, že žádná z
predikovaných nebyla vybrána.
Kompilátor umisťuje adresy přímo do BTAC pomocí BRP instrukcí. Větvení, které
je zaznamenáno v BTAC nebo v RSB (návrat), ihned zařadí správnou cílovou adresu
do pipeline, čímž vzniká jednocyklová díra (tzv. bublina) v načítaném proudu.
Pokud je ale načítací fronta naplněná, tj. je napřed před prováděcí, pak
nedojde k žádnému zpoždění (základní výhoda oddělení front). Pokud BHT
predikuje, že dojde k větvení, ale menší BTAC neobsahuje cílovou adresu, pak
tato musí být spočítána později pomocí jednoho nebo dvou adresových kalkulátorů
(BAC).
Jiná možnost vzniku bubliny nastává ve dvou situacích. BAC1 např. může spočítat
cílovou adresu skoku ve třetím slotu každého balíčku. Převážná většina šablon
klade skok právě do třetího slotu, takže BAC1 může spočítat většinu adres
skoku. Pokud ale nebyl směr větvení předpovězen podle BHT, BAC použije
statickou predikci, jež je zakódovaná do každé instrukce větvení. BAC1 též
obsahuje logiku, která sleduje loop counter (LC) registr a může obejít zpoždění
dané nyní již chybnou adresou čtenou z TARů, pokud LC signalizuje konec smyčky.
Tyto situace způsobí dvoucyklovou bublinu. A konečně, BAC2 může spočítat
cílovou adresu skoku v každém slotu, je-li ale tato jednotka v EXP fázi
použita, pak to způsobí třícyklovou bublinu.
Ve většině případů tyto bubliny nezpůsobí zastavení práce výkonné jednotky, ale
je pochopitelně nutné, aby načítací pipeline byla plná, pokud požadujeme pokrýt
i celkem vzácně se vyskytující třícyklovou bublinu.
Jiný případ, než jsou důsledky výše popsaných akcí, je špatný odhad cílové
adresy. V této situaci dojde k zastavení výkonné jednotky, to jest pokud se v
DET fázi (viz sekci Instrukční pipeline), kdy dochází k vyhodnocení podmínek,
vyhodnotí podmínka větvení jinak, než bylo předpokládáno, a musí se počkat
zmíněných devět cyklů procesoru, než se instrukční fronta znovu naplní. To je
ovšem situace, kvůli které se všechna výše uvedená opatření dělají, naštěstí k
ní ale (alespoň podle údajů výrobce) nedochází příliš často.
Predikátování
Všechny IA-64 instrukce jsou vykonávány podmíněně, podle obsahu jednoho z 64
jednobitových predikátových registrů. Jelikož je k dispozici dostatek funkčních
jednotek, Itanium prostě provádí všechny instrukce v EXE fázi, a případně
jejich výsledky zruší v DET fázi, kdy se uplatní hodnota z predikátového
registru.
Zrušení instrukcí dříve by sice vedlo k vyloučení některých konfliktů v
přístupu ke zdrojům, ale znamenalo by to dřívější přístupy k predikátovým
registrům, což by mohlo narušit plynulý pipelining. Místo toho Itanium čte
hodnotu predikátu společně s ostatními operandy a předá je dál příslušným
logickým obvodům. Designéři si dali práci se zabráněním zdržování chodu
pipeline kvůli instrukci, která má být později zrušena. Pipeline se v normálním
případě musí zastavit, pokud instrukce potřebuje data, která ještě nejsou k
dispozici, ale pokud je instrukce predikátována jako neplatná, pak je tomuto
zdržení zcela zabráněno, je-li příslušný predikát včas předpočítán v
registrovém poli. Pokud musí být predikát předán z předchozí EXE fáze, pak je
zdržení jen jeden cyklus, případně dva, závisí-li výsledek predikátu na
porovnání čísel s plovoucí řádovou čárkou (fcmp).
Než budeme pokračovat, zmiňme alespoň krátce takzvanou závislost na řízení
(control dependency); to znamená, že provedení instrukce závisí na vyhodnocení
směru větvení. Druhý typ je datová závislost (data dependency), kdy požadovaná
data mohou být modifikována předchozími instrukcemi. Obecně taková závislost
brání vykonávání instrukcí paralelně.
IA-64 vytváří podmíněná větvení pomocí predikátování základních instrukcí
větvení. Architektura dovoluje kompilátoru spojit větev programu s instrukcí,
která generuje predikát, což je jedna z mála datových závislostí povolených ve
skupině instrukcí. Pro obsloužení tohoto případu Itanium čeká s vyhodnocením
směru větvení až do DET fáze, což je jeden cyklus po vyhodnocení porovnávací
instrukce v EXE fázi. Ve fázi DET procesor analyzuje až tři podmínky větvení a
vybírá správnou cílovou adresu. V poměrně vzácném případě, že se tato adresa
neshoduje s adresou předpovězenou načítací jednotkou, nastává zpoždění devíti
taktů, jak bylo již uvedeno v sekci Predikce skoků.
Př.: Vezměme opět klasický příkaz if-then-else. Na tradiční architektuře
procesor natáhne data z paměti, porovná podmínku, a tím získá výsledek potřebný
pro větvení. Protože se jedná o podmíněný skok, tradiční kompilátor rozdělí kód
do čtyř základních bloků. "Klasický" procesor pak vykonává tyto bloky sekvenčně
a instrukce skoku jsou nepřekonatelnou překážkou pro rozvinutí ILP. Kód pro
IA--64 ale jde na věc úplně jinak. Použije predikátování na nesnadno
odhadnutelný výsledek if podmínky. Instrukce porovnávání generuje dva predikáty
(true / false) podle svého výsledku. Then blok se vykoná, má-li predikát
hodnotu true, else blok v opačném případě. Výsledkem je kód bez instrukce
větvení, takže then i else blok se vykonávají paralelně. Jelikož tyto bloky se
vzájemně vylučují, dvě instrukce ukládání výsledku běží zároveň, navíc ukládají
na stejnou adresu. Ale predikát povolí pouze jedné z nich výsledek skutečně
uložit do paměti. Druhý výsledek je zrušen. Tímto způsobem predikátování
podporuje paralelismus na úrovni instrukcí odstraňováním větvení a časových
ztrát při jejich případných špatných odhadech. IA-64 tak konstrukci
if-then-else provádí jako jeden blok.
Ukažme si tento důležitý trik:
Podmínkový registr lze například naplnit pomocí instrukce cmp:
cmp.gt p8,p9=r3,r6
Tato instrukce zjistí, zda je r3 větší než r6. Pokud tomu tak je, pak p8 se
nastaví na true, p9 na false a naopak. Toho lze výhodně použít např. při
zmíněné kompilaci bloku if-then-else. Možností použití je mnoho, ale tento je
pochopitelně nejnázornější. Následující kód
if (r3>r6) { r2=r3-r6;
}
else { r2=r6-r3;
}
lze přeložit jako: cmp.gt p8,p9=r3,r6
(p8) sub r2=r3,r6
(p9) sub r2=r6,r3
Tím jsme závislost na řízení převedli na závislost datovou.
Je vidět, že se takto mikroprocesor vyhne větvení, které by mohlo způsobit
zpomalení programu. Mezi p8, p9 a provedením instrukce sub je vztah read after
write, ovšem architektura procesoru je navržena tak, aby mohl paralelně
zpracovat porovnání a další instrukce, které jsou tímto porovnáním podmíněny.
Oblíbenou částí nejrůznějších nezáživných pojednání bývají příklady "ze
života", dejme si tedy také jeden takový. Ukážeme si v něm, jak implementovat
příkaz switch z jazyka C pomocí sdružování instrukcí do bloků (skupin) a s
využitím predikátů.
/* C kód */
switch (typ)
{ case \a\: typ=typ+10; break; case \b\: typ=typ+20; break; default: break;
}
bude po převodu do assembleru:
mov1 r1 = typ
ld4 r2 = [r1]
;;
cmp.eq p1,p2=\a\,r2
cmp.eq p3,p4=\b\,r2
;;
(p1) add r2=10,r2
(p3) add r2=20,r2
;;
st4 [r1]=r2
default::
Spekulace
Spekulativní čtení
O spekulativním provádění jsme se zmínili v předchozím odstavci, v této sekci
se podíváme na spekulativní čtení z paměti (ld.s), které se snadno implementuje
na hardwarové úrovni.
Pokud při provádění kódu nastane situace, že instrukcí požadovaný operand (již
připravený v registru) byl změněn, vzniká výjimka. Výjimky nastavují NaT bit a
jsou propagovány skrz následující výpočty. NaT Bit (Not a Thing) je přidán ke
všem všeobecným registrům, pokud je jeho hodnota 1, pak je hodnota uložená v
daném registru neplatná. Floating point registry používají speciální druh
označení NaN, zvanou NaTVal (NaT Value), která se používá stejným způsobem pro
označení neplatnosti výsledků spekulativního provedení ld pro čísla s plovoucí
řádovou čárkou. V příslušných výpočtech procesor nakládá s NaT bitem jako by to
byl 65. datový bit. Testovací instrukce chk.s je jednoduše podmíněný skok podle
hodnoty tohoto bitu. Datová spekulace nijak nebrání průchodu výjimek, například
výpadky stránek jsou obsluhovány okamžitě.
Další příklad ukazuje možnost natáhnout data z paměti před vyhodnocením větvení:
/* C kód */
int add5(int *a)
{ if (a==NULL) return (-1); else return (*a+5);
}
se dá do assembleru převést takto:
add5: ld8.s r1=[r32] cmp.eq p6,p5=r32,r0 ;;
(p6) add r8=-1,r0
(p6) br.ret
(p5) chk.s r1,return_error add r8=5,r1 br.ret ;; ...
return_error: ...// ošetření chyby, může jej generovat jak programátor, tak i
kompilátor
Pro názornost uvádíme dva následující obrázky.
Dopředné čtení
Instrukce dopředného čtení (advanced load, ld.a) vkládá svoji adresu do ALAT
(advanced load address table). V DET fázi dochází k testování následujících
ukládacích adres proti ALAT a položky, které se shodují, jsou odstraněny.
Pozdější ld.c nebo chk.a instrukce také testují ALAT, pokud je položka
nalezena, procesor provede microtrap (mikropřerušení) a provede znovu příslušný
load, což ale způsobí několikacyklové zdržení, protože pipeline je vyprázdněna.
Ve většině případů však testovací instrukce uspěje bez zdržení. Aby se předešlo
přetížení, Itanium může provádět testovací instrukci v tom samém cyklu jako
instrukci, která data používá. Pokud test selže, "používací" instrukce je
zrušena.
ALAT má v tomto případě 32 položek a je indexována sedmibitovým ID registrem.
Ukládá pouze podmnožinu fyzického tagu adresy, což zmenšuje požadavky na
ukládací kapacitu, ale způsobuje to chybné detekce shody. Jejich množství je
však malé a důsledkem je pouze znovuprovedení příslušného čtení z paměti.
Př.: Podívejme se teď, jak na IA-64 funguje dopředné čtení. Instrukce ld.a
umožňuje provést potenciálně datově závislé instrukce load v předstihu.
Použijeme-li tuto instrukci, musíme si výsledek naší spekulace ověřit to se
dělá "ověřovací" instrukcí ld.c, jež musí být umístěna na místě původní
nespekulativní instrukce ld. Pokud se obsah paměti na dané adrese od chvíle
dopředného čtení nezměnil, spekulace uspěla a latence paměti se neuplatní.
Pokud ale ke změně došlo, ld.c provede čtení, jako by to udělala původní
"obyčejná" ld instrukce.
Příklad ukazuje typický stav funkce obdrží dva ukazatele do paměti, ale neví,
zda neukazují na stejné místo. Pokud jsou oba ukazatele různé, st neovlivní
následující ld a naopak, jedná se tedy o příklad datové závislosti.
/* C kód */
int foo(int *addr1, int *addr2)
{ int h; *addr1 = 4; h = *addr2; return(h+1);
}
Tuto funkci lze přeložit dvěma způsoby:
Normální provedení instrukce load
add r3=4,r0 ;;
st4 [r32]=r3
ld4 r2=[r33] ;;// regular load
add r5=r2,r3// použití načtených dat
Dopředné provedení instrukce Load
ld4.a r2=[r33]// advanced load
add r3=4,r0 ;;
st4 [r32]=r3
ld4.c r2=[r33] ;;// zde se pouze načtená data ověří!
add r5=r2,r3// použití načtených dat
Oba typy spekulativního čtení lze kombinovat, jak ukazuje příklad:
/* C kód */
if (foo2() == NO_ERROR)
{ x=*a;
}
y=x+5;
Kombinovaná spekulace vypadá v assembleru takto:
ld.sa r3=[r40]
br.call b0=foo2
mov r5=NO_ERROR ;;
cmp.eq p1,p0=r8,r5
(p1)chk.a r3,CORRECTION_CODE
adds r5=0x5,r3
Procesory RISC i x86 mohou měnit dynamicky pořadí čtení i zápisu do paměti a
hlídat případné konflikty, provádějíce vlastně ekvivalent dopředného čtení.
ALAT ale poskytuje hardwarově daleko jednodušší řešení tohoto problému.
Některá PowerPC či SPARC procesory používají k odstranění latence čtení
hardwarově i softwarově řízené přednačítání místo spekulativního čtení. IA-64
má však díky své metodě výhodu zápisu dat přímo do registrového pole, což
umožnilo zabránit prodlevám mezi čtením a následným použitím dat, navíc se
podařilo lépe se vyhýbat přednačtení nepotřebných dat, která by plýtvala
drahocenným místem v cache. Itanium implementuje tyto důležité vlastnosti s
minimálním množstvím složitého navrhování příslušných hardwarových struktur.
Rotace registrů
Rotace integer registrů slouží k vytvoření "registrového zásobníku".
Na IA-32 se s procedurami pracuje takto:
Procedure A call B
...
Procedure B
// musí se uložit současný stav registrů
...
// před návratem se musí obnovit do registrů původní stavreturn

A na IA-64?
Procedure A call B
...
Procedure B alloc // nemusím se zdržovat ukládáním
...
// ani obnovováním stavu
return
Podívejme se na toto téma podrobněji: efektivní zpracovávání smyček je jedním z
klíčů podmiňujících výkonnost jakékoliv počítačové architektury. Pochopitelně
zpracovávání smyčky jako jednoduchého větvení vede k dost mizerné výkonnosti,
IA-64 proto poskytuje zvláštní podporu vlastnosti rotace registrů.
Větvení obecně zabírá čas, ale pokud kompilátor zná dopředu o jaký typ větvení
se jedná, může se vzniku mnoha typů větvení zabránit jednoduchým opakováním
kódu příslušné smyčky, dvakrát, čtyřikrát i víckrát, což umožní zvýšit
paralelismus kódu. Celá technika se nazývá "rozbalení" smyčky a není to žádná
novinka, podporuje ji většina RISC architektur.
Provádění smyček
Ani toto řešení není tak snadné, jak by se snad zdálo z prvního pohledu.
Problém s jednoduchým rozbalením smyčky spočívá v neúnosném nárůstu délky
programového kódu. V IA--64 se proto objevilo zajímavé řešení, zvané právě
rotace registrů. To umožňuje řazení smyčky do pipeline s optimální efektivitou
a bez nárůstu objemu kódu.
Jak registry, tak predikáty mohou rotovat podle řízení stanoveného
kompilátorem. Celá operace probíhá tak, že v každém kroku rotace je např.
hodnota z r32 postoupí do r33, z r127 do r32 (proto rotace), podobně se mohou
posunout predikáty. Díky tomu lze provést kód ve smyčce a výsledky jsou
automaticky posouvány do následujících registrů. Když smyčka končí, predikáty
se nastaví na nulu podle vyhrazených registrů loop count a epilog count, a
smyčka je ukončena. Procesor samozřejmě nepřesouvá obsahy registrů, ale logická
čísla registrů udávaná ve strojovém kódu jsou přemapovávána na jména fyzická ve
fázi REN prováděcí pipeline.
Práce s registry s využitím RSE
Při provádění procedur dochází k obdobné situaci. Sada registrů je rozdělena na
dvě části, a to na statickou a logickou. Statickou část tvoří registry r0 až
r31, které jsou společné pro všechny procedury. Logickou část tvoří registry
r32 až r127, které jsou mapovány na registry fyzické. Pokud procedura potřebuje
nějaké registry pro uložení lokálních proměnných, musí si je naalokovat pomocí
instrukce alloc. Procedura má rozděleny své registry na tři části, jež budeme
zvát třídy (viz obrázek):
- vstupní registry (v podstatě jsou též lokální)
- lokální registry
- výstupní registry
Jednotlivé třídy registrů jsou řazeny za sebou, počínaje registrem r32. Vstupní
registry procedury jsou současně výstupními registry volající procedury, takto
si procedury předávají parametry. Lokální registry slouží výhradně pro pomocné
výpočty. Soubor lokálních a výstupních registrů se nazývá rám.
Procedura na svém počátku provede alokaci registrů se třemi parametry, a to
počtem vstupních, lokálních a výstupních registrů, přičemž vstupní registry se
překrývají s výstupními registry volající procedury. Samozřejmě, že při postupu
volání do hloubky může být prostor fyzických registrů brzy vyčerpán, z toho
důvodu mohou být celé rámy odkládány do paměti.
Obdobně jako se u x86 na zásobník ukládají jednotlivé registry, tak u IA-64 se
ukládají na zásobník celé rámce. Velký rozdíl je také v tom, že ukládání na
zásobník na x86 je explicitně řízeno prováděným kódem, na IA-64 nikoliv. Vrchol
zásobníku určuje registr BSP (base stack pointer). Ukládání rámce může trvat
relativně dlouho, proto je prováděno asynchronně a nemůže se o něj v žádném
případě starat software, nýbrž přímo jednotka RSE (Register stack engine, je
popsána v odstavci Vykonávání instrukcí). Provedení instrukce alloc tedy
nezaručuje, že jsou naalokované registry platné. Proto musí aplikace vždy
zkontrolovat, zda jsou registry připraveny. K tomuto účelu slouží instrukce
flushrs. Tato instrukce zastaví provádění programu do té doby, než je na
zásobníku uloženo tolik rámců z fyzických registrů, kolik jich je třeba na
splnění daného alokačního požadavku. Může ale nastat i opačný případ, kdy při
návratu z procedury logické registry volající procedury ještě nejsou uloženy ve
fyzických registrech. Proto byl vytvořen podobný mechanismus, kdy pro návrat do
volané procedury program provede instrukci br.ret. Tato instrukce zastaví
provádění programu do doby, než budou příslušné registry volající procedury
nataženy zpět ze zásobníku.
Spolehlivost a další parametry
Při realizaci Itania byl kladen důraz na spolehlivost, neboť Intel plánuje
nasazení tohoto procesoru i do "mission critical" prostředí, což jsou typicky
vesmírné sondy, jaderné elektrárny, případně systémy zajišťující chod burzy
apod. Z důvodu zachování maximální rychlosti je L1 cache jištěna paritou,
stejně jako Tag L2 cache. Paritou je jištěna i příkazová / adresní část jak
frontside, tak backside sběrnice. L2 Data cache a datové části obou sběrnic
jsou jištěny kódem ECC. Pro L2 Data cache byl zvolen kód single error
correcting, double error detecting. Pro sběrnici do hlavní paměti pak kód na
detekci čtveřice sousedních chybných bitů, což je vhodné při čtení z jednoho 4
DRAM čipu. Díky použití různých metod Itanium snese relativně mnoho
hardwarových chyb, což je zásadní zejména pro výše zmíněnou sféru výkonných
serverů, pro něž je primárně určeno. Chyby opravené ECC způsobí pouze několik
taktů prodlevy a jsou pro software transparentní, procesor může generovat také
přerušení s malou prioritou pro zaznamenání chyby.
I když bude Itanium vyráběno 0,18mm technologií, stejně plocha jeho čipu
dosáhne asi 300 mm2 a dodáván bude v po tepelné stránce vylepšeném plastickém
pouzdře s asi 700 vývody, což si vynutila široká sběrnice do hlavní paměti.
Procesor pracuje při napětí 3,3 V. Počítá se s tím, že tepelný výkon na 800 MHz
bude minimálně 60 W. Ostatně prohlédnete-li si kteroukoliv prezentaci
praktického nasazení tohoto procesoru, téměř vždy najdete rozsáhlé pojednání o
realizaci tepelných zón ve skříni počítače i odvod tepla z bloku procesoru.
Přímo na čipu má Itanium umístěny tepelné senzory. Je to pochopitelné, problém
s chlazením poroste úměrně tomu, jak jej bude výrobce nutit k vysokým pracovním
frekvencím. Co se týče samotných testovacích konfigurací, Intel a jeho OEM
partneři zkoušejí systémy vybavené dvěma až 64 procesory.
Závěr
Procesor Itanium zásadním způsobem mění poměr mezi procesorem a kompilátorem.
Řeší tak zásadní problém, před který se konstruktéři moderních procesorů
dostali narůstání komplexnosti architektury v důsledku nikoliv snahy o zlepšení
techniky samotných výpočtů, jako spíše pro analýzu toku instrukcí, bookkeeping
pro překlad z původního sledu instrukcí na nový a zpět, a podobně.
Itanium ukazuje, že to lze řešit i jinak, ale ani v něm se konstruktéři
nevyhýbají tomu vložit do hardwaru dynamické sekce, pokud jsou nutné, např.
predikce skoků, předcházení prodlevám při čtení operandů atd. Implementace EPIC
filosofie, predikátování a spekulativní řízení jsou velkým přínosem pro
uplatnění ILP a redukci počtu cyklů při provádění kódu zpracovávajícího celá
čísla.
Ze softwarové stránky je vidět usilovná snaha výrobce zajistit si maximální
podporu nejen ze sféry komerčních výrobců důkazem toho je, že v současné době
(duben 2000) jsou na Itaniu úspěšně otestovány čtyři operační systémy (včetně
Windows a Linuxu) a některé podnikově důležité aplikace databáze, grafika.
Většina z dále uvedených operačních systémů určených pro IA-64 má plánované
první "ostré" verze až někdy v druhé polovině tohoto roku, alfa-, případně
beta-verze však mají v současné době snad již všichni. Na první pohled vidíme
zástupce všech důležitých výrobců OS: jsou to Windows 64, HP-UX, Linux
Trillian, Monterey (IBM, SCO), Modesto (Novell) a Solaris (SUN).
Ačkoliv Itanium bude mít na trhu zdatné konkurenty, jako jsou Alpha 21264,
UltraSPARC-3 nebo Athlon, pokud Intelu vyjde předpoklad se sázkou na převedení
některých náročných úloh na kompilátory a nasazení vysokého počtu funkčních
jednotek, pak budeme svědky nové etapy směru vývoje moderních procesorů.
Doporučená literatura
Na tomto malém prostoru nelze ani v nejmenším vytvořit komplexní pohled na
Itanium a IA--64. Např. jen pojednání, jak psát optimalizovaný kód pro IA-64
nebo popis programovacího modelu pro výpočty v plovoucí řádové čárce, by si
vyžádalo větší rozsah tohoto článku. Domníváme se však, že skutečný zájemce
sáhne po dalších zdrojích, z nichž jsme ostatně čerpali i my.
IA-64 Detailed Tutorial, CERN 1999
IA-64 Architecture Software Developer\s Manual, Vol. 1-4, Intel, leden 2000
IA-64 Assembly Language Reference Guide, Intel, leden 2000
http://developer.intel.com/vtune/cbts/ia64
http://developer.intel.com/design/IA-64/index.htm
http://www.x86.org
Monterey: www.projectmonterey.com
HP/UX: www.software.hp.com/products/
IA64/index.html
Modesto: www.novell.com/whitepapers/iw/
modesto.html
Linux: www.linuxia64.org
IEEE Computer, červenec 1998
Microprocessor Report 12,13/99












Komentáře

K tomuto článku není připojena žádná diskuze, nebo byla zakázána.