ARM Cortex A78AE中stall_slot_backend事件相关技术咨询

我正在诊断一个小程序的低指令周期问题，执行perf stat -e cycles,stalled-cycles-backend ./myprogram后，发现约90%的后端周期处于空闲状态，统计数据如下：

Performance counter stats for './myprogram':

        5207951548      cycles:u                                                    
        4704755172      stalled-cycles-backend:u  #   90.34% backend cycles idle    

       3.485708464 seconds time elapsed

我知道stalled-cycles-backend硬件计数器会在因内存加载结果、浮点单元不可用等资源限制导致取指无法分派、流水线出现气泡时递增，想进一步排查后端停滞的具体原因。

通过perf list查看其他事件时，发现这些内核PMU事件：

--snip--
stall_slot            [Kernel PMU event]
stall_slot_backend    [Kernel PMU event]
stall_slot_frontend   [Kernel PMU event]
--snip--

执行perf stat -e cycles,stall_slot_backend .build/release/Run得到结果：

Performance counter stats for './myprogram':

        5207682200      cycles:u                                                    
       28628535485      stall_slot_backend:u 

该事件计数远超时钟周期数，我对此感到困惑。根据ARM Cortex A78AE技术参考手册，stall_slot_backend的描述为：

No operation sent for execution on a slot due to the backend

描述不够清晰，且我未在手册中找到slot的定义，因此有以下疑问：

1. 此场景下的slot具体指什么？
2. 为何该事件计数超过时钟周期数？计数器是否可能在每个周期递增多次？结果是否存在误差或误导性？
3. stall_slot_backend与stalled-cycles-backend硬件事件/事件组的区别是什么？

问题解答 #

1. 什么是slot？

在ARM Cortex-A78AE这类超标量CPU中，slot指的是每个时钟周期内处理器可以派发指令的执行单元位置。A78AE是乱序执行架构，每个周期最多可以向多个执行单元（比如整数、浮点、加载存储单元等）派发指令，每个可用于派发的位置就是一个slot。比如A78AE每个周期最多支持派发4条指令，对应4个slot。

2. 为什么计数远超时钟周期？

没错，这个计数器每个周期可以递增多次，这就是计数远超cycles的原因。
比如每个周期有4个slot，如果某个周期里因为后端资源限制，这4个slot都没能派发任何指令，那stall_slot_backend就会加4；如果有2个slot被阻塞，就加2。你的程序里90%的后端周期空闲，意味着大部分周期里多个slot都处于停滞状态，总计数自然会远高于总周期数。这个结果是准确的，没有误差或误导性，它反映的是后端停滞的总slot数量，而非停滞的周期数。

3. 两个事件的区别

• stalled-cycles-backend：统计的是至少有一个后端slot停滞的时钟周期数。只要某个周期里存在后端导致的停滞，这个计数器就加1，不管该周期里有几个slot停滞。你之前的结果显示90.34%的周期都存在后端停滞，说明程序大部分时间都在等后端资源。
• stall_slot_backend：统计的是所有因后端原因停滞的slot的总数量。它是按slot计数，每个停滞的slot都会让计数器加1，所以数值是周期数乘以每个周期停滞的slot数的总和，这也是它比cycles大的核心原因。

简单说，前者看的是“有多少个周期后端没干活”，后者看的是“总共有多少个可执行的位置没用到”，后者能更精准地量化后端资源浪费的程度。

内容的提问来源于stack exchange，提问作者loonatick