Branch Predictor模块：预测、训练与错误路径恢复

题意与假设

这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。

• 训练条件分支的二位饱和计数器表，PC哈希取index；BTB目标和返回栈为独立扩展。
• 更新在resolve还是commit、历史是否推测更新均是模型合同，不借用某真实CPU私有策略。

解题路线

1. 预测读表状态0/1预测not-taken，2/3预测taken，返回prediction和记录index/history的token。resolve拿真实结果，计数器向正确方向饱和；不要用已变化历史重新计算旧index。
2. 若加global history，预测路径会推测更新history，mispredict要恢复该分支快照并应用真实结果；年轻分支token作废。不同线程应隔离或明确共享污染，统计区分方向错与目标错。
3. 先用总taken、always-taken等基线，再测accuracy、MPKI、IPC影响与存储位数。离线trace只含已提交分支时无法完整表示错误路径/前端反馈，必须限制所声称指标。

手动走一遍

初始counter1，连续真实T/T/N：第一次预测N错→2，第二次T对→3，第三次T错→2，共2错。A预测T使history变化，年轻B随后预测；A实际N，恢复A前history并写N，B旧token不得再训练被取消分支。

规模与取舍

T表项二位方向状态2T bits，查询/更新O(1)模型操作；history/token按未解析分支数存储。host hash成本与模拟预测延迟分开。

易错点与追问

容易失分的边界

• 把方向预测正确当目标地址必正确。
• 更新时按当前global history查表会训练错误槽位。

继续深挖

• aliasing导致两个PC相反行为，如何评估增表容量与新索引？
• predictor训练提交延迟对准确率与错误路径污染有什么影响？