实验设计 | Gem5 模拟器

Gem5 体系结构实验设计



环境搭建

实验平台

  • Windows 11
  • Docker Desktop
  • Gem5 Ubuntu 24.04_all_dependencies 镜像

推荐使用 Docker 进行实验，基础镜像为 Ubuntu 24.04，并带 gem5 编译所需全部依赖。

配置

请参考 gem5 官方手册[1]进行下载编译。

拉取镜像

docker pull ghcr.io/gem5/ubuntu-24.04_all-dependencies:latest@sha256:9059624b21b7c6fef297ed60f3eb323047bb217ac5165d306f6a2aca8072782e

下载 gem5 源码

git clone https://github.com/gem5/gem5

挂载 gem5 目录并启动镜像

docker run
--volume <GEM5_PATH>:/gem5
-it
--name mygem5
ghcr.io/gem5/ubuntu-24.04_all-dependencies

编译 gem5

cd /gem5 && scons build/X86/gem5.opt

实验背景与目的

Gem5 模拟器

计算机体系结构课程实验教学中，常常采用 RTL 代码编写+计算机硬件实验平台、实验箱、开发板验证方式，了解体系结构知识。然而，硬件平台验证困难，RTL 代码编写速度慢、调试成本高，同学在有限时间内无法对体系结构建立完整的概念。

Gem5 模拟器是一款体系结构模拟器，有着高度可配置、集成多种指令集和多种 CPU 模型的特点。它是集 M5 模拟器和 GEMS 模拟器中最优秀的部分而形成的。其中，GEMS 是密歇根大学开发的模拟器，主要用于多种指令集和多种 CPU 模型的模拟；M5 模拟器由威斯康星大学开发，能够灵活、详细地模拟存储器的层次结构，包括缓存一致性协议和片上网络等。

通过使用模拟器，可以规避繁琐的实现细节，而快速高效地建立体系结构的量化设计概念。通过 Gem5 模拟器进行实验设计，可在相同的实验课时内设计更加复杂的实验，并能够快速探索设计空间，为体系结构方向的进一步深造打下基础。

Gem5 优势

Gem5 支持多种 ISA，可选择合适架构设计实验。在 Alpha、ARM、SPARC 和 X86 上，可进行全系统模拟。Gem5 还可以加载操作系统，具备模拟乱序执行、分支预测等现代微架构的能力，支持 classic 和 Ruby 存储模型，支持 AtomicSimple、Timing Simple、InOrder 和 O3 CPU 等多种处理器模型。同时，Gem5 的源代码遵循 BSD 开源协议，便于设计与分发实验。

本实验基于 X86 ISA，并主要基于 two_level 脚本运行测试负载。

BPU 实验概述

BiMode[2] 预测器模型直接继承自 BranchPredictor 类，带跳转预测、方向预测两个基本的预测单元和一个选择预测器。基本 BiMode 预测器使用一个预测位作为 Choice。

请仿照 BiModeBP 实现一个 MyBP 预测器模型，是微调 BiMode 预测器得到。并练习完成一个完整的 Gem5 SimObject 实现，在该过程中加深对 Predictor 和 Gem5 的理解。同时，通过分析 Gem5 输出，建立基本的量化设计概念。

Cache 实验概述

缓存是 Mem 性能优化的重要一环。通过实验，可以理解并评估不同缓存策略对系统性能的影响，针对负载找出最优配置，提高数据访问速度。

可通过命令行参数直接配置 gem5 的缓存架构。通过尝试不同的缓存配置（如相联度等），加深对 CPU Cache 理解。

与传统实验对比

传统缓存实验基于 RTL 代码进行，设计时间长，且产物相对简单。以 Cache 实验为例，受限于硬件平台资源，大多只能设计 L1 Cache，对负载的运行性能优化失真。

本实验可与 RTL Cache 实验形成搭配。Gem5 实验帮助建立缓存体系结构的整体概念；通过简单的参数配置，可快速获得不同缓存配置下的性能参数，进而可进行数据分析等。

BPU 实验流程

熟悉 BranchPredictor.py

Gem5 SimObject 分为三部分。

  1. Scons 描述
  2. Python 描述
  3. C++ 实现

首先仿照 BiMode，编写 MyBP（在 BiMode 基础上微调）的 Python 描述。文件路径为 /gem5/src/cpu/pred/BranchPredictor.py，在其中添加：

Class MyBP(BranchPredictor):
	# 实验目的：微调 BiMode 得到 MyBP，使用饱和计数器代替预测位，过滤分支波动。
	# 请复制以下内容

	type = "MyBP"
	cxx_class = "gem5::branch_prediction::MyBP"
	cxx_header = "cpu/pred/my_bp.hh"

	# 以下内容仿照 Class BiModeBP，但请修改多种 choiceCtrBits 配置 (红字部分)，尝试不同深度的饱和计数器。
	globalPredictorSize = Param.Unsigned(8192, "Size of global predictor")
	globalCtrBits = Param.Unsigned(2, "Bits per counter")
	choicePredictorSize = Param.Unsigned(8192, "Size of choice predictor")
	choiceCtrBits = Param.Unsigned(3, "Bits of choice counters")

然后添加 C++ 实现和头文件实现，请取附件中的 my_bp.cc 和 my_bp.hh，放置在 /gem5/src/cpu/pred/ 目录下。

最后进行 Scons 描述。文件路径为 /gem5/src/cpu/pred/SConscript，在其中添加：

SimObject(BranchPredictor.py, sim_objects=[
...
+ ‘MyBP’
])
...
+ # 并在末尾添加
+ Source(‘my_bp.cc’)
+ DebugFlag(‘MyBP’)

入口脚本

在 ./configs/learning_gem5/part1/ 新建 run_mybp.py，其内容可复制自同一目录下的 two_level.py，为了带前一节实现的预测器运行，做如下修改：

- System.cpu = X86TimingSimpleCPU()
+ System.cpu = DerivO3CPU( branchPred=MyBP() )

Benchmark 见实验附件，请新建目录 ./benchmarks/ 并放置其中。在 1.2 中，学习了 gem5.opt 的编译。现在由于文件改动，请重新编译，然后方可运行 run_mybp 脚本。

进 Benchmark 目录并编译测试集，然后回上级目录

gcc ./spectre.c -o ./spectre

Gem5，启动

./build/X86/gem5.opt ./configs/learning_gem5/part1/run_mybp.py ./benchmarks/spectre

见到如下输出即为运行成功：

image

Cache 实验流程

带 Cache 运行 gem5

使用 ./configs/learning_gem5/part1/two_level.py 作为入口脚本，并统一修改 TimingSimpleCPU 模型为 O3CPU 模型（即 system.cpu = DerivO3CPU()，参考 3.2）

为了配置缓存，请在同级目录下的 caches.py 中进行配置，通过修改模型类的属性（如 L2Cache 类的 size 属性）即可完成配置。运行时这些配置（包括 L1i，L1d，L2 等）将自动生效。caches.py 默认为 256kB + 8-way.

./build/X86/gem5.opt ./configs/learning_gem5/part1/two_level.py ./benchmarks/spectre

Gem5 内容补充

Gem5 的补充知识点可关注下图。

其中

  • build_opts 定义了 ARM、X86 和 RISC-V 等体系结构的默认设置，无需关心。
  • configs 包含一系类模拟器配置脚本文件，主要用 Python 编写，是修改模拟器配置文件参数的关键部分。
  • src 是 Gem5 源代码的关键部分，包含体系结构各部分的详细代码。
  • system 描述模拟系统的固件和引导信息。

实验说明

数据分析

Stats.txt 是 Gem5 的输出文件，位于 ./m5out/ 目录，通过分析该文件可以获得不同模拟配置下的性能。

对于 BPU 实验，应至少分析程序执行时间、IPC、BTB 命中率、BTBMisPrediction 四个指标，并进行可视化。其对应的条目分别为：

  • simseconds
  • system.cpu.ipc
  • system.cpu.branchPred.BTBHitRatio
  • system.cpu.branchPred.BTBMispredicted

对于 Cache 实验，应至少分析 L2Hits、L2Miss、L2HitRate 三个指标，并进行可视化。其对应的条目分别为：

  • system.l2cache.overallMisses::total
  • system.l2cache.overallHits::total
  • 1 - system.l2cache.overallMissRate::total

实验要求

对于 BPU 实验，应运行 BiMode、LTAGE 两种基本现代预测器模型[3]，并自行微调 MyBP 的 Choice 计数器，至少实现阈值为 3 (22 - 1，即 choiceCtrBits = Param.Unsigned(3, …)) 和 7 (23 - 1，即 choiceCtrBits = Param.Unsigned(4, …)) 两种饱和计数器深度。观察性能变化。

对于 Cache 实验，请运行以下配置：

配置 L1 L1-assoc L2 L2-assoc
1 64kB L1d, 16kB L1i 2 256kB 4
2 64kB L1d, 16kB L1i 2 256kB 8
3 64kB L1d, 16kB L1i 2 512kB 8
4 64kB L1d, 16kB L1i 2 512kB 16

结合数据分析性能。当前的缓存配置偏小，因此命中率低，可以继续调大 Cache Size，并记录性能。

附件

Gem5Lab-Pred-Cache.zip

  1. https://www.gem5.org/documentation/general_docs/building ↩︎

  2. Chih-Chieh Lee, I. . -C. K. Chen and T. N. Mudge, "The bi-mode branch predictor," Proceedings of 30th Annual International Symposium on Microarchitecture, Research Triangle Park, NC, USA, 1997, pp. 4-13, doi: 10.1109/MICRO.1997.645792. ↩︎

  3. 参考 3.2，设置 branchPred = … ↩︎

posted @ 2025-04-21 13:25  Miya_Official  阅读(95)  评论(0)    收藏  举报