Föreläsning 5 måndag 5e november 2007

Datorsystem 1 och Datorarkitektur 1

Föreläsning 5 måndag 5e november 2007

Datorsystem 1 och Datorarkitektur 1

Storleken har betydelse Litet är snabbt

Stort är långsamt

Vissa saker använder vi ofta Dessa saker vill vi ha nära till hands

Samma principer gäller för hur en dator använder sitt minne.

Vadå vissa saker?

Vadå ofta?

Lista med de senast slagna nummren.

Temporal Locality

If a data location is referenced then it is very likely to be accessed soon again.

De flesta av oss läser böcker från början till slut, dvs efter sida n läser vi sida n+1 osv.

Spatial Locality

If a data location is referenced, data locations with nearby addresses are likely to be accessed soon.

Level 0 – register!

Minne i flera nivåer (hierarki):

• snabbt och litet (dyrt) och litet minne nära processorn

• långsamt och stort (billigt) minne längre bort från processorn.

Cache från franska cacher - "gömma“.

A hiding place, esp. of goods, treasure, etc.

Example – Read Data

Op Address

Load 10110

Index V Tag Data

000 N

001 N

010 N

011 N

100 N

101 N

110 N 10 [10110]

111 N

10110 mod 8 = 110

Y

Example – Read Data

Op Address

Load 10110

Load 11010

Index V Tag Data

000 N

001 N

010 N 11 [11010]

011 N

100 N

101 N

110 Y 10 [10110]

111 N

11010 mod 8 = 010

Y

Example – Read Data

Op Address

Load 10110

Load 11010

Load 10110

Index V Tag Data

000 N

001 N

010 Y 11 [11010]

011 N

100 N

101 N

110 Y 10 [10110]

111 N

HIT

Example – Read Data

Op Address

Load 10110

Load 11010

Load 10110

Load 11010

Index V Tag Data

000 N

001 N

010 Y 11 [11010]

011 N

100 N

101 N

110 Y 10 [10110]

111 N

HIT

Example – Read Data

Op Address

Load 10110

Load 11010

Load 10110

Load 11010

Load 10000

Index V Tag Data

000 N 10 [10000]

001 N

010 Y 11 [11010]

011 N

100 N

101 N

110 Y 10 [10110]

111 N

MISS

Y

Example – Read Data

Op Address

Load 10110

Load 11010

Load 10110

Load 11010

Load 10000

Load 10010

Index V Tag Data

000 N 10 [10000]

001 N

010 Y 11 [11010]

011 N

100 N

101 N

110 Y 10 [10110]

111 N

MISS

10 [10010]

OK, så långt har vi utnyttjat temporal locality.

Vore bra om vi kunde utnyttja även spatial locality…

Cache Size

Example continued...

Op Address

Load 10110

Load 11010

Load 10110

Load 11010

Load 10000

Load 10010

Write 10010

Index V Tag Data

000 N 10 [10000]

001 N

010 Y 10 [11010]

011 N

100 N

101 N

110 Y 10 [10110]

111 N

???

[10010]

Example continued...

Op Address

Load 10110

Load 11010

Load 10110

Load 11010

Load 10000

Load 10010

Write 10010

Load 11010

Index V Tag Data

000 N 10 [10000]

001 N

010 Y 10 [10010]

011 N

100 N

101 N

110 Y 10 [10110]

111 N

MISS

[11010]11

Men nu suddade vi ju ut det som den förra operationen skrev…

Direkt-mappad cache

Ett block i minnet mappas till exakt ett bestämt block i cache.

Fullständigt associativt cache

Ett block i minnet kan mappas till vilket block som helst cache.

Partiellt associativt cache (set-associative)

Ett block i minnet kan mappas till två eller flera block i cache.

Enkel hårdvara men data kan tvingas ut ur cachet i onödan…

Komplicerad hårdvara för att kolla om data finns i cache eller inte…

En kompromiss!

Vilket block skall vi slänga ut ur cachet när ett nytt vill in?

Direkt-mappad cache

Ett block i minnet mappas till exakt ett bestämt block i cache.

Fullständigt associativt cache

Ett block i minnet kan mappas till vilket block som helst cache.

Partiellt associativt cache (set-associative)

Ett block i minnet kan mappas till två eller flera block i cache.

Enkel – vi har inget val!

Kan välja vilket som helst… vilket är det bästa valet?

Kan endast välja att kasta ut något från det set som blocket tillhör.

LRU (Least Recently Used)

Kasta ut det block som förblivit orört under längs tid!

Men vilket block skall vi välja ur ett set?