Skalare Prozessoren - Moderne Prozessorarchitekturen: Prinzipien und ihre Realisierungen - page 134

netz die bisherige Wertfolge um den tatsächlichen Wert ergänzt und den ältesten
Wert verwirft. Aus dem Eintrag x, y und dem tatsächlichen Wert x kann so die neue
Wertfolge y, x generiert werden (die sich fortan mit x vorhersagen lässt).
Der Leser mache sich klar, dass es mit den im Bild verwendeten Einträgen möglich
ist, die tatsächliche Wertfolge x, y, x, x, y, x, usw. zu 100% vorherzusagen. In realen
Anwendungen wird diese hohe Sicherheit natürlich nicht erreicht. Nach [148] ist es
aber möglich, die in der SPEC95 (einem zur Untersuchung der Geschwindigkeit von
Prozessoren verbreitetes Benchmark-Programm) auftretenden Werte theoretisch mit
einer Wahrscheinlichkeit von bis zu 90% korrekt zu prognostizieren (mit einer drei
Werte umfassenden Historie im Durchschnitt in 78% aller Fälle), wobei eine unbe-
grenzt große Werthistorien- und Wertvorhersagetabelle vorausgesetzt wurde.
Bei einer realen Umsetzung ist diese Voraussetzung selbstverständlich nicht erfüllt,
weshalb die Zuverlässigkeit der Vorhersage deutlich geringer ausfällt. Die Grenzen
des Verfahrens treten zu Tage, wenn der Inhalt eines Schleifenzählers vorhergesagt
werden soll: Für jeden Zählwert ist dann ein eigener Eintrag in der Wertvorhersage-
tabelle erforderlich, so dass bei Bearbeitung sich häufig wiederholender Schleifen
die Wertvorhersagetabelle schnell gefüllt ist. Hinzu kommt, dass eine Wertvorher-
sage überhaupt nur mit bereits gelernten Wertfolgen möglich ist, die Schleife also
wenigstens zweimal bis zur Terminierung ausgeführt werden muss.
Beide Nachteile treten nicht in Verbindung mit der differentiellen Wertvorhersage
auf, die bei geringem Aufwand den Zählwert einer Schleife bereits beim dritten
Schleifendurchlauf korrekt vorherzusagen vermag. Dafür ist die Zuverlässigkeit der
differentiellen Wertvorhersage bei beliebigen Wertfolgen deutlich geringer als bei
kontextbasierter Wertvorhersage [148, 147], weshalb letztere mit zunehmender Inte-
grationsdichte an Bedeutung gewinnen dürfte. Außerdem ist es möglich, die Nach-
teile der kontextbasierten Wertvorhersage dadurch zu vermeiden, dass sie als Teil
eines hybriden Verfahrens , z.B. in Kombination mit der differentiellen Wertvorher-
sage, realisiert wird.
Die kontextbasierte Wertvorhersage entspricht in ihrer Struktur und Funktionsweise
der lokalen adaptiven Sprungvorhersage mit globaler Sprungmustertabelle, wie sich
leicht durch Vergleich der Bilder 2.33 und 2.49 überprüfen lässt. Es ist daher nahe-
liegend, die zur adaptiven Sprungvorhersage beschriebenen Verfahrensmodifikatio-
nen auch auf die kontextbasierte Wertvorhersage zu übertragen. Statt einer einzelnen
Werthistorientabelle kann z.B. eine separate lokale Wertvorhersagetabelle für jeden
einzelnen Befehl verwendet werden. Jedoch ist dieses zur lokalen adaptiven Sprung-
vorhersage mit lokaler Sprungmustertabelle vergleichbare Verfahren (Bild 2.34)
aufgrund des hohen Speicherbedarfs für die einzelnen Wertvorhersagetabellen in
realen Anwendungen ohne Bedeutung. Eine andere Möglichkeit ist, nicht die
Werthistorie für jeden Befehl separat, sondern für alle Befehle gemeinsam zu spei-
chern - vergleichbar mit der globalen adaptiven Sprungvorhersage in Bild 2.35.
Wegen der großen Menge möglicher Wertkombinationen, die in praxisrelevanten
Anwendungen auftreten können, werden bei gleichem Aufwand jedoch weniger
zuverlässige Vorhersagen als mit einer lokaler Werthistorientabelle generiert.