什么是更好的分支预测器？双峰还是Gshare？

Question

仅供我个人了解...

Bimodal 或 Gshare 两者中哪一个提供的预测比另一个更正确？为什么？

Answer 1

对于预测器，没有“更好”之类的东西，您可以询问对于给定的工作负载/应用程序，或者一组类似基准套件的预测器，哪个性能更好（错误预测更少）。性能还取决于参数（表大小、历史长度等）。

两者完全不同，每个都可以更好地用于不同的场景。你可以说双峰可能学得更快，碰撞更少，但全局变体更精细，更有机会捕捉复杂的模式。但是，由于表代表各种部分历史，因此它具有更高的冲突，并且在某些情况下收敛的机会更低。

最好用这个例子来展示强/弱点：

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

分支依赖于数据（假设数据随机均匀分布在 [1..100] 中），因此双峰不太可能捕获它们。然而，一个全局预测器很容易知道第二个分支取决于第一个分支的结果（如果第一个被采用，第二个永远不会被采用，如果第一个没有被采用，第二个很可能被采用（ A[i]==50 的情况只有 1% 的机会）。 现在采用相同的代码，但假设 A 已排序，双峰将轻松获胜，除了少数转换外，几乎所有预测都正确。

如果没有更好的预测器，我们应该怎么做？好吧，当然要建立一个混合动力车！如今，许多高性能 CPU 都采用多个 CPU，尽管在结果之间组合/选择的算法可能无法在线获得。

这种解释也忽略了尺寸和功耗等设计含义——这些当然也取决于实现的参数。