1 / 4概念
VLIW and Static ILP
VLIW 把多条独立操作打包进一条很宽的指令,由编译器决定谁和谁并行、隔几个周期。硬件因此可以去掉复杂的动态调度器,把面积与功耗留给寄存器和执行单元。读完应能读懂 bundle、slot、stop bit 与谓词,并判断一段代码适合静态调度还是乱序执行。
1 概念
1.1 一句话定义
VLIW 是一种指令集风格:一条指令包含多个槽位,每个槽位放一条独立操作,编译器在编译期完成依赖分析与调度,硬件按固定模板并行发射。
1.2 它解决什么问题
- 调度开销:动态调度的唤醒、选择与旁路占用面积与功耗。
- 编译期可见性:循环与基本块的依赖在编译期已知,可做全局调度。
- 宽发射:希望每周期发射多条而不付乱序执行与验证的成本。
- 确定性:固定延迟让最坏执行时间可分析,适合 DSP 与实时信号处理。
1.3 不属于本页的内容
| 主题 | 去哪 |
|---|---|
| 乱序调度与 ROB | Dynamic Scheduling |
| 循环展开与软件流水 | Loop Transformations |
| SIMD 向量化 | Data-Level Parallelism |
| 分支预测 | Branch Prediction |
1.4 关键术语
| 术语 | 含义 | 容易混淆的点 |
|---|---|---|
| VLIW | 超长指令字,一条指令含多个操作槽 | 不是 SIMD,槽位可做不同操作 |
| EPIC | 显式并行指令计算,VLIW 的演进形态 | 不是具体某一颗芯片 |
| bundle | 一起发射的一组操作 | 不等于一个基本块 |
| slot | bundle 中的一个操作位置 | 空槽要填 NOP |
| stop bit | 标注 bundle 边界,边界两侧不能同拍发射 | 不是分支标志 |
| 谓词 | 按条件屏蔽一条操作的寄存器 | 不是条件分支 |
| 暴露延迟 | 软件必须按真实延迟填 NOP | 延迟变化会破坏旧二进制 |
2 机制
2.1 心智模型
一条 VLIW 指令像一张排好的时间表:同一行的操作必须互不依赖,行与行之间按编译器排好的顺序推进。 硬件只检查少量记分板位,不再逐条唤醒与选择。并行的责任从硅片转移到编译器。
2.2 机制拆解
- 打包:编译器把独立操作放进同一 bundle 的不同 slot,bundle 宽度为 128–256 位。
- 停顿编码:stop bit 或模板位标明 bundle 的边界与槽位分组;硬件按此同拍发射,通常不做全互锁,填错就出错。
- 依赖分析:编译器做别名分析、距离向量与资源表,决定合法的并行度与发射顺序。
- 谓词执行:用谓词寄存器屏蔽操作,把短分支转成顺序代码,减少控制依赖与预测需求。
- 推测与旋转:EPIC 提供 speculative load 与 ALAT,硬件在违例时陷入;软件流水用旋转寄存器避免大量复制。
- 代价:填不满的槽位变成 NOP,代码体积与取指带宽上升,延迟假设也被固化进二进制。
2.3 完整枚举
| 机器 | 指令宽度 | 槽位 | 调度者 | 冒险检测 | 典型用途 |
|---|---|---|---|---|---|
| 经典 VLIW | 128–256 位 | 3–8 | 编译器 | 少量互锁或全无 | DSP、媒体 |
| EPIC/IA-64 | 128 位 | 3 | 编译器 | 记分板加模板 | 通用计算尝试 |
| TI C6x | 256 位 | 8 | 编译器 | 延迟槽与互锁 | 信号处理 |
| 超标量乱序 | 32 位指令 | 动态 | 硬件 | 完整互锁 | 通用 CPU |
| SIMD | 128–512 位 | 数据通道 | 编译器/硬件 | 向量语义 | 数据并行 |
2.4 关键数字与复杂度
| 指标 | 量级 | 说明 |
|---|---|---|
| bundle 宽度 | 128–256 位 | 槽位数乘单条指令宽度 |
| 槽位数 | 3–8 | 越多越难填满 |
| NOP 占比 | 10–40% | 依赖与资源限制造成 |
| 静态 IPC | 2–6 | 取决于代码与调度质量 |
| 代码膨胀 | 20–50% | 相对同功能超标量代码 |
| 延迟表项 | 每条指令的周期数 | 跨实现必须一致或加互锁 |
3 实践
3.1 最小示例
; 示意性 4 槽 bundle:同一行必须互不依赖,空槽填 nop。
ld f1, [a + i] | ld f2, [b + i] | nop | nop
fadd f3, f1, f2 | addi i, i, 1 | nop | nop
st [c + i], f3 | nop | nop | nop
两条 load 可以同拍发射,fadd 要等 load 的结果,st 又要等 fadd。编译器若把三条操作排进同一 bundle,硬件不会替它停顿,结果就错了。空槽越多,说明这段代码的可用 ILP 越少。
3.2 常用操作与参数
| 操作 | 参数 | 说明 |
|---|---|---|
| 设 bundle 宽度 | 128–256 位 | 与取指带宽、功耗折中 |
| 设槽位数 | 3–8 | 决定峰值发射宽度 |
| 设停顿编码 | stop bit、模板 | 显式表达 bundle 边界 |
| 配谓词寄存器 | 数量与宽度 | 支持 if-conversion |
| 设调度窗口 | 基本块、超级块、循环 | 窗口越大,ILP 越多 |
3.3 标准流程
- 写清目标机器的延迟表与资源表。
- 做别名与依赖分析,识别可并行的操作。
- 用 if-conversion 把短分支转成谓词执行。
- 做列表调度或软件流水,确定每个操作的发射槽。
- 分配寄存器,按模板打包成 bundle,并验证延迟与资源约束。
3.4 与相邻技术的组合
VLIW 的性能几乎完全由编译器决定,编译器是事实上的微架构;谓词把控制依赖转成数据依赖,让 bundle 更容易填满;展开与软件流水是 ILP 的主要来源;槽位可以放向量操作,把 ILP 与 DLP 叠在一条宽指令里。
3.5 选型维度
| 场景 | 首选 | 理由 |
|---|---|---|
| DSP、媒体 | VLIW + 谓词 | 固定算法、可预测延迟 |
| 通用服务器 | 乱序超标量 | 不规则负载与二进制兼容 |
| 数据并行 | SIMD/GPU | 同构操作,槽位利用率高 |
| 低功耗嵌入式 | 小 VLIW 或顺序核 | 面积与能效优先 |
3.6 决策规则
- 若热点是规则循环且延迟可预测,VLIW 可以用更少硬件达到高 IPC。
- 若控制流不规则或大量指针追逐,静态调度会留下大量 NOP,宜选乱序。
- 二进制兼容要求高时,VLIW 的延迟假设是长期负担。
3.7 替代方案对比
| 方案 | 优势 | 代价 | 适用 |
|---|---|---|---|
| VLIW | 硬件简单、功耗低 | 编译器复杂、代码膨胀 | DSP、媒体 |
| 乱序超标量 | 适应不规则负载 | 面积、功耗、验证 | 通用 CPU |
| SIMD | 同构数据吞吐高 | 需要规则数据布局 | 向量计算 |
| GPU | 大规模并行 | 编程模型与数据搬运 | 吞吐计算 |
3.8 何时不该用
- 控制流高度不规则时,bundle 中大量槽位会空转。
- 指针追逐与随机访存让编译期延迟不可预测。
- 需要长期二进制兼容的通用平台不宜把延迟固化进编码。
4 边界
4.1 典型故障
| 症状 | 根因 | 处理 |
|---|---|---|
| 结果错 | bundle 内操作存在未声明依赖 | 检查调度与停顿编码 |
| 性能低于预期 | NOP 比例高 | 改循环结构或换调度窗口 |
| 换机器后变慢或出错 | 延迟假设与新实现不符 | 加互锁或重新编译 |
| 寄存器溢出 | 展开与软件流水过度 | 降低展开因子 |
| 取指瓶颈 | 代码膨胀超过 i-cache | 缩小 bundle 或减少展开 |
4.2 反模式
| 做法 | 后果 | 替代 |
|---|---|---|
| 把 VLIW 当可移植二进制 | 换实现即失效 | 按目标重新编译 |
| 忽略内存延迟 | bundle 全等 cache miss | 预取、分块、软件流水 |
| 过度展开 | 寄存器压力与代码膨胀 | 按寄存器预算定因子 |
4.3 可观测信号
llvm-mca 可估算静态调度的吞吐与瓶颈单元;perf stat 的 IPC、i-cache miss 与 branch miss 可判断前端是否被 NOP 与代码体积拖住;反汇编中 NOP 的密度直接反映 bundle 填充率;编译器的调度报告可给出未排入同拍的依赖原因。
4.4 安全 / 性能 / 一致性边界
- 性能:VLIW 的上限由编译期可见的 ILP 决定,运行时变化(cache miss、输入相关分支)无法被硬件补救。
- 兼容性:延迟表是二进制契约的一部分;实现变更应保持延迟或提供互锁。
- 安全:静态调度不产生推测状态,侧信道面较小,但谓词执行仍可能留下与数据相关的时序。