问每个周期的浮点运算-英特尔

EN

Nehalem能够执行4 DP或8 SP触发器/周期。这是使用SSE实现的，SSE对填充浮点值进行操作，DP中使用2/寄存器，SP中使用4/寄存器。为了实现4个DP触发器/周期或8个SP触发器/周期，核心必须每个周期执行2个SSE指令。这是通过每个周期执行MULDP和ADDDP (或MULSP和ADDSP)来实现的。之所以可以这样做，是因为Nehalem为SSE乘和SSE add有单独的执行单元，并且这些单元是流水线的，因此throughput是一个乘和一个加一个循环。乘法器在SP中有4个循环，在DP中有5个循环。与SP/DP无关，Adds在流水线上运行了3个周期。管道中的循环数称为latency。要计算峰值触发器/周期，您只需要知道吞吐量。因此，对于乘法器和加法器(2个执行单元)，吞吐量为1 SSE向量指令/周期时，DP中为2x2=4触发器/周期，SP为2x4=8触发器/周期。要真正维持这个高峰吞吐量，您需要考虑延迟(因此，在管道中至少有与管道深度一样多的独立操作)，并且需要考虑是否能够足够快地提供数据。Nehalem有一个集成的存储器控制器，它能够从内存中获得很高的带宽，如果数据预取器正确地预测数据的访问模式(从内存中顺序加载是它可以预测的一个微不足道的模式)，它就可以实现这个功能。通常，没有足够的内存带宽来支持以峰值触发器/周期的方式向所有核心提供数据，因此需要对缓存中的数据进行一定量的重用才能维持峰值触发器/周期。

以下是有关独立执行单元的数量及其吞吐量和延迟的详细信息。

见本文档第105页8.9执行单元

http://www.agner.org/optimize/microarchitecture.pdf

上面写着尼哈勒姆

端口0上的浮点乘法器对于单精度和双长双精度的延迟分别为4和5。浮点乘法器的吞吐量除在Core2上长双精度外，每时钟周期为1次运算。浮点加法器连接到端口1，延时为3，完全流水线。

为了得到8个SP触发器/周期，您需要4个SP添加/循环和4个SP MUL/周期。加法器和乘法器在单独的执行单元上，并从不同的端口分配，每个加法器都可以使用SSE打包(向量)指令(4x32位=128位)在4个SP打包操作数上同时执行。两者的吞吐量为每个时钟周期一个操作。为了获得吞吐量，您需要考虑延迟.在使用结果之前，在指令问题发生后有多少周期。因此，您必须发布几个独立的指令来覆盖延迟。单精度乘法器的延时为4，加法器为3。

您可以在Intel优化指南(表C-15a )中找到Nehalem的这些相同的吞吐量和延迟号。

http://www.intel.com/content/www/us/en/architecture-and-technology/64-ia-32-architectures-optimization-manual.html