ΠΛΕ- 074 Αρχιτεκτονική Υπολογιστών 2

Transcript

1 ΠΛΕ- 074 Αρχιτεκτονική Υπολογιστών 2 2ο μάθημα: Αξιοπιστία, επίδοση, εντολές μηχανής MIPS Αρης Ευθυμίου Πηγές διαφανειών: συνοδευτικές διαφάνειες αγγλικης εκδοσης του βιβλιου

2 Dependability! Historically ICs have been very reliable much more likely for a disk to fail than a processor! In feature size 65nm and less we see rising numbers of transient faults permanent faults! Most faults limited to single component at different levels of abstrac]on! U_er failure of a module - > component error in higher level module 2

3 What is failure?! Hard to decide! Service Level Agreement (SLA) or Service Level Objec]ves (SLO) guarantees of quality of service 3

4 Dependability! Systems alternate between two states of service with respect to SLA/SLO: 1. Service accomplishment, where service is delivered as specified by SLA 2. Service interrup]on, where the delivered service is different from the SLA! failure(f)=transi]on from 1 to 2! restora]on(r)=transi]on from 2 to 1 4

5 Measures! Reliability measures: Mean ]me to failure (MTTF) Failures in ]me (FIT) = 1/MTTF! expressed in billion hours! Service interrup]on: Mean ]me to repair (MTTR)! Commonly quoted reliability measure: Mean ]me between failures (MTBF) = MTTF + MTTR! Availability MTTF / MTBF 5

6 Example! In a disk subsystem: 10 disks, each rated at 1,000,000- hour MTTF 1 ATA controller, 500,000- hour MTTF 1 power supply, 200,000- hour MTTF 1 fan, 200,000- hour MTTF 1 ATA cable, 1,000,000- hour MTTF! Assuming the life]mes are exponen]ally distributed and that failures are independent, compute the MTTF of the system as a whole 6

7 ! Because the overall failure rate of the collec]on is the sum of the failure rates of the modules, the failure rate of the system System failure rate = 10*(1/1,000,000) + 1/500, /200, /200, /1,000,000 = 23/1,000,000 or 23,000 FIT! Because MTTF is the inverse of the failure rate MTTF system = 1/(23/1,000,000) = 43,500 hours 5 years 7

8 Improving dependability! Add redundancy to the system in ]me: repeat the opera]on in resources: have spare components ready 8

9 Example disk unit (2)! Dual- power supply unit, each with MTTF = 200,000- hour! MTTF for dual power supply is the mean ]me un]l one power supply fails divided by the chance that the other will fail before the first one is replaced! Assuming exponen]al distribu]on, mean ]me un]l 1 fails = MTTF pwr / 2! Es]mate of probability = repair ]me / mean ]me to failure of other unit MTTF pwr / 2 MTTR pwr MTTF pwr = 2 MTTF pwr 2 MTTR pwr 9

10 Measuring Performance! Typical performance metrics: Execu]on/Response ]me Throughput! Speedup of X rela]ve to Y Execu]on ]me Y / Execu]on ]me X! Performance = 1/Execu]on ]me! Speedup of X rela]ve to Y Performance X / Performance Y 10

11 Execu]on ]me! Wall clock ]me: includes all system overheads response ]me, elapsed ]me! CPU ]me: only computa]on ]me no I/O, running other processes 11

12 Benchmarks! Benchmarks Kernels (e.g. matrix mul]ply) Toy programs (e.g. sor]ng) Synthe]c benchmarks (e.g. Dhrystone) Benchmark suites (e.g. SPEC06fp, TPC- C)! Suites more chance of covering more users needs understand variability in performance! SPEC CPU benchmarks SPEC2006: CINT integer benchmarks, CFP floa]ng point Real programs modified for portability and minimized I/O! Server benchmarks TPC, SPECWeb, 12

13 Summarizing results! Need to report a single number! Arithme]c mean? some programs take much longer than others! Weighted mean? Hard to pick weights. SPEC consor]um of compe]ng companies! Normalize execu]on ]mes to a reference computer i.e. Execu]on ]me reference / Execu]on ]me SPEC calls this SPECra]o 13

14 Comparing normalised ]mes ExecutionTime ref SPECRatio A SPECRatio B = ExecutionTime A ExecutionTime ref = ExecutionTime B ExecutionTime A = Performance A Performance B ExecutionTime B! Choice of reference computer is irrelevant! For ra]os geometric rather than arithme]c mean is used Gmean = n n i=1 ratio i 14

15 Παράδειγμα Computer A Computer B Computer C Program Program Arithm mean Geom mean Ποιό σύστημα είναι καλύτερο; 15

16 Κανονικοποίηση και μέσος όρος Computer A Computer B Computer C Program Program Arithm mean Geom mean Computer A Computer B Computer C Program Program Arithm mean Geom mean ως προς Α ως προς Β 16

17 Principles of Computer Design! Take Advantage of Parallelism e.g. mul]ple processors, disks, memory banks, pipelining, mul]ple func]onal units! Principle of Locality Reuse of data and instruc]ons temporal and spa]al! Focus on the Common Case 17

18 Amdahl s Law! Frac]on enhanced Frac]on of ]me (in original machine) than can be converted to take advantage of enhancement! Speedup enhanced How much faster the task would run if the enhancement was applied for the en]re program 18

19 Dirty Laundry Washing Machine Drying Machine Clean Laundry 30 minutes washing 90 minutes drying Total Execution Time: = 120 minutes Washing Portion: 30/120 = ¼ Drying Portion: 90/120 = ¾ 19

20 Dirty Laundry Washing Machine Drying Machine 2x fast Clean Laundry 30 minutes washing 90/2 = 45 minutes drying Speedup = (30+90)/(30+45)=1.6 Fraction enhanced = 90/120= ¾ Speedup enhanced = 2 Speedup = 1 / ( /2) = 1/0.625 =

21 Law of diminishing returns! Incremental improvement in speedup gained by just a por]on of the computa]on diminishes as improvements are added! If an enhancement is useable only for a frac]on of a task, we can t speed up the task by more than 1 that frac]on 21

22 If we can have super- fast drying machines Dirty Laundry Washing Machine Drying Machine Clean Laundry 30 minutes washing 90/ 0 minutes drying Speedup = (30+90)/(30+0)=4 22

23 Example! If the new processor is 10 ]mes faster than the original processor, and we assume that the original processor is busy with computa]on 40% of the ]me and is wai]ng for I/O 60% of the ]me, what is the overall speedup gained by incorpora]ng the enhancement?! Frac]on enhanced = 0.4, Speedup enhanced = 10! Speedup overall = 1/( /10) = 1.56! What is the upper bound of the overall speedup?! Upper bound = 1/0.6 =

24 Principles of Computer Design! The Processor Performance Equa]on 24

25 Αριθμός εντολών, CPI! Αριθμός (δυναμικών) εντολών προγράμματος Καθορίζονται από το πρόγραμμα, ISA, μεταφραστή! Μέσος όρος κύκλων ανά εντολή (CPI) Καθορίζεται από το υλικό Αν το CPI είναι διαφορετικό για κάθε εντολή! Το μέσο CPI επηρεάζεται από το «μίγμα εντολών» του προγράμματος 25

26 CPI Παράδειγμα! Computer A: Cycle Time = 250ps, CPI = 2.0! Computer B: Cycle Time = 500ps, CPI = 1.2! Ιδια ISA! Ποιός είναι ταχύτερος και κατα πόσο; A ταχύτερος 26

27 Παράδειγμα! Computer A: ρολόι 2GHz, 10s CPU ]me! Σχεδιάζουμε Computer B Προσπαθούμε για 6s CPU ]me Μπορούμε να αυξήσουμε το ρυθμό ρολογιού, αλλά αυτό προκαλεί αύξηση κύκλων ρολογιού 1.2! Πόση πρέπει να είναι η συχνότητα ρολογιού του Computer B; 27

28 Λεπτομέρειες CPI Αν οι διάφορες κατηγορίες εντολών έχουν διαφορετικό αριθμό κύκλων εκτέλεσης: Το μέσο CPI πρέπει να χρησιμοποιεί τη σχετική συχνότητα εμφάνισης εντολών Σχετική συχνότητα 28

29 CPI Παράδειγμα! 2 εναλλακτικά προγράμματα με εντολές κατηγοριών A, B, C Κατηγορία A B C CPI κατηγορίας IC πρόγραµµα IC πρόγραµµα " Πρόγραμμα 1: IC = 5 " Κύκλοι = = 10 " μέσο CPI = 10/5 = 2.0 " Πρόγραμμα 2: IC = 6 " Κύκλοι = = 9 " μέσο CPI = 9/6 =

30 Που ξοδεύει χρόνο το δικό σου πρόγραμμα;! Ανάλυση χαρακτηριστικών (profiling) ενός προγράμματος (με gprof) δείχνει που ξοδεύεται ο χρόνος ανά συνάρτηση έτσι μπορεί να δεί κανείς πιο είναι το αργότερο κομμάτι και να το βελτιώσει! Συνήθως βλέπουμε ένα 90/10 ή 80/20: το 10% του κώδικα ευθύνεται για το 90% του χρόνου! Μετάφραση και σύνδεση με κατάλληλες οδηγίες gcc pg progr.c! Εκτέλεση κανονικά (λίγο πιο αργά) δημιουργεί ένα αρχείο gmon.out! Τρέχουμε gprof για να δούμε τα αποτελέσματα 30

31 Βελτιστοποίηση μετάφρασης! Ο gcc και άλλοι μεταφραστές, έχει διάφορες επιλογές βελτιστοποίησης Συνήθως - Ο[1-3]. Οσο μεγαλύτερος αριθμός τόσο περισσότερο προσπαθεί να βελτιστοποιήσει τον κώδικα! Μετά το debugging καλό είναι κανείς να κάνει μια τελική μετάφραση με μια από τις - Ο επιλογές 31

32 Αριθμός εντολών - υπολογισμός! Οι σύγχρονοι επεξεργαστές έχουν μετρητές απόδοσης μετρούν διάφορα γεγονότα (π.χ. cache miss, ) Συνήθως χρειάζεται ειδική έκδοση του πυρήνα του Λ.Σ. και κάποια ειδική βιβλιοθήκη! ψάξτε για perfmon2, Intel performance counter monitor, Δεν μπορούν να μετρήσουν οτιδήποτε θέλει ένας αρχιτέκτονας! Εναλλακτικά τρέχουμε το πρόγραμμα σε έναν γρήγορο προσομοιωτή ή εργαλείο dynamic binary instrumenta]on PIN h_p:// 32

33 Παράδειγμα αριθμός εντολών! Θα χρησιμοποιήσουμε το μετροπρόγραμμα gzip (SPEC Int 2000) και το pin ~efthym/pin/pin*/pin \ -t ~efthym/pin/pin*/source/tools/ ManualExamples/obj-ia32/inscount2.so \ -- ~efthym/icarus/spec/gzip \ ~efthym/icarus/spec/input.source 60! Αποτέλεσματα στο αρχείο: inscount.out περίπου 70.5 εκατομύρια εντολές IA

34 Υπολογισμός CPI (χονδρικά)! Χωρίς το pin, τρέχει σε 19.95sec στο hp6000ws12 /usr/bin/time --verbose ~efthym/ /gzip \ ~efthym/ /input.source 60! Κύκλος ρολογιού 376ps 2.66GHz more /proc/cpuinfo! 19.95*10 12 /376 = 53 εκατομύρια κύκλοι! CPI = cycles/instruc]on count! = στο παράδειγμα! Ο επεξεργαστής εκτελεί πάνω από μία εντολή (1.33) ανά κύκλο 34

35 MIPS Instruc]ons! All instruc]ons exactly 32 bits wide! Different formats for different purposes! Similari]es in formats ease implementa]on 6 bits 5 bits 5 bits 5 bits 5 bits 6 bits op rs rt rd shamt funct R-Format! 6 bits 5 bits 5 bits 16 bits op rs rt offset I-Format! 6 bits 26 bits op address J-Format! 35

36 MIPS registers 36

37 MIPS Instruc]on Types! Arithme]c & Logical - manipulate data in registers add $s1, $s2, $s3 $s1 = $s2 + $s3 or $s3, $s4, $s5 $s3 = $s4 OR $s5! Data Transfer - move register data to/from memory: load & store lw $s1, 100($s2) $s1 = Memory[$s ] sw $s1, 100($s2) Memory[$s ] = $s1! Branch - alter program flow beq $s1, $s2, 25 if ($s1==$s1) PC = PC *25 else PC = PC

38 MIPS Arithme]c & Logical Instruc]ons! Instruc]on usage (assembly) add dest, src1, src2 sub dest, src1, src2 and dest, src1, src2 dest=src1 + src2 dest=src1 - src2 dest=src1 AND src2! Instruc]on characteris]cs Always 3 operands: des]na]on + 2 sources Operand order is fixed Operands are always general purpose registers! Design Principles: Design Principle 1: Simplicity favors regularity Design Principle 2: Smaller is faster 38

39 Instr. Binary Representa]on 6 bits 5 bits 5 bits 5 bits 5 bits 6 bits 31 op rs rt rd shamt funct 0! Used for arithme]c, logical, shi instruc]ons op: Basic opera]on of the instruc]on (opcode) rs: first register source operand rt: second register source operand rd: register des]na]on operand shamt: shi amount (more about this later) funct: func]on - specific type of opera]on! Also called R- Format or R- Type Instruc]ons 39

40 Example! Machine language for add $8, $17, $18! See reference card for op, funct values 6 bits 5 bits 5 bits 5 bits 5 bits 6 bits 31 op rs rt rd shamt funct 0 40

41 Immediate Operands! Constant data specified in an instruc]on addi $s3, $s3, 4! No subtract immediate instruc]on Just use a nega]ve constant addi $s2, $s1, -1! Design Principle 3: Make the common case fast Small constants are common Immediate operand avoids a load instruc]on 41

42 Condi]onal Opera]ons! Branch to a labeled instruc]on if a condi]on is true Otherwise, con]nue sequen]ally! beq rs, rt, L1 if (rs == rt) branch to instruc]on labeled L1;! bne rs, rt, L1 if (rs!= rt) branch to instruc]on labeled L1;! j L1 uncondi]onal jump to instruc]on labeled L1 42

43 More Condi]onal Opera]ons! Set result to 1 if a condi]on is true Otherwise, set to 0! slt rd, rs, rt if (rs < rt) rd = 1; else rd = 0;! slti rt, rs, constant if (rs < constant) rt = 1; else rt = 0;! Use in combina]on with beq, bne slt $t0, $s1, $s2 # if ($s1 < $s2) bne $t0, $zero, L # branch to L 43

44 ΠΛΕ 074 Αρχιτεκτονική ΙΙ