強大性能? Cell處理器技術解剖

導言：最新的CPU運算科技以及最先進的即時3D繪圖技術的展示平台在何處？不是企業伺服器，也不是家用電腦，而是在遊樂器平台上，3大遊樂器主機廠商戰事方興未艾，其中以Sony應用在PS3上的Cell處理器技術最讓眾人注目。

=================================================

　圖說：Cell處理器的問世，代表著全新一代的運算技術正式登場。

前言　2005年，全球遊戲市場產值已經突破了280億美元（IDC調查報告數據資料），3大遊戲主機廠商分別都推出了新世代主機計畫，在硬體的設計概念上雖大異其趣，但是在核心組件上，確有著不小的共通點，如今微軟Xbox360先走1步，意圖搶佔市場先機，然而Sony將上市的PS3卻如芒刺在背，讓微軟如坐針氈。　即使是邁向邊緣化的任天堂，雖然在硬體性能上偏弱勢，卻有著非常突出的遊戲思維。然而Sony與其他兩家遊樂器廠商不同的是，PS3代表的不只是次世代的遊樂器平台，更是推展Cell技術與Blu-Ray Disc的一個里程碑。

Cell的起源　

Sony自從加入遊樂器市場之後，所採用的都是RISC架構的中央處理器，從PS1時代與LSI公司合作的R3000A，與Toshiba及LSI兩大公司合作，為PS2設計了基於MIPS架構的Emotion Engine，到了次世代主機PS3上，更是結合了Toshiba以及IBM公司的力量，組成了STI陣營，從2001起年投入Cell處理器的研發工作，到2005年正式產品面世為止，總共歷時約5年，Cell處理器不止代表了Sony力圖在遊樂器市場上維持霸主的地位，同時也讓Toshiba及IBM這兩大盟友在各自的領域獲得助益。　過去處理器世界分為精簡指令集以及複雜指令集兩大陣營，並且互相對抗，複雜指令集自然是以Intel的X86處理器為首，精簡指令集這邊則是以PowerPC為大宗，並加上其他如SPARC、ALPHA等使用於高階伺服器的專用處理器，Apple、IBM以及Motorola所組成的AIM陣營過去一直在精簡指令集這塊市場耕耘，但是到了最後，由於微軟的刻意忽略，消費者的市場慣性，加上傳說中支援X86指令集的PowerPC 615難產，Apple轉而與微軟合作爭取支援，並將旗下Mac電腦改採用Intel處理器，而Motorola則是將處理器部門獨立出來，PowerPC架構只留下IBM獨力發展。　

而IBM也一改過去提供各種類處理器產品給客戶的作法，改為全力經營PowerPC這一塊處理器市場，並針對不同的客戶需求，進行PowerPC的各種客製化動作，比如說，供應給微軟Xbox360的3核心XCPU，任天堂Revolution主機所使用的雙核心Broadway處理器，都是基於PowerPC所演化出來的架構，基本上其所有權皆歸屬於IBM，後來與Sony及Toshiba合組的STI陣營，聯合研發Cell處理器，由於IBM處理器部門的長期虧損，這次聯合研發Cell處理器，也頗有背水一戰的感覺。　

STI三大巨頭的合作模式　STI是由Sony、Toshiba以及IBM所聯合組成，主要使命在於研發Cell處理器，其實在Cell之前，IBM就曾經提供了改版自PowerPC的Gekko處理器供任天堂的GameCube使用，這也是IBM首次跨足遊樂器中央處理器市場。GameCube除了被公認為硬體設計非常的均衡之外，藉由IBM的技術支持，提供了相關的軟體開發套件，因此GameCube的軟體開發也變的相對簡易，雖然GameCube並沒有在遊樂器市場上取得絕對多數，但是與後起之秀的微軟Xbox仍然打了個五五波。　

Sony與IBM的合作也是著眼於此，藉助IBM的軟體開發技術，意圖一掃過去PS2時代因為硬體刁鑽，加上開發函式庫的不完整，致使遊戲開發商難以開發的缺點，基本上，完備的軟體開發套件可以大幅降低遊戲開發的時程以及成本。　除了PowerPC技術以及軟體開發上的訴求外，IBM還擁有1個很大的優勢，SOI、銅製程以及應變矽技術可以說領先於全球半導體產業，絕緣矽（Silicon on Insulator；SOI）技術是由IBM研發成功，主要是在矽晶片下添增氧化物的絕緣層，避免電氣效應，以降低電源消耗，減少電流的流失，加快IC的處理速度。　應用到Cell處理器上的製程技術包含了SOI技術以及應變矽技術，應變矽技術是指強迫矽晶格稍做伸展（約1％），穿過晶格的電子遷移率會提高不少，建築在矽之上的電晶體因而得以操作得更快。為了將應力加入矽，晶片製造商將它與其他晶格間距較大的結晶材料結合，比如說採用矽鍺混合物，許多製造商已經採用了這種做法。

例如英特爾公司在2004年底上市名為Prescott的Pentium 4 Extreme，就使用了應變矽。Cell在導入這兩項製程技術之後，可以確保在高頻化時代，於超高的效能表現下仍可以維持合理的電力消耗及溫度。　與Toshiba的合作則是另一個相當有趣的案例，Sony與Toshiba在次世代藍光光碟的競爭上是處於水火不相容的對立狀態，卻在半導體晶片上擁有緊密的合作關係，可見在商場上並沒有絕對的敵我。

從過去PS2 Emotion Engine與Toshiba合作以來，Cell算是兩家公司第二次合作了，Sony需要Toshiba的XDR記憶體和eDRAM製造技術支持（雖然最後Cell構並沒有引入eDRAM），而Toshiba則是對可應用於HDTV中的Cell嵌入式版本，以及IBM、Sony兩大公司的半導體技術及資金相當有興趣，這幾個相互的利益關係也促成了這次的合作。

Cell核心系統架構－跨越傳統CPU設計的思維　

過去CPU設計的目標不外乎是在每一個執行週期執行越多的指令，要不然就是拼命的將時脈拉高，在Pentium 4時代，由Intel主打的時脈戰爭，在行銷手段上不斷灌輸給消費者時脈高就是快的觀念，但是到最後，由於耗電量與發熱量得不到解決，到最後甚至宣告放棄Pentium 4 NetBurst架構，NetBurst架構由於著眼於串流技術應用，在SIMD方面藉由SSE3等技術，在多媒體方面有著不錯的成績，不過串流應用只佔了全部PC應用的一部分而已，也因此讓AMD公司有可乘之機，在遊戲以及辦公室應用上的運算效能，狠狠的壓倒Intel。　不過並不是管線深效率就一定會差，管線加深，那麼CPU的分支預測演算法及快取記憶體的設計分配就會變的極端重要，Intel當初錯估了形勢，將SIMD等串流應用優先度擺太高，在分支預測的設計上正確度不夠高，造成指令猜錯回取的次數過高，加上管線深，指令要重新填滿管線花費的時間太高，也因此造成了許多應用的運算處理上效能不彰，Cell的管線階層跟Pentium 4差不多深，但是藉由雙issue指令派發，以及執行緒的動態負載功能，加上Cell應用程式的特殊性，因此在分支預測的效率可以得到非常好的解決。　

除了CPU本身架構以外，匯流排的設計也是一大瓶頸，在實際應用中，絕大部分的CPU效能增長都會被緩慢的周邊所拖累，傳統PC架構裡，記憶體與CPU之間的傳輸動作都會有高達數千個CPU週期的延遲，這對運算效能而言是個非常嚴重的浪費，即使提升了記憶體的時脈或加大傳輸頻寬，改善的程度仍然不明顯，所以在桌上型電腦的世界裡，AMD將記憶體控制器內建到CPU晶片中，並透過HyperTransport架構溝通，大幅改善了過去被詬病的記憶體延遲現象。Cell架構中，則引入了Flex I/O架構，有效擴大了CPU與記憶體和繪圖晶片之間的通道。　那麼STI是如何去設計Cell架構的呢？Cell處理器當初發布時，是定位在網路處理器，在最主要的核心部分，是採用64位元PowerPC核心，每週期2指令派發的超純量架構，擁有512KB快取記憶體，官方命名為PPE（Power Processor Element）。

PPE內建了Fine-grained多執行緒架構，可以在2個執行緒中動態偵測指令的密度，處理器會平均在2條執行緒中抓取指令，當2條執行緒中有1條過於空閒時，處理器就會自動會拉高另1條執行緒丟指令的速度，提升的幅度約從雙週期1個指令拉高到每週期1個指令。　多執行緒應用在向Cell這種管線階層深的處理器上，其效用非常明顯，由於管線深，如果其中1個執行緒發生了分支預測失敗，那麼重新取得指令回填管線的時間延遲將會非常巨大，就Cell的PPE來說，分支預測失敗的話，會有8個週期的管線效能損失，以及4個週期的快取記憶體存取時間損失，採用多執行緒之後，如果其中1條執行緒出現分支預測失敗，這時處理器就可以全力處理另1條執行緒的指令，讓另1條執行緒可以有時間將預測失敗所損失的時間補回來。　

圖說：PPE在1個時脈週期內可以同時預取4個指令，並派發兩個指令，為了加強在其in-order管線處理上的效率，PPE使用了延遲執行管線，並可以允許有限制的載入out-of-order指令的方式執行，因此在out-of-order的執行上，可以不需要太複雜的設計即可取得良好的效能增加。　除了PPE這位老大以外，Cell處理器之中還包含了8個跟班，這些跟班叫做Synergistic Processor Elements，簡稱SPE，也可以稱作Synergistic Processor Unit（SPU），這8個SPE都是具有256KB Local Store SRAM以及記憶體流量控制器（MFC，但實際上做的是DMA的動作）的處理單元，雖然只有256KB，不過Local Store可以稱做是SPE的主記憶體，而不是快取記憶體，因為Local Store記憶體的存取都必須透過軟體來控制。　

SPE是基於SIMD的處理單元，每個SPE都是針對32位元單精度最佳化的4路SIMD處理單元，雖然SPE也支援雙精度浮點計算，但是性能會降到約1/10，每個SPE之中包含有128個超低延遲的128位元暫存器，暫存器數量的龐大，也可以有效降低存取Local Store的次數，SPE的指令集源自於PowerPC的向量擴展VMX/AltiVec和PS2 Emotion Engine的向量單元指令集，在極限狀態下，8個SPE可以在4GHz的時脈下，提供高達256GFlops的運算能力，拿實際的例子來說，IBM在2005年11月30日所公布的效能測試報告中指出，單一SPE處理單元即可以每秒77頁的畫面張數，處理18Mbit/s流量的HDTV MPEG 2串流解碼。　

圖說：SPE的SIMD指令可以同時操作16個8bit整數、8個16bit整數以及4個32bit整數，或是單週期4個單精度浮點運算，在3.2GHz的運作時脈下，可以提供高達25.6Gflop/s的單精度運算。在這張圖中，我們可以看到每個處理單元的配置狀況，當1組被預取的指令集中，擁有2個可以被派發的指令時，SPE就會啟動雙重指令派發，其中1個指令會被Even Pipeline執行，而另1個指令則會送往Odd Pipeline執行。（圖片來源／IBM網站）　有了這麼強力的計算核心，當然也需要在匯流排上作文章，記憶體子系統要能滿足Cell的資料讀寫需求，那麼Cell的處理效能也才有發揮的餘地。Cell的I/O以及記憶體子系統都是由RAMBUS取得授權的技術。

做為主記憶體使用的XDR記憶體子系統，擁有兩組記憶體控制器，能提供25.6GB/s頻寬，相較起目前PC主流DDR及DDR2記憶體3.2GB到6.4GB的頻寬，其差距不可謂不大。　而Cell與繪圖晶片之間的通道，則是採用FlexI/O技術，FlexI/O提供了7組TX（信號發送）8bit通道（Lane）和5組RX（信號接收）8bit通道，每條通道在4GHz傳輸速率下提供的傳輸頻寬是3.2GB/s，合共38.4GB/s的I/O頻寬。依照目前Cell運作的時脈來估算，讀取速度可達20GB/s左右，而寫入則是15GB/s，大大超越了目前PC平台上主流的PCI Express 16x的4GB/s上下傳輸速率。Cell的FlexI/O是為雙處理器SMP設計的，如果想連接更多的Cell還需要增加1個HUB才行（4個Cell配1個Hub，設計上為光纖Hub）。