計算機構成 第9回 POCOの性能評価と論理合成 テキスト7章 情報工学科 天野英晴

ＣＰＵの性能評価 プログラムを走らせてその実行時間を比較 走らせるプログラム デスクトップ、ラップトップ：ＳＰＥＣベンチマーク サーバー：TPC スーパーコンピュータ：Linpack, LLL 組み込み：EEMBC, MiBench 走らせるプログラム 〇実プログラムによるベンチマーク集 △カーネル：プログラムの核となる部分 ×トイプログラム：Quicksort, 8queen, エラトステネスの篩 ×合成ベンチマーク：Whetstone, Dhrystone

評価のまとめ方、報告の仕方 複数のプログラムからなるベンチマークの実行時間をどのように扱うか？ 結果の報告 基準マシンを決めて相対値を取る 複数のプログラムに対しては相乗平均を取る 〇プログラムの実行時間、基準マシンに依らない一貫性のある結果が得られる ×非線形が入る 結果の報告 再現性があるように ハードウェア：　動作周波数、キャッシュ容量、主記憶容量、ディスク容量など ソフトウェア：OSの種類、バージョン、コンパイラの種類、オプションなど

MIPS, MFLOPS, MOPS MIPS (Million Instructions Per Second) 一秒間に何百万個命令が実行できるか？ 一命令がどの程度の機能を持っているかが入っていない 異なる命令セット間の比較には無意味な基準 しかし分かりやすいし、IntelやARM間の比較にならばそれなりに有効 MFLOPS (Million FLoating Operations Per Second) 一秒間に何百万回浮動小数演算ができるか？ 本来、MIPSより公平な基準だが、平方根や指数などの命令を持つかどうかで問題が生じる→正規化FLOPS MOPS(Million Operations Per Second)はDSP（信号処理用プロセッサ）など整数演算の実行回数で評価する（積和演算回数だったりする）。

FLOPS 10PFLOPS = 1秒に1京回浮動小数点演算を行う → 「京」の名前の由来 10の6乗 10の9乗 10の12乗 10の15乗 10の18乗 100万 M（メガ） 10億 G（ギガ） 1兆 T（テラ） 1000兆 P（ペタ） 100京 E（エクサ） スーパーコンピュータ 数10TFLOPS-10PFLOPS iPhone4S 140MFLOPS ハイスペックなPC 50-80GFLOPS アクセラレータ 数TFLOPS 注意！　スーパーコンピュータの 性能向上率は1.9倍/年 10PFLOPS　=　1秒に1京回浮動小数点演算を行う →　「京」の名前の由来

ＣＰＵの性能、コスト、電力 プログラム実行時間＝ 実行する命令数×CPI×クロック周期 コスト：半導体上の面積 CPI (Clock cycles Per Instruction) 1命令を実行するのに何クロック掛かるか？ 今のPOCOはCPI=1 クロック周期：論理合成結果から求める クロック周波数= 1/(クロック周期) コスト：半導体上の面積 実装上一定の値以下にする必要がある コストは面積の4乗に比例とも言われる 電力：動作電力(Dynamic)とリーク電力 動作電力は放熱、電源設計に重要 リーク電力はバッテリーの保持時間にとって重要 →　論理合成、圧縮結果から求める

プロセッサの動作周波数は2003年で限界に達した クロック周波数の向上 Pentium4 3.2GHz Nehalem 3.3GHz 高速プロセッサのクロック周波数 周波数 京2GHz 1GHｚ 年間40％ プロセッサの動作周波数は2003年で限界に達した 消費電力、発熱が限界に Alpha21064 150MHz 100MHｚ 1992 2008 2000 年

論理合成と圧縮 ＶｅｒｉｌｏｇＨＤＬで記述しただけでは実際に動くシステムはできない チップ上でＣＰＵを実現する ＦＰＧＡ上でＣＰＵで実現する 論理合成、圧縮が必要 対象デバイスのゲート接続の形に変換 チップ上でＣＰＵを実現する Synopsys社Design Compiler　→今回使う ＦＰＧＡ上でＣＰＵで実現する ＦＰＧＡベンダのツール　→情報工学実験第2

フロントエンド設計 System-CなどCレベル設計 高位合成 Verilog-HDL, VHDLなどハードウェア記述言語でRTL設計 論理シミュレーション バグ 論理合成・圧縮 Synopsys社 Design Compiler 論理合成後のネットリスト バグ 論理合成後シミュレーション バックエンド

バックエンド設計 論理合成後ネットリスト フロアプラン 電源ネット生成 レイアウトツール Synopsys社IC Compiler Cadence社SoC Encounter 配置 クロックツリー生成 配線 最適化 レイアウトデータ（GDS) エラー エラー DRC, LVS, ERC Formulation検証 実配線シミュレーション

Design Compilerによる論理合成 ライセンスの関係で天野研究室のマシン(sirius.am.ics.keio.ac.jp)を使う アカウント情報は注意して管理 ＶＤＥＣのライセンスなので教育研究専用 対象デバイスは、オクラホマ大のTSMC 0.18um CMOSプロセスを利用 ライブラリのセル数が少ない プロセスが時代遅れ しかし、商用プロセスのライブラリを利用するためにはＮＤＡ契約が必要、非常に高価 バッチ処理で用いる tclファイル(ここではpoco.tcl)にやることを書いておく design_visionでゲート配線が見れるがこれは参考程度に使う 実行 dc_shell-t –f poco.tcl | tee poco.rpt レポートファイルがpoco.rptに生成される

poco.tclの中身 set search_path [concat "/home/cad/lib/osu_stdcells/lib/tsmc018/lib/" $search_path] set LIB_MAX_FILE {osu018_stdcells.db } set link_library $LIB_MAX_FILE set target_library $LIB_MAX_FILE read_verilog alu.v read_verilog rfile.v read_verilog poco1.v current_design "poco" create_clock -period 8.0 clk ライブラリの設定 ファイルの読み込み クロック周期の設定：８nsec →　125MHz

入出力遅延の設定 set_input_delay 2.5 -clock clk [find port "idatain*"] set_input_delay 7.0 -clock clk [find port "ddatain*"] set_output_delay 7.5 -clock clk [find port "iaddr*"] set_output_delay 3.0 -clock clk [find port "ddataout*"] set_output_delay 3.0 -clock clk [find port "daddr*"] set_output_delay 3.0 -clock clk [find port "we"]

入力遅延の設定 Y S ext ext11 A B ＋ ＋ ext ext0 PC 2.5ns 7ns … … 命令メモリ データメモリ ‘0’ 2:0 00 Y THB 01 S 00 0１ １0 pcsel ext ext11 ADD 10 A B alu_bsel ＋ comsel zero 7:0 10:0 00 01 10 ‘1’ zero ＋ ext ext0 7:0 rf_a rf_b １ pcjr aadr 10:8 badr PC cadr 1 ‘7’ rf_c rwe rf_csel casel 00 01 10 7:5 2.5ns idatain 7ns ddatain iaddr … … ddataout daddr 命令メモリ データメモリ we

出力遅延の設定 Y S ext ext11 A B ＋ ＋ ext ext0 PC 0.5nsくらいは必要 8-0.5=7.5ns 7ns ‘0’ 2:0 00 Y THB 01 S 00 0１ １0 pcsel ext ext11 ADD 10 A B alu_bsel ＋ comsel zero 7:0 10:0 00 01 10 ‘1’ zero ＋ ext ext0 7:0 rf_a rf_b １ pcjr aadr 10:8 badr PC cadr 1 ‘7’ rf_c rwe rf_csel casel 00 01 10 0.5nsくらいは必要 8-0.5=7.5ns 7:5 idatain 7ns ddatain 5nsくらいは必要 8-5=3ns iaddr … … ddataout daddr 命令メモリ データメモリ we

残りの設定 set_max_fanout 12 [current_design] set_max_area 0 ファンアウトは12 set_max_fanout 12 [current_design] set_max_area 0 compile -map_effort medium -area_effort medium report_timing -max_paths 10 report_area report_power write -hier -format verilog -output poco.vnet quit 面積は小さいほど良い そこそこがんばって 長い方から10本表示 面積、電力を表示 ネットリスト生成

クリティカルパスの表示 クロックの立上りがスタート 遅延時間の合計は7.79 クロックの立上りがエンド セットアップタイム0.18 Point Incr Path -------------------------------------------------------------------------- clock clk (rise edge) 0.00 0.00 clock network delay (ideal) 0.00 0.00 input external delay 2.50 2.50 r idatain[12] (in) 0.00 2.50 r … rfile_1/r7_reg[15]/D (DFFPOSX1) 0.00 7.79 r data arrival time 7.79 clock clk (rise edge) 8.00 8.00 clock network delay (ideal) 0.00 8.00 rfile_1/r7_reg[15]/CLK (DFFPOSX1) 0.00 8.00 r library setup time -0.18 7.82 data required time 7.82 data arrival time -7.79 slack (MET) 0.04 クロックの立上りがスタート 遅延時間の合計は7.79 クロックの立上りがエンド セットアップタイム0.18 スラック（余裕）が0.04 動作周波数＝１/（目標周期ースラック）　スラックがマイナスのときは加算する

クリティカルパス Y S ext ext11 A B ＋ ＋ ext ext0 PC 7ns … … 命令メモリ データメモリ ‘0’ 00 2:0 00 Y THB 01 S 00 0１ １0 pcsel ext ext11 ADD 10 A B alu_bsel ＋ comsel zero 7:0 10:0 00 01 10 ‘1’ zero ＋ ext ext0 7:0 rf_a rf_b １ pcjr aadr 10:8 badr PC cadr 1 ‘7’ rf_c rwe rf_csel casel 00 01 10 7:5 idatain 7ns ddatain iaddr … … ddataout daddr 命令メモリ データメモリ we

面積と電力評価 Combinational area: 35211.000000 Noncombinational area: 15104.000000 Net Interconnect area: undefined (No wire load specified) Total cell area: 50315.000000 Total area: undefined （単位は多分um2：　0.2mm角くらい） Cell Internal Power = 2.7845 mW (76%) Net Switching Power = 868.9760 uW (24%) --------- Total Dynamic Power = 3.6535 mW (100%) Cell Leakage Power = 88.5728 nW 組み合わせ回路 Ｆ．Ｆ． ここはレイアウトしないとわからない ネットを駆動する 電力 内部を含む全動作電力 もれ電力は0.18umではあまり多くない １２５ＭＨｚ動作時、シミュレーションをしていないため、スイッチング率は50％で評価しており 結果は目安に過ぎない

演習 １．周期を7.8nsにしてＰＯＣＯを論理合成し、 動作周波数、面積、電力を評価せよ。