【计算机系统结构】流水方式

📝本文介绍
本文主要为计算机系统结构的流水方式。涉及流水基本概念，分类和流水处理机的性能。

👋作者简介：一个正在积极探索的本科生
📱联系方式：943641266(QQ)
🚪Github地址：https://github.com/sankexilianhua
🔑Gitee地址：https://gitee.com/Java_Ryson
由于本人的知识所限，如果文章有问题，欢迎大家联系并指出，博主会在第一时间修正。

📕流水线概念

📖基本概念

  基本概念：流水是重叠的延申。一次/二次重叠是将一条指令的解释划分为两/三个子过程，而流水则会划分成更多子过程。

📖表示方法

• 连接图
  

• 时空图
  

• 预约表（非线性流水线使用）
  

📖特点

• 只有连续提供同类任务才能充分发挥流水线的效率
• 在流水线的每一个流水段中都要设置一个流水锁存器
• 各类流水段时间应尽量相等
• 流水线需要有装入时间、充满时间和排空时间
• 理想情况下，当流水线充满后，每隔Δt时间将会有一个结果流出流水线。

📘流水线分类

• 按向下扩展和向上扩展的思路
  • 向下扩展：子过程细分
  • 向上扩展：多个处理机之间进行流水
• 按流水处理的级别
  • 部件级（操作流水线）
  • 处理机级（指令流水线）
  • 系统级（宏流水线）
• 按功能多少
  • 单功能：只能完成一种固定功能的流水线
  • 多功能：流水线的各段通过不同连接实现不同功能
• 按多功能的连接方式
  • 静态：同一段时间内，只能按照一种固定方式连接功能段，实现一种功能
  • 动态：在同一段时间内，多功能流水线中的各段可以按照不同的方式连接，同时执行多种功能。
• 按数据表示
  • 标量流水：没有向量数据，只能用标量循环方式来对向量、数组进行处理。
  • 向量流水：设置有向量指令和向量运算硬件，能对向量、数组中的各个元素流水地处理。
• 按是否有反馈电路
  • 线性：每个流水段都流过一次，且仅流过一次
  • 非线性：在流水线的某些流水段之间有反馈回路或前馈回路
• 按控制方式
  • 同步流水线
  • 异步流水线

📙流水处理机的性能

  主要通过时空图来分析

📖吞吐率

🔖概念

  流水线单位时间里能流出的任务数或结果数。

  假设有n个任务，m$\Delta t$时间后充满流水线

  Tp_max= 1 m a x { Δ t 1 , Δ t 2 , Δ t 3 , Δ t 4 . . . . . } {1 \over max\{\Delta t_1 ,\Delta t_2 ,\Delta t_3 ,\Delta t_4 .....\}} max{Δt1​,Δt2​,Δt3​,Δt4​.....}1​

  TP = $\frac{n}{m\Delta t+（n-1）\Delta t}$

  也就是，任务总数/任务总时间。理想状态下，当流水线充满之后，一个$\Delta t$的时间就可以输出一个结果.那么前m$\Delta t$的时间就需要用来充满流水线。而这m$\Delta t$的时间，实际上只能输出一个任务结果。

🔖瓶颈解决

  实际过程中，每个功能段的时间总不会完全相等，这时候就有可能出现等待的问题。也就是前面环节不能马上进入该功能段，需要等待一段时间（瓶颈段执行时间-前一功能段执行时间）.解决方法有如下两种：

• 细分：将一个瓶颈段细分成更小的功能段，实现更多段流水
• 并联：多增加几个该功能段，实现功能段的并联。（假如前一功能段时间为$\Delta t$ 而瓶颈段为3$\Delta t$ 那么就需要添加3-1=2个功能段，从而实现3个瓶颈功能段的并联。让前一个功能段处理完，马上能进入瓶颈段处理。）

📖加速比

  指流水线的速度与等效的非流水线的速度之比。
  公式就是之前说过的：未加速前的时间（串行时间）/加速后的时间（流水时间）
  $\Delta t$都相等时：S_p=$\frac{nm\Delta t}{m\Delta t+(n-1)\Delta t}$

  $\Delta t$不相等时：S_p=$\frac{n{\sum }_1^m\Delta t_i}{{\sum }_1^m\Delta t_1+(n-1)\Delta t_j}$ ( $\Delta t_j$为时间最长的段/瓶颈段)

   加速比一定大于1

📖效率

  指流水线中的设备实际使用时间占整个运行时间之比，也称流水线设备的时间利用率。
  这里的实际使用时间，在时空图中表现为有标号的格子，而总时间则是整个长方形（从开始到最后一个任务的输出）

  各段时间相同： $\eta$=$\frac{n\Delta t}{m\ast T}$(T为最后一个任务输出时在时间轴的坐标)

  各段时间不同： $\eta$=$\frac{n\ast {\sum }_1^m\Delta t_i}{m\ast [{\sum }_1^m\Delta t_i+(n-1)\ast \Delta t_j]}$($\Delta t_j$ 为时间最长的功能段)