训练营介绍 模拟器背景 快速开始 Python 背景知识
使用 gem5
SimObject 入门 调试 gem5 事件驱动模拟 端口与内存对象 核心建模 缓存一致性建模 CHI 协议 Ruby 网络 扩展 gem5 模型
GPU 模型介绍
SST 集成 DRAM 模拟器 SystemC 集成
贡献流程 测试 在家运行 gem5
查看原始材料

在 gem5 中建模 CPU 核心

大纲

gem5 CPU 模型

width:1150px Diagram to show inheritance for gem5 CPU Models

简单 CPU

SimpleCPU

原子（Atomic）

嵌套调用序列 用途：预热、快进

功能（Functional）

内存的后门访问 （加载二进制文件） 不影响一致性状态

时序（Timing）

分离事务 建模排队延迟和 资源竞争

bg auto width:1250px Diagram to show different CPU Model Timings

其他简单 CPU

AtomicSimpleCPU

TimingSimpleCPU

O3CPU（乱序 CPU 模型）

width:1000px O3CPU

O3CPU 模型具有许多参数

src/cpu/o3/BaseO3CPU.py

decodeToFetchDelay = Param.Cycles(1, "Decode to fetch delay")
renameToFetchDelay = Param.Cycles(1, "Rename to fetch delay")
...
fetchWidth = Param.Unsigned(8, "Fetch width")
fetchBufferSize = Param.Unsigned(64, "Fetch buffer size in bytes")
fetchQueueSize = Param.Unsigned(
    32, "Fetch queue size in micro-ops per-thread"
)
...

请记住，不要直接在文件中更新参数。相反，创建一个新的 stdlib 组件，并使用新的参数值扩展模型。 我们很快就会这样做。

MinorCPU

bg auto width:700px Diagram to show different CPU Models

KvmCPU

gem5 CPU 模型总结

BaseKvmCPU

BaseSimpleCPU

DerivO3CPU 和 MinorCPU

bg width:1250px Diagram to show different CPU Models

CPU 模型与 gem5 其他部分的交互

bg auto width:1050px Diagram to show CPU Model Interactions

大纲

让我们使用这些 CPU 模型！

使用的材料

首先打开以下文件

materials/02-Using-gem5/04-cores/cores.py

步骤

  1. 使用原子 CPU 配置一个简单系统
  2. 使用时序 CPU 配置相同的系统
  3. 减小缓存大小
  4. 将 CPU 类型改回原子

我们将在不同的 CPU 类型和缓存大小上运行一个名为 matrix-multiply 的工作负载。

让我们使用原子 CPU 配置一个简单系统

materials/02-Using-gem5/04-cores/cores.py

from gem5.components.boards.simple_board import SimpleBoard
from gem5.components.cachehierarchies.classic.private_l1_cache_hierarchy import PrivateL1CacheHierarchy
from gem5.components.memory.single_channel import SingleChannelDDR3_1600
from gem5.components.processors.cpu_types import CPUTypes
from gem5.components.processors.simple_processor import SimpleProcessor
from gem5.isas import ISA
from gem5.resources.resource import obtain_resource
from gem5.simulate.simulator import Simulator


# 一个用于测试不同 CPU 模型的简单脚本
# 我们将使用 AtomicSimpleCPU 和 TimingSimpleCPU 运行一个简单应用程序（matrix-multiply）
# 使用两种不同的缓存大小
...

让我们从原子 CPU 开始

cores.py 中的 cpu_type 应该已经设置为原子。

# 默认情况下，使用原子 CPU
cpu_type = CPUTypes.ATOMIC

# 对于步骤 2 和 3，取消注释
# cpu_type = CPUTypes.TIMING

让我们运行它！

cd /workspaces/2024/materials/02-Using-gem5/04-cores
gem5 --outdir=atomic-normal-cache cores.py

确保输出目录设置为 atomic-normal-cache。

接下来，尝试时序 CPU

将 cores.py 中的 cpu_type 更改为时序。

# 默认情况下，使用原子 CPU
# cpu_type = CPUTypes.ATOMIC

# 对于步骤 2 和 3，取消注释
cpu_type = CPUTypes.TIMING

让我们运行它！

gem5 --outdir=timing-normal-cache cores.py

确保输出目录设置为 timing-normal-cache。

现在，尝试更改缓存大小

转到这行代码。

cache_hierarchy = PrivateL1CacheHierarchy(l1d_size="32KiB", l1i_size="32KiB")

将 l1d_size 和 l1i_size 更改为 1KiB。

cache_hierarchy = PrivateL1CacheHierarchy(l1d_size="1KiB", l1i_size="1KiB")

让我们运行它！

gem5 --outdir=timing-small-cache ./materials/02-Using-gem5/04-cores/cores.py

确保输出目录设置为 timing-small-cache。

现在让我们尝试使用原子 CPU 的小缓存

将 cores.py 中的 cpu_type 设置为原子。

# 默认情况下，使用原子 CPU
cpu_type = CPUTypes.ATOMIC

# 对于步骤 2 和 3，取消注释
# cpu_type = CPUTypes.TIMING

让我们运行它！

gem5 --outdir=atomic-small-cache cores.py

确保输出目录设置为 atomic-small-cache。

大纲

统计信息

查看操作数量

运行以下命令。

grep -ri "simOps" *cache

以下是预期结果。（注意：为便于阅读，已删除部分文本。）

atomic-normal-cache/stats.txt:simOps                                       33954560
atomic-small-cache/stats.txt:simOps                                        33954560
timing-normal-cache/stats.txt:simOps                                       33954560
timing-small-cache/stats.txt:simOps                                        33954560

“Ops” 可能与 “Instructions” 不同，因为 gem5 将指令分解为”微操作”。 x86 高度微码化，所有 ISA 在 gem5 中都有一些微码指令。

查看执行周期数

运行以下命令。

grep -ri "cores0.*numCycles" *cache

以下是预期结果。（注意：为便于阅读，已删除部分文本。）

atomic-normal-cache/stats.txt:board.processor.cores0.core.numCycles        38157549
atomic-small-cache/stats.txt:board.processor.cores0.core.numCycles         38157549
timing-normal-cache/stats.txt:board.processor.cores0.core.numCycles        62838389
timing-small-cache/stats.txt:board.processor.cores0.core.numCycles         96494522

请注意，对于原子 CPU，大缓存_和_小缓存的周期数是相同的。

这是因为原子 CPU 忽略了内存访问延迟。

关于 gem5 统计信息的额外说明

当您为统计文件指定输出目录时（当您使用标志 --outdir=<outdir-name>），请转到 <outdir-name>/stats.txt 查看完整的统计文件。

例如，要查看具有小缓存的原子 CPU 的统计文件，请转到 atomic-small-cache/stats.txt。

通常，如果您不指定输出目录，它将是 m5out/stats.txt。

其他要查看的统计信息

大纲

让我们配置一个自定义处理器！

使用的材料

materials/02-Using-gem5/04-cores/cores-complex.py

materials/02-Using-gem5/04-cores/components/processors.py

步骤

  1. 更新类 Big(O3CPU) 和 Little(O3CPU)
  2. 使用 Big 处理器运行
  3. 使用 Little 处理器运行
  4. 比较统计信息

我们将在两个自定义处理器上运行相同的工作负载（matrix-multiply）。

配置两个处理器

我们将创建一个快速处理器（Big）和一个慢速处理器（Little）。

为此，我们将在每个处理器中更改 4 个参数。

配置 Big

打开以下文件： materials/02-Using-gem5/04-cores/components/processors.py

在右侧，您将看到 class Big 当前的样子。

将参数值更改为以下值：

###

class Big(O3CPU):
    def __init__(self):
        super().__init__(
            width=0,
            rob_size=0,
            num_int_regs=0,
            num_fp_regs=0,
        )

配置 Little

现在，在右侧，您将看到 class Little 当前的样子。

将参数值更改为以下值：

###

class Little(O3CPU):
    def __init__(self):
        super().__init__(
            width=0,
            rob_size=0,
            num_int_regs=0,
            num_fp_regs=0,
        )

使用 Big 处理器运行

我们将运行以下文件。 materials/02-Using-gem5/04-cores/cores-complex.py

首先，我们将使用 Big 处理器运行 matrix-multiply。

使用以下命令运行：

gem5 --outdir=big-proc cores-complex.py -p big

确保输出目录设置为 big-proc。

使用 Little 处理器运行

接下来，我们将使用 Little 处理器运行 matrix-multiply。

使用以下命令运行：

gem5 --outdir=little-proc cores-complex.py -p little

确保输出目录设置为 little-proc。

比较 Big 和 Little 处理器

运行以下命令。

grep -ri "simSeconds" *proc && grep -ri "numCycles" *proc

以下是预期结果。（注意：为便于阅读，已删除部分文本。）

big-proc/stats.txt:simSeconds                                           0.028124
little-proc/stats.txt:simSeconds                                        0.036715
big-proc/stats.txt:board.processor.cores.core.numCycles                 56247195
little-proc/stats.txt:board.processor.cores.core.numCycles              73430220

我们的 Little 处理器比 Big 处理器花费更多的时间和更多的周期。