龙芯吧 关注：25,698贴子：662,887
取指
龙芯GS464V/LA464（后简称GS464V）为32B，即每周期8个指令。
牙膏厂直到Ice Lake依旧停留在16B，但因为X86指令长度不固定，每周期最多可以取5个指令（指令融合时为6个），只不过这些指令总长度不能超过16B，跨越16B边界或超过5个（6个）的指令不会在当前周期内读取，所以另一个的极端情况下，也有可能每周期只读取了1个指令，也就是说每周期在1-5（6）个指令之间。
农企早在K10上就实现了32B，直到ZEN3依旧如此，但也同样受X86指令长度不固定的影响，32B的取指带宽其实是2个16B的取指窗口合并而来，每个取指窗口每周期最多取2个指令，跨越16B边界或超过2个的指令不会在当前周期内读取，所以类似牙膏厂的情况，每周期在2-4个指令之间。
总体上看，因为MIPS/LA的RISC指令等长的特性，在取指上，龙芯对比两家具有先天的优势，在满足性能的前提下，这一块后续应该不会再有大的改进。
龙芯GS464V/LA464（后简称GS464V）为32B，即每周期8个指令。
牙膏厂直到Ice Lake依旧停留在16B，但因为X86指令长度不固定，每周期最多可以取5个指令（指令融合时为6个），只不过这些指令总长度不能超过16B，跨越16B边界或超过5个（6个）的指令不会在当前周期内读取，所以另一个的极端情况下，也有可能每周期只读取了1个指令，也就是说每周期在1-5（6）个指令之间。
农企早在K10上就实现了32B，直到ZEN3依旧如此，但也同样受X86指令长度不固定的影响，32B的取指带宽其实是2个16B的取指窗口合并而来，每个取指窗口每周期最多取2个指令，跨越16B边界或超过2个的指令不会在当前周期内读取，所以类似牙膏厂的情况，每周期在2-4个指令之间。
总体上看，因为MIPS/LA的RISC指令等长的特性，在取指上，龙芯对比两家具有先天的优势，在满足性能的前提下，这一块后续应该不会再有大的改进。
i
指令队列
GS464V尚未公布，这里参考GS464E的设计。GS464E具有一个64项的指令队列，该指令队列除了解耦取指与解码的作用之外，还承担了循环缓冲的功能，所以后续讲到循环缓冲时会再次提到。
牙膏厂早期的指令队列恕我查不到了，我能查到在Nehalem上已经有40项的设计，因为Nehalem支持SMT，这40项指令队列被分成2组，分别由2个线程独占。这个设计一直延续搞Skylake，才扩展到了2组共50项，直到Ice Lake依旧如此。
农企最早在Bulldozer上实现指令队列，为16项，由2个线程所共享，但具体的某一项由某个线程所独占。每项最多2个指令，和前面的取指窗口相对应，相当于16-32个指令。这个设计在ZEN上被扩展到20项，然后在ZEN3上又进一步被扩展到24项。
对比之下，GS464E依旧具有优势，当未来如果LA664要上SMT，可能还会进一步改进。可能的改进有2种路线，一种类似牙膏厂，2组指令队列给2个线程独占，另一种类似农企，更大的指令队列给2个线程共享，考虑到GS464E的指令队列还承担循环缓冲的功能，如果LA664继续沿用这个设计，大概率需要2组指令队列给2个线程独占。
GS464V尚未公布，这里参考GS464E的设计。GS464E具有一个64项的指令队列，该指令队列除了解耦取指与解码的作用之外，还承担了循环缓冲的功能，所以后续讲到循环缓冲时会再次提到。
牙膏厂早期的指令队列恕我查不到了，我能查到在Nehalem上已经有40项的设计，因为Nehalem支持SMT，这40项指令队列被分成2组，分别由2个线程独占。这个设计一直延续搞Skylake，才扩展到了2组共50项，直到Ice Lake依旧如此。
农企最早在Bulldozer上实现指令队列，为16项，由2个线程所共享，但具体的某一项由某个线程所独占。每项最多2个指令，和前面的取指窗口相对应，相当于16-32个指令。这个设计在ZEN上被扩展到20项，然后在ZEN3上又进一步被扩展到24项。
对比之下，GS464E依旧具有优势，当未来如果LA664要上SMT，可能还会进一步改进。可能的改进有2种路线，一种类似牙膏厂，2组指令队列给2个线程独占，另一种类似农企，更大的指令队列给2个线程共享，考虑到GS464E的指令队列还承担循环缓冲的功能，如果LA664继续沿用这个设计，大概率需要2组指令队列给2个线程独占。
循环缓冲
GS464V尚未公布，这里参考GS464E的设计。如前面所提到，GS464E的指令队列还承担循环缓冲的功能，当循环体小于56个指令时，可以停止取指，将循环体保存在指令队列中，供解码器反复调取，直到循环结束。
牙膏厂最早可能是在Core2上已经实现循环缓冲，但因为过于久远没有详细的资料，目前已知Nehalem的循环缓冲为28项，位置在解码器和保留站之间，其内部存储的是解码后的uop，由2个线程竞争性共享，当某个线程使用时，另一个线程无法使用。到Sandy Bridge时，虽然实装了uop cache，但依旧保留了循环缓冲，并扩展为2组共56项，每组28项，2个线程独占其中1组。然后在Haswell上又合并为1组共56项，由2个线程竞争性共享。之后在Skylake上又拆成2组共128项，每组64项。最后Ice Lake扩展到2组共140项，每组70项。
农企最早可能在Piledriver上已经实现了循环缓冲，位置再解码器和调度器之间，其内部存储的是解码后的mop，大小为32项，但不知道是不是分成2组由每个线程独占1组。在Steamroller上明确为2组共80项，每组40项，每个线程独占1组。ZEN及之后，农企取消了专门的循环缓冲，改由mop cache实现类似的功能。
仅看循环缓冲，GS464E的等效56项，差不多和Haswell、Steamroller在同一个水平上。后续LA664如果沿用此设计并进一步拓展，可能可以达到Skylake甚至Ice Lake的水平。因为龙芯近未来上op cache的可能性较低，所以无法和ZEN系列比较。
GS464V尚未公布，这里参考GS464E的设计。如前面所提到，GS464E的指令队列还承担循环缓冲的功能，当循环体小于56个指令时，可以停止取指，将循环体保存在指令队列中，供解码器反复调取，直到循环结束。
牙膏厂最早可能是在Core2上已经实现循环缓冲，但因为过于久远没有详细的资料，目前已知Nehalem的循环缓冲为28项，位置在解码器和保留站之间，其内部存储的是解码后的uop，由2个线程竞争性共享，当某个线程使用时，另一个线程无法使用。到Sandy Bridge时，虽然实装了uop cache，但依旧保留了循环缓冲，并扩展为2组共56项，每组28项，2个线程独占其中1组。然后在Haswell上又合并为1组共56项，由2个线程竞争性共享。之后在Skylake上又拆成2组共128项，每组64项。最后Ice Lake扩展到2组共140项，每组70项。
农企最早可能在Piledriver上已经实现了循环缓冲，位置再解码器和调度器之间，其内部存储的是解码后的mop，大小为32项，但不知道是不是分成2组由每个线程独占1组。在Steamroller上明确为2组共80项，每组40项，每个线程独占1组。ZEN及之后，农企取消了专门的循环缓冲，改由mop cache实现类似的功能。
仅看循环缓冲，GS464E的等效56项，差不多和Haswell、Steamroller在同一个水平上。后续LA664如果沿用此设计并进一步拓展，可能可以达到Skylake甚至Ice Lake的水平。因为龙芯近未来上op cache的可能性较低，所以无法和ZEN系列比较。
解码带宽
GS464V有4组对称的解码器，因为RISC的特性，应该所有指令均能1对1的解码成op，所以解码的输入带宽为4指令，输出带宽为4op。
牙膏厂最早在Core2上实现4解码器，但是由3个简单解码器和1个复杂解码器所组成。简单解码器只能解码那些和uop一对一对应的指令，复杂解码器可以解码和uop一对多对应的指令，复杂解码器最多将1条指令解码成4条uop，多于4条uop的指令通过微码模块解码为uop数量不定的微程序，微程序输出带宽为每周期4uop，当复杂解码器或微码模块运行时，简单解码器无法运行。也就是说解码输出带宽为4uop，解码输入带宽受指令类型的影响在1-4之间，当使用微码模块时甚至少于1。在SMT模式下，各种解码器由2个线程竞争性共享，但当某个线程使用微码模块或复杂解码器时，另一个线程无法输入任何指令。这个设计一直沿用到了Skylake之前，Skylake增加了1个简单解码器，并将解码输出带宽提升到了5uop，微码模块的输出带宽依旧为4uop，也就是说，当使用微码模块或复杂解码器时，依旧可以保持另外1个指令由简单解码器解码。
农企最早在K5上实现4解码，当然这太久远了，已经无法参考了。之后再次实现4个解码器已经是Bulldozer了，4个解码器对称设计，均能解码1对1或1对2的指令，但同一个周期内只能有1个解码器解码1对2的指令。和牙膏厂类似，大于1对2的指令由微码模块解码成微程序，解码输出带宽为4uop，当微码模块运行时，其他解码器无法运行。所以解码输入带宽也受指令类型影响，在1-4之间，并且当使用微码模块时甚至少于1。解码器以FMT的方式每周期交替为2个线程的指令解码，但当某个线程的指令使用微码模块解码时，会暂停切换线程，直到该指令完成解码。在Piledriver上放宽了1对2的解码限制，可以同时解码2个1对2的指令。在Steamroller上拆分成了2组4个解码器的设计，但因为取指带宽的限制，实际解码带宽并没有明显的提升，好处仅仅是当某个线程使用微码模块时，不会影响另一个线程的解码。然后到ZEN上，又变为一开始的1组4个解码器，但采用了类似牙膏厂的竞争性共享模式。
在解码带宽上，表面上看，因为GS464V采用RISC，具有明显的优势，但牙膏厂和农企在分别进入Sandy Bridge和ZEN时代后，其后端执行的op主要来源已经逐渐变为op cache，所以GS464V在解码带宽上，大致和Sandy Bridge这类早期实装op cache的微架构类似，而LA664应该能够达到Skylake和ZEN的水平。
GS464V有4组对称的解码器，因为RISC的特性，应该所有指令均能1对1的解码成op，所以解码的输入带宽为4指令，输出带宽为4op。
牙膏厂最早在Core2上实现4解码器，但是由3个简单解码器和1个复杂解码器所组成。简单解码器只能解码那些和uop一对一对应的指令，复杂解码器可以解码和uop一对多对应的指令，复杂解码器最多将1条指令解码成4条uop，多于4条uop的指令通过微码模块解码为uop数量不定的微程序，微程序输出带宽为每周期4uop，当复杂解码器或微码模块运行时，简单解码器无法运行。也就是说解码输出带宽为4uop，解码输入带宽受指令类型的影响在1-4之间，当使用微码模块时甚至少于1。在SMT模式下，各种解码器由2个线程竞争性共享，但当某个线程使用微码模块或复杂解码器时，另一个线程无法输入任何指令。这个设计一直沿用到了Skylake之前，Skylake增加了1个简单解码器，并将解码输出带宽提升到了5uop，微码模块的输出带宽依旧为4uop，也就是说，当使用微码模块或复杂解码器时，依旧可以保持另外1个指令由简单解码器解码。
农企最早在K5上实现4解码，当然这太久远了，已经无法参考了。之后再次实现4个解码器已经是Bulldozer了，4个解码器对称设计，均能解码1对1或1对2的指令，但同一个周期内只能有1个解码器解码1对2的指令。和牙膏厂类似，大于1对2的指令由微码模块解码成微程序，解码输出带宽为4uop，当微码模块运行时，其他解码器无法运行。所以解码输入带宽也受指令类型影响，在1-4之间，并且当使用微码模块时甚至少于1。解码器以FMT的方式每周期交替为2个线程的指令解码，但当某个线程的指令使用微码模块解码时，会暂停切换线程，直到该指令完成解码。在Piledriver上放宽了1对2的解码限制，可以同时解码2个1对2的指令。在Steamroller上拆分成了2组4个解码器的设计，但因为取指带宽的限制，实际解码带宽并没有明显的提升，好处仅仅是当某个线程使用微码模块时，不会影响另一个线程的解码。然后到ZEN上，又变为一开始的1组4个解码器，但采用了类似牙膏厂的竞争性共享模式。
在解码带宽上，表面上看，因为GS464V采用RISC，具有明显的优势，但牙膏厂和农企在分别进入Sandy Bridge和ZEN时代后，其后端执行的op主要来源已经逐渐变为op cache，所以GS464V在解码带宽上，大致和Sandy Bridge这类早期实装op cache的微架构类似，而LA664应该能够达到Skylake和ZEN的水平。
？优势在我？ 发射队列
GS464V采用分体式发射队列的设计，定点、访存、浮点发射队列各为32项，合计96项。
牙膏厂一直采用整体式保留站的设计，Skylake为97项，但因为是整体式的设计，其效率会高于分体式的设计，之前的Haswell为60项，Sandy Bridge为54项。
农企也采用分体式调度器，K10为每条整数管线1个8项，3个整数共24项，然后1个42项浮点，合计66项。到Bulldozer时，整数访存合并成1个40项，每个执行核1个，浮点64项，2个线程共享，合计每个模块144项。到ZEN时，整数又拆成每条整数管线1个14项，4个整数56项，2个访存28项，浮点分成2级，1级是60项顺序队列，2级是36项乱序队列，合计180项
如果按分体式的效率为整体式的60%计，ZEN的顺序队列打对折计入，Bulldozer共享的浮点调度器按70%计入单边的执行核。则GS464V等效58项，K10等效40项，Bulldozer单执行核等效51项，ZEN等效90项。如此比较，则GS464V略强于Bulldozer和Sandy Bridge，略弱于Haswell，和Skylake和ZEN具有明显的差距。LA664如果继续采用分体式发射队列的设计，需要达到合计160项左右才能达到Skylake和ZEN的水平。
GS464V采用分体式发射队列的设计，定点、访存、浮点发射队列各为32项，合计96项。
牙膏厂一直采用整体式保留站的设计，Skylake为97项，但因为是整体式的设计，其效率会高于分体式的设计，之前的Haswell为60项，Sandy Bridge为54项。
农企也采用分体式调度器，K10为每条整数管线1个8项，3个整数共24项，然后1个42项浮点，合计66项。到Bulldozer时，整数访存合并成1个40项，每个执行核1个，浮点64项，2个线程共享，合计每个模块144项。到ZEN时，整数又拆成每条整数管线1个14项，4个整数56项，2个访存28项，浮点分成2级，1级是60项顺序队列，2级是36项乱序队列，合计180项
如果按分体式的效率为整体式的60%计，ZEN的顺序队列打对折计入，Bulldozer共享的浮点调度器按70%计入单边的执行核。则GS464V等效58项，K10等效40项，Bulldozer单执行核等效51项，ZEN等效90项。如此比较，则GS464V略强于Bulldozer和Sandy Bridge，略弱于Haswell，和Skylake和ZEN具有明显的差距。LA664如果继续采用分体式发射队列的设计，需要达到合计160项左右才能达到Skylake和ZEN的水平。
