存储器特性分析和预测应用处理器性能及功耗

由于超快的CPU内核与相对慢的存储器之间的速度差距在日渐增大，存储器系统可能成为当前制约系统性能的主要瓶颈。此外，低功耗是另一个重要的设计考虑，尤其在电池供电设备与日俱增的情况下更是如此。低功耗意味着更长的电池续航时间和设备使用时间。在常见的应用场合，存储器功耗通常占了应用处理器功耗相当大的一部分，而且，随着存储器设计日益复杂、容量增大、分层增多，存储器功耗往往会迅速增加。因此，降低存储器功耗非常有利于延长电池续航时间。为了更好地了解各种应用的固有行为，有必要探究存储器的特性、建立存储器模型，以判断应用是否涉及频繁的存储器存取操作，甚至帮助预测应用的性能。

本文提供了一种简单、经济的方法，能以可接受的精确度动态地表征应用的计算及存储器的构成。

描述存储器特性的方法

如果不涉及存储器操作，那么CPU利用率应该随着CPU内核的频率呈线性关系，而应用成本(定义为CPU利用率和CPU频率的乘积)应该保持恒定。但在考虑存储器存取以后，CPU利用率就不再随内核频率呈线性关系了。在频率较高时，存储器对性能的影响往往更大，因为CPU要用更多的CPU周期等待存储器的响应(这里我们假定，存储器频率不随CPU频率而变)。从这种意义上，应用可以分为两种类型：计算限定型和存储器限定型。

接下来，我们来讲述如何用三种不同的方法表征存储器特性，并帮助确定应用的CPU利用率。在此，硬件性能信息是通过查看性能监视单元(Performance Monitoring Unit，简称PMU)来收集的。因此，Marvell的方法仅适用于有PMU硬件支持的系统。

1. 整体数据缓存失效率：直觉上，较高的数据缓存失效率意味着更大的存储器流量。为了获得数据缓存失效率的数值，我们需要监视一级数据缓存和二级数据缓存(如果有的话)的存取操作和失效总数。

2. 主存储器访问率：外部存储器控制器的占用率直接表明了存储器的利用率。为了得 到主存储器访问率数值，必须收集两种PMU信息：存储器控制器被占用的周期总数;监视窗口中的周期总数。

3. 数据停顿率：流水线停顿主要由数据相关性引起，而数据不可用的原因是存储器存取速度远比CPU速度低。因此，流水线的停顿次数反映了存储器的流量情况。此外，流水线停顿次数还表明了存储器存取的重要性。并不是每次存储器存取都对最终性能有关键影响，因此，持续跟踪因数据相关性对性能造成影响的存储器存取操作，是相当有用的。使用这种方法，可以监视由数据相关性引起停顿的事件情况。此外，必须记录总的周期数，以计算每个窗口中的数据停顿率。