基于自适应连续性感知的MCM-GPU地址转换性能优化框架ACOPT研究

本文推荐：作者团队针对后摩尔时代多芯片模块GPU(MCM-GPU)的统一虚拟内存(UVM)地址转换瓶颈，创新性提出ACOPT框架。该方案通过硬件设计自适应捕获连续多粒度页面，将多个页表项(PTE)合并存储，减少78%页表遍历(PTW)次数，降低70%的L1 TLB缺失延迟，最终实现平均1.54×加速比，为MCM架构性能优化提供新思路。

　　

亮点与结论翻译：

亮点

• 首次系统分析MCM-GPU地址转换性能，量化不同阶段的延迟分布特征，揭示运行时内存访问请求间的连续性规律

• 提出ACOPT双重优化：通过集中调度L2 TLB缺失请求减少页表遍历器(PTW)等待时间，同时将连续物理页合并存入单个L2 TLB条目以提升命中率

• 实验证实ACOPT在13个应用中实现1.54×加速，页表遍历减少78%，L1 TLB缺失延迟降低70%，硬件开销仅轻微增加

MCM-GPU架构

典型4-GPM结构的MCM-GPU通过硅中介层实现芯片间互连，各GPU模块(GPM)配备命令处理器(CP)和直接内存访问(DMA)引擎，采用X-Bar互连架构提供高带宽低延迟通信。

地址转换特性分析

通过实验平台发现：L2 TLB缺失请求导致的PCIe传输延迟、PTW排队时间和页表遍历延迟构成主要瓶颈，且难以被掩盖。虚拟页和物理页均表现出显著的空间连续性特征。

自适应连续性感知优化

ACOPT创新性采用两种技术：1) IOMMU请求管理单元集中处理跨GPM的连续请求；2) 动态多粒度页合并技术，通过连续性检测算法将2ⁿ个连续页合并存储，显著扩展L2 TLB覆盖范围。

性能评估

对比实验显示ACOPT全面优于传统方案：在Rodinia测试集中，页表遍历次数降低3.8倍，L2 TLB缺失减少71.3%。敏感性分析证实其在不同GPM数量和页大小下均保持稳定优化效果。

结论

ACOPT通过挖掘地址转换过程中的空间连续性特征，有效解决MCM-GPU中由NUMA效应和PTW延迟导致的性能瓶颈，为异构计算架构的内存管理提供新范式。