Nehalem mikroarhitektura

Intel svoj model razvoja procesorske mikroarhitekture naziva "Tick-Tock", u kojem se izmjenjuje predstavljanje nove mikroarhitekture sa novim proizvodnim procesom. Prva Tock faza tj. nova mikroarhitektura su bili Conroe (Merom) procesori napravljeni u 65nm procesu, nakon kojih je uslijedila Tick faza tj. Penryn procesori napravljeni u 45nm procesu. Danas je red na novoj Tock fazi, tj. novoj mikroarhitekturi proizvedenoj na postojećem 45nm procesu. Sljedeći Tick će biti smanjivanje tog proizvodnog procesa u 32nm iz čega će proizaći novi Westmere procesori, a potpuno nova mikroarhitektura, tj. novi Tock će biti Sandy Bridge na 32nm. Danas ćemo se ipak zadržati na Nehalemu.

Ronak Singhal, glavni arhitekt Nehalem mikroarhitekture, otvorio je Munchenski workshop predstavljanjem arhitekturalnih novosti i novog power managementa Nehalema. Saznali smo kako će prvi procesori kodnog imena Bloomfield bazirani na Nehalem arhitekturi nositi marketinško ime Core i7, te kako će ih za početak biti tri. Svi će imati četiri jezgre i podržavati HyperThreading, što je bila jedna od značajki Pentium 4 procesora i njegove NetBurst arhitekture. Bloomfieldi su napravljeni u Intelovom 45nm proizvodnom procesu, imaju 731 milijun tranzistora, 8M trećestupanjske priručne memorije, podržavaju SSE4.2 instrukcije i možda najbitnije od svega imaju integrirani DDR3 memorijski kontroler (kao AMD-ovi procesori). O svemu tome detaljnije pročitajte u daljenjem tekstu, a u opisu ćemo krenuti od početka.

U dizajniranju nove arhitekture, vodili su se mišlju kako bi novi procesori trebali biti brzi kako u single-threaded tako i u multi-threaded aplikacijama, a kada se od njih ne zahtijeva snaga i brzina morali su biti štedljivi. Kao baza je naravno korištena poznata Core arhitektura, koja je kako znamo donijela radikalne promjene u odnosu na NetBurst. Na slici iznad vidimo kako izgleda i kako je podijeljen jedan Quad-Core Nehalem. Intel ga dijeli na "un-core" i "core" dio. Pod "un-core" spada L3 priručna memorija, I/O dijelovi, memorijski kontroler i dva QPI-a (Quick Path Interconnect). U slučaju Bloomfielda QPI je samo jedan, dok serverski čipovi imaju dva.

Trećina jedne jezgre otpada na L1 i L2 priručne memorije, trećina pripada izvršnom "out of order" dijelu, a preostalu trećinu zauzima dekoder, logika za predviđanje grananja, rukovanje memorijom i "paging". U odnosu na Core arhitekturu, Nehalemov front-end donosi poboljšanja u Macrofusionu, Loop Stream Detectoru (28 Micro-Opsa u odnosu na 18 kod Core-a, te uklanjanje dekodera) i u logici za predviđanje grananja (uvedeni L2 Branch Predictor i Advanced Renamed Return Stack Buffer (RSB)). Izvršni dio jezgre koji izvodi upravljanje i izvršavanje opercija je i dalje sposoban izvršiti 4 instrukcije po taktu, ima 128-bita široki SSE te Super Shuffle. Nehalem donosi povećani paralelizam ("out of order" struktura veća za 33% u odnosu na Conroe), poboljšani memorijski podsistem (nova TLB hijerarhija), brzi 16-bajtni "unaligned" pristup priručnoj memoriji te brža sinkronizacija primitiva (LOCK prefix, XCHG) što rezultira većom skalabilnošću.

Intelova Hyper-Threading tehnologija, poznata i kao SMT (Simultaneous Multi-Threading) se vratila, a oni se pak ponovno hvale svi njenim predostima. HT je sada učinkovitiji jer iskorištava izvršni mehanizam širine 4 instrukcije po taktu, kojeg konstantno puni sa višestrukim threadovima (dretvama), te skriva latenciju jedne dretve. Najviše ističu kako je HT najbolja funkcija po pitanju efikasnisti, jer ne zauzima puno mjesta na jezgri (minimalno povećanje logike), a znatno poboljšava performanse (u ovisnosti o aplikaciji). SMT na Nehalemu profitira dodatno zbog veće priručne memorije i povećane memorijske propusnosti čitave arhitekture.

Ustroj priručne memorije je doživio znatne promjene, a vrlo je sličan Phenomovom. Trostupanjski ustroj donosi 64KB L1 memorije (32KB instrukcijske + 32KB podatkovne), koja je usporena je u odnosu na arhitekturu Penryn procesora (4 ciklusa vs. 3 ciklusa). L2 memorije je sada "samo" 256KB po jezgri. Unificirana (instrukcijska i pdatkovna), 8-smjerna, te služi kao međuspremnik L3 memoriji (brzina je 10 ciklusa). Treći stupanj priručne memorije je i najzanimljiviji te ćemo se na njemu malo duže zadržati. Ukupno se 8MB L3 memorije se nalazi na "un-core" dijelu procesora i ona je dijeljena između svih jezgri. U slučaju prva tri Bloomfielda količina memorije je 8MB, a do povećanja će doći kada se poveća i broj jezgri. L3 memorija je uključiva, što znači da su i podaci iz L1 i L2 memorija u njoj (ukoliko podaci nisu u L3, CPU zna da nisu ni u L1, ni u L2 ni u jezgrama). Smisao iza ovoga je smanjivanje "core snoop" prometa što povećava performanse i smanjuje potrošnju energije. Ovaj "on-die snoop filter" će jako dobro doći prilikom povećanja broja jezgri.

Sljedeće velike novosti su odmak od klasične arhitekture FSB-a na novu QPI (QuickPath Interconnect) i integracija memorijskog kontrolera "on-die". Integrirani memorijski kontroler podržava DDR3 memoriju, do tri kanala po socketu, RDIMM i UDIMM te RAS značajke. To znači kako će te za potpuno iskorištenje velikog memorijskog bandwidtha Nehalema morati koristiti tri DDR3 memorijske pločice niskih latencija, a proizvođači su kao što već znamo počeli sa isporukom "triple-channel" kitova. Nehalem inicijalno podržava 1066MHz DDR3 memoriju, no putem overclockinga je moguće dobiti i više brzine. Ipak, postizanje viših brzina može ograničiti maksimalni napon od 1.6V koji smijemo "dati" memoriji. Znamo da današnji DDR3 kitovi za veće brzine zahtijevaju nerijetko i 2.0V, a s obzirom da je memorijski kontroler sada u procesoru nije preporučljivo podizati napon ovako visoko. Ubuduće će na tržište doći i procesori koji će imati samo dva aktivna memorijska kontrolera. Tu dolazimo i do činjenice kako će programeri sada morati brinuti i kako Intelovi sistemi sada imaju i Non-Uniform Memory Access (NUMA), što postaje bitno kod multi-socket setupa.

QPI zamjenjuje dosadašnji FSB, a vrlo je sličan Hyper Transport-u, te će serverski Nehalemi znatno profitirati zbog činjenice da je dosta softvera već prilagođeno AMD-ovoj serverskoj arhitekturi i HT-u. High-end Nehalemi će imati dva bi-direkcionalna QPI linka koji će u jednom smjeru raditi na brzini od 6.4GT/s, što znači da će ukupni bandwidth biti 25.6GT/s. Mainstream Nehalemi će imati samo jedan bi-direkcionalni QPI link.

Intel je sa novom arhitekturom poboljšao i virtualizacijske sposobnosti što će se posebno odraziti na serverske platforme. Sa Penrynom je Intel SSE4 instrukcijski set proširio na SSE4.1, a sada su sa Nehalemom dodali još instrukcija i nazvali ga SSE4.2 (znamo da naziv SSE5 koristi AMD).

Jednako zanimljiva novost je i integracija PCU (Power Control Unit) kontrolera i uklanjanje domino logike koja je korištena do sada. Na PCU je potrošeno oko 1 milijun tranzistora (toliko je imao Intel 486 procesor). PCU ima svoj firmware koji se u realnom vremenu brine o temperaturama, struji, snazi i zahtjevima operativnog sistema. Kao što je vidljivo sa slike, svakoj jezgri je dodijeljen jedan PLL, te stoga svaka može raditi na neovisnom taktu (kao i kod Phenoma) i naponu. Nehalemove jezgre mogu individualno biti kompletno ili skoro ugašene kada su u dubokim sleep stanjima, dok sa trenutnim procesorima to nije moguće. Drugim riječima, Nehalemova integrirana strujna vrata dozvoljavaju jednoj ili više jezgri da u operativnom stanju rade na nominalnoj voltaži, dok je preostalim neaktivnim jezgrama u potpunosti moguće prekinuti dovod struje. Duboko C6 stanje je dakle sada omogućeno za svaku jezgru, a kao dodatak tome, i "un-core" logiku je moguće poslati u C6, te time još više sniziti potrošnju. Izlazak iz ovako dubokih stanja traje dugo, i tu PCU stupa na scenu tako što prati situaciju i po potrebi ne dozvoljava odlazak u duboka C6 stanja. PCU dakle prati i zahtjeve OS-a, te može donijeti inteligentne odluke u koje stanje poslati jezgre, bez obzira što mu OS govori. Još jedna prednost ovakvog on-die power managementa je da se promjene napona ostvaruju puno brže, što dovodi do efikasnijeg iskorištavanja energije.

Posljednja novost vezana uz Nehalem mikroarhitekturu je Turbo Mode. Premda je to predstavljeno još sa mobilnim Penryn procesorima, na Nehalemima je sve naravno unaprijeđeno. Turbo Mode je sastavni dio Intelove Speed Step tehnologije i operativni sistem ju tretira kao još jedno P-stanje. Ukoliko se pokaže potreba za višim performansama Turbo Mode se uključuje i povišava frekvenciju jednoj ili dvjema jezgrama iznad nominalnih vrijednosti (mijenja množitelj), dok ostale dvije zadržavaju istu radnu frekvenciju ili mogu postati neaktivne. Ovo naravno ovisi o aplikaciji i koliko threadova koristi, no sve mora ostati unutar TDP-a. Ukoliko on naraste iznad 130W jezgrama se automatski snižava frekvencija. Kako to funkcionira u praksi pokazati ćemo Vam kasnije u tekstu. Sada krenimo na opis Bloomfield procesora koji su nam pristigli na test.