Задача планирования

1. Оптимальное планирование инструкций для процессоров семейства IA-64 с использованием алгоритма A* Дипломная работа студента 545 группы Галанова Сергей Евгеньевича Научный руководитель: Булычев Дмитрий Юрьевич Рецензент: Фоминых Николай Федорович

2. Задача планирования • Планирование выполняется в конце компиляции, после выбора инструкций и распределения регистров • В ходе планирования происходит построение плана исполнения программы - переупорядочение инструкций и их распределение по вычислительным устройствам • Целью является построение оптимального плана, то есть плана с минимальным временем исполнения • Задача оптимального планирования NP-трудна

3. Существующие подходы • Списковое планирование (list scheduling) – применяется в промышленных компиляторах, но дает субоптимальные результаты • Целочисленное линейное программирование • Программирование ограничений • Метод ветвей и границ

4. Постановка задачи • На вход подается готовый ассемблерный код для процессора Intel Itanium 2 • Требуется выполнить его оптимальное локальное планирование, то есть построить для каждого базового блока план с минимальным временем исполнения (либо оставить исходный план, если планировщику не удалось завершиться за разумное время) и выдать новый ассемблерный код

5. Обзор EPIC • EPIC (Explicitly Parallel Instruction Computing) – новый класс машинных архитектур, являющийся усовершенствованием класса VLIW (Very Long Instruction Word)‏ • Информация о параллелизме инструкций и распределении их по устройствам рассчитывается компилятором статически • Требуется обеспечить совместимость кода между разными представителями архитектуры, поэтому должны накладываться специальные ограничения на кодирование инструкций

6. Обзор архитектуры IA-64 • Архитектура IA-64 реализует принципы EPIC • Инструкции упакованы в пакеты (bundles) по три инструкции в каждом • Для каждого пакета указывается шаблон, задающий устройства для инструкций и границы групп параллельно исполняемых инструкций • Поддерживается предикативное и спекулятивное исполнение

7. Особенности Itanium 2 • Может запускать до шести параллельных инструкций за такт • Латентность большинства арифметико-логических операций – 1 такт, операций с плавающей точкой – 4 такта, загрузок и выгрузок (для кэша 1 уровня) – 1 такт, мультимедийных операций – 2-3 такта • Может быть запущено до двух операций с плавающей точкой за такт, до двух загрузок за такт, до двух выгрузок за такт

8. { mmi add r1 = r2, r3 // => M0 add r4 = r5, r6 // => M1 add r7 = r8, r9 // => I0 } { m.mi add r9 = r2, r5 ;; // => M2 ld4 r2 = [r1] // => M0 add r8 = r9, r10 // => I0 } { mfi. sub r6 = r7, r4 // => M1 fadd f3 = f4, f5 // => F0 add r12 = r1, r4 // => I1} Пример кода

9. Общая структура планировщика • Чтение исходного ассемблерного кода и выделение блоков • Анализ зависимостей в каждом блоке и построение дэга зависимостей • Планирование плана для каждого блока • Построение результирующего ассемблерного кода

10. Пространство и граф поиска • Пространство поиска состоит из частичных планов • К частичному плану можно применять элементарные операции issueOp и endGroup • В вершинах графа поиска находятся частичные планы • Два плана соединены дугой, если второй получен из первого применением элементарной операции • Есть дополнительная конечная вершина, в которую входят дуги из полных планов • Расстояние между двумя планами равно разности их длин (в тактах)‏

11. Алгоритм A* • Является обобщением алгоритма Дейкстры • При выборе направления обхода используется не длина пройденного пути, а оцениваемая длина оптимального пути, которая складывается из известной длины текущего пути и эвристической оценки длины оптимального пути из текущей точки до концевой • Если эвристика не переоценивает длину, получится оптимальный путь

12. Поиск оптимального плана • Для поиска оптимального плана применим алгоритм A* к графу поиска • Необходимо найти хорошую эвристику, оценивающую расстояние (в тактах) от заданной точки до конечной

13. Эвристика критического пути • Число тактов, требуемое для набора инструкций не может быть меньше длины критического пути в дэге зависимостей • Можно взять в качестве эвристики эту длину • Она хорошо работает для «густых» дэгов • Плохо работает для блоков, в которых мало зависимостей

14. Эвристика доступных ресурсов • Определяется число инструкций каждого класса • Для каждого класса определяется минимальное число тактов, требуемое для выполнения соответствующего набора инструкций • Выбирается максимум

15. Гибридная эвристика • Объединяет достоинства эвристик критического пути и доступных ресурсов • Для каждой инструкции определяется нижняя граница номеров тактов, в которых она может быть запущена (на основе критических путей в дэге)‏ • Для каждой нижней границы определяется минимальное число дополнительных тактов, требуемое для запуска остальных инструкций (на основе эвристики доступных ресурсов)‏ • Выбирается максимум

16. Дополнительная эвристика • У точек с равными основными эвристиками сравниваются дополнительные эвристики • Для каждого возможного значения длины критического пути среди всех вершин дэга подсчитывается количество вершин, для которых достигается это значение • Полученные числа выстраиваются в порядке убывания длин критических путей • Полученный кортеж является эвристикой

17. Некоторые оптимизации • Оптимизации размещения пустых операций • Рудиментарное выделение изоморфных поддэгов • На множестве частичных планов вводится отношение (нетривиального) равенства: два плана равны, если их соответствующие группы инструкций одинаковы с точностью до перестановки инструкций (используется оптимизированное внутреннее представление плана для эффективного выполнения этой проверки)‏

18. Результаты • Тестирование проводилось на пакете mesa из набора тестов SPEC FP, откомпилированном компиляторами open64 и gcc.

19. Перспективы дальнейшего развития • Улучшение эвристик • Сокращение числа вариантов • Более точный анализ зависимостей • Обобщение на произвольную архитектуру

20. Вопросы? Спасибо за внимание