探究存储器特性以分析和预测应用处理器性能及功耗

率、总体缓存存取量，还是主存储器访问率，都无法用以区分存储器存取是否对性能有关键影响。幸运的是，我们发现，数据停顿率是一个非常好的指标。显然，除了MP3解码器，对所有其它应用，数据停顿率曲线与应用成本都是同步的。在我们所做的实验中，数据停顿率是用来预测应用负载的最佳衡量指标。MP3解码器的存储器存取频度极低，因此，在整体上存储器存取操作非常少的情况下，即使存在一些能产生关键影响的存储器存取操作，它对性能的影响也是微不足道的。

图2提供了一种基于存储器特性预测CPU利用率的算法。该算法首先检查，存储器访问率是否低于预先定义的门限T1。如果是，我们就预测，CPU利用率与CPU频率呈线性关系；否则，就分两步预测CPU利用率：(1)与频率成比例；(2)根据数据停顿率调整。在第二步，我们再引入两个门限：T2和T3。为了采用这个算法，我们必须跟踪主存储器访问率和数据停顿率。因此，最多必须监视3种PMU信息：(a)外部存储器控制器被占用的总周期数；(b)由于数据相关性而导致流水线停顿的总次数；(c)监视窗口中的总周期数。(a)/(c)给出DDR%，而(b)/(c)给出Stall%。这种算法可以很容易纳入电源管理框架中。

图2：一种简单的性能预测算法。

本文结论

总之，如果整体上存储器存取频度可以忽略不计，那么就可以预测，CPU利用率与CPU频率成比例。如果存储器存取频度并非微不足道，那么预测CPU利用率时，就应该同时使用数据停顿率。本白皮书是基于一篇会议论文撰写的，该论文研究了有助于表征存储器特性的3种存储器指标，论文以此为基础提出了一种改进性能预测的算法。未来的工作可能还包括：用更多应用做实验；基于用户输入和/或更多系统反馈设计动态自适应门限，以此优化我们的算法。