Branch Prediction Based on Dynamic Polarity Transformation

Abstract

针对动态分支预测错误率在时间上分布不均匀且高错误率比较集中的特点，该文提出一种可动态变换预测极性的分支预测方法。该方法对未经极性变换的原始动态分支预测错误率进行自适应监测，筛选出原始动态分支预测错误率高于阈值的预测错误高峰期，进而调整预测错误高峰期内分支预测器的预测极性，使经过极性变换的最终动态分支预测错误率在程序运行过程中始终低于设定的阈值。该文同时研究了全局监测、按组监测和局部监测3种分支预测错误率监测方式。实验结果表明，相同硬件资源下该方法比Gshare和Bi-Mode分支预测方法具有更高的分支预测精度。