AVX-512

Chello ca t'hê 'a sapé

Comme fonsiona

L'architettura azzonna 'o stato vettoriale ZMM e 'e reggistre opmask k. Ll'operazzione mascherate ponno scigliere singule corsie, co n'andamento 'e merging o azzeramento specifico p'ogne strazziona. AVX512F e a base; AVX512BW, DQ, CD e VL cummogliere capatate addizziunale diverse. AVX512VL premette operazzione mpurtante ngopp'a vetture cchiu stritte, accussi 'o codice AVX-512 nun ave abbesogno pe fforza 'e trapana 512 bit a ogne strazziona.

Addò serve

Nu ciclo nummereco mascherato po gesti 'o vettore parziale finale sujo senza na coda scalare staccata quanno 'e strazzione scigliute supportano 'e regole 'e mascheramento addumannate. N'apprecazziona ca usa operazzione a byte, scuverta 'e cunflitte o nu furmato aritemmeteco particulare adda addumanna prupeto chilli suttansieme giuste. AVX-512 VNNI e AVX-VNNI usano codifeche e innice differiente.

Comme se cuntrolla 'o supporto e ll'abbilitazzione

Doppo 'e cuntrolle AVX, verifeca 'e bit specifiche d'a foglia 7 'e CPUID ca servono a 'o prugramma. P'o stato AVX-512, XCR0 adda appiccia 'o stato XMM, YMM, opmask, ZMM d'abbascio e ZMM d'e parte 'e coppa: 'e bit 1, 2, 5, 6 e 7. 'A maschera ausata cchiu assaje e E6H. Cuntrolla OSXSAVE primma 'e XGETBV e usa nu dispatcher ca verifeca ogne suttansieme richiesto.

'O prugramma adda cuntené n'implementazzione adatta e adda sciglierla a runtime. Ll'enumerazzione hardware, 'o stato d' 'e riggistre abbilitato d' 'o sistema operativo e 'a baseline compilata d' 'o binario songo cuntrolle separati. Na macchina virtuale po espònere a posta cchiù poche funzionalita d' 'host suo, e nu container nun agnongne struzzione a 'a CPU host.

Chello ca 'a funzionalita nun stabbilisce

Nun tira a 'nduvina ogne suttansieme AVX-512 sulo a partenza d'a AVX512F, d'o nomme d'a generazziona d'a CPU o da x86-64-v4. Frizza, putenza e flussu d'esecuzziona cagnano a siconda 'e l'implementazziona e d'o fravico 'e fatiche. Na semprice etichetta 'e database nun po stabilita si 'o firmware, 'a puliteca hybrid-core o n'hypervisor azzecca na funzione bbona p'o prucesso currente.

Cumpatibbilita e prestazziune dint' 'a prateca

Misa 'o carico 'e fatica sano cu date rapresentative. Vetturi cchiù larghi ponno calà 'o nummero 'e struzzione ma lassa 'o traffico 'e memoria, 'a sincronizzazzione o 'e coste 'e cunversione tale e quale. Latenza d' 'e struzzione, throughput e cunsumo 'e currente dipènnene d' 'a microarchitettura esatta e d' 'e ccundizziune d'uso.

Na lista 'e verifeca prateca

1. Riggistra 'o mudello esatto d' 'o prucessore o d' 'a piattaforma e 'e vversione 'e ll'applicazzione, d' 'o sistema operativo e d' 'o runtime cumbulute. Mantien' 'e pparole esatte 'e ll'errore o d' 'o requisito overo.
2. Cuntrolla 'o riferimento d' 'o costruttore pe chillu mudello esatto, po verifeca 'a capacita effettiva e 'o stato abbilitato dint'a ll'ambiente addò gira 'o prugramma.
3. Cunfrunta ogne requisito d' 'o binario o backend sciveto. Na funzionalita cu nu nomme sumigliante, n'alias o n'etichetta tecnologgeca generale nun abbasta.
4. Cunferma ca ll'applicazzione ha sciveto ll'implementazzione vuluta. Ausa 'a diagnosteca documentata soja e n'alternativa supportata quanno 'e requisite nun songo rispettate.
5. Fa nu sulo cagnamento supportato a ll'avota e ripete 'o stesso carico 'e fatica. Mantien' 'a cunfigurazzione origginale e 'a via 'e recuppero a portata 'e mana.

Si 'a funzionalita sta scritta ma 'o software nun 'a po ausà

Pparti d' 'o cumponente esatto ca falla. Nu database hardware descrive 'a capacita riggistrata; 'o sistema operativo o ll'hypervisor po mustrà n'ambiente effettivo diverzo. N'errore 'e struzzione illegale addimanna pure 'e verificà 'a struzzione ca sgarra overamente e 'a build d' 'o binario, pecché na corruzzione o n'ata struzzione nun supportata po dà nu sintomo simile.

Stalla 'a vversione 'e ll'applicazzione, d' 'o driver o d' 'o runtime supportata p' 'a piattaforma esatta, e ausa 'a baseline documentata d' 'o costruttore o na build 'e fallback si serve. N'aggiurnamento software nun po crià na struzzione ca 'o prucessore nun tene. 'E cagnamiente a 'o firmware e 'e puliteche 'e sicurezza hann' 'a siguità 'a prucedura d' 'o costruttore d' 'o sistema e nu pピアノ 'e recuppero mméce 'e na ricetta generale 'e uttimizzazzione.

Funzionalita cullegate e distinzziune utele

AVX2 · AVX-VNNI · x86-64-v4 · AMX, Advanced Matrix Extensions

Funte e ambito 'e sta spiegazzione

Intel 64 and IA-32 Architectures Software Developer's Manual · Linux kernel: using XSTATE features in user space · x86-64 psABI: levielle d'architettura e microarchitettura d'o prucessore

Sti riferimente stabbilisceno 'o cumpurtamento 'e ll'architettura e 'e requisite d' 'o software. Nun verificano 'e manera 'ndipennente ogne valore 'e funzionalita ngopp'a na paggena 'e nu mudello hardware culegato. P' 'o supporto d' 'o mudello, ausa ll'evidenze d' 'o costruttore 'e chella paggena e verifeca 'a cunfigurazzione effettiva d' 'o sistema. St'articulo nun furnesce benchmark, certificazzione o data 'e revisone 'ndipennente.

Cose cullegate

Sti ccose songo cullegate a chist'articulo. 'O tipo se vede 'ncopp'a ogne cullegamento.

Funte e verìfeca

Prupietà editoriale: Feex. Nisciuna data 'e revisizzione 'ndipennente è riggistrata. Comme facimmo 'e recerche.

• Intel 64 and IA-32 Architectures Software Developer's Manual · 'E Vulume 1 e 2 descrivono 'e ffamiglie 'e struzzione cu nomme e 'o CPUID; 'o Vulume 3 descrive 'o stato, 'a pagginazzione, VMX e 'e cuntrolle 'e prutezzione. 'A documentazzione 'e ll'architettura nun stabbilisce 'o supporto pe nu mudello particulare.
• Linux kernel: using XSTATE features in user space · Stato vetturiale abbilitato d' 'o sistema operativo, stato tile abbilitato dinamicamente, requisite 'e signal-stack e flusso 'e perzmesso AMX. 'O cumpurtamento specifeche pe Linux nun e na prumessa pe n'ato sistema operativo.
• x86-64 psABI: levielle d'architettura e microarchitettura d'o prucessore · Machine Interface, Processor Architecture: tabbella d'e cundizzione 'e base e cumulative v2/v3/v4, cuntrolle d'o stato d'o SO e cunsiglie p'o sveluppo.