预测现代超标量处理器上的操作延迟需要考虑哪些因素，我该如何手动计算它们？

Question

我希望能够手工预测确切的任意算术运算时间（例如，没有分支或内存，尽管这也很好），但考虑到指令重新排序，超标量，延迟，CPI等

要实现此目标，必须遵循哪些/描述规则？

我想我已经弄清了一些初步规则，但是我无法找到将任何示例代码分解到如此详细级别的参考，因此我不得不做出一些猜测。（例如，英特尔优化手册几乎没有提到指令重新排序。）

至少，我正在寻找（1）确认每条规则正确或对每条规则的正确陈述，以及（2）我可能忘记的任何规则的列表。

每个周期发出尽可能多的指令，从当前周期开始按顺序开始，并且可能比重新排序缓冲区的大小提前。

在以下情况下，可以在给定的周期内发出指令：

没有影响其操作数的指令仍在执行。和：

如果是浮点指令，则在发出每个浮点指令之前（浮点指令具有静态指令重排序）。和：

该指令在该周期有一个功能单元。每个（？）功能单元都是流水线式的，这意味着对于给定功能类的CPI（每个模块中的CPI不确定，例如，addps并subps使用相同的功能单位？如何确定？）。和：

4在此循环中，已经发出了少于超标量宽度（通常为）的指令。

如果没有指令可以发出，则处理器根本不会发出任何指令，这种情况称为“停顿”。

作为示例，请考虑以下示例代码（用于计算叉积）：

shufps   xmm3, xmm2, 210

shufps   xmm0, xmm1, 201

shufps   xmm2, xmm2, 201

mulps    xmm0, xmm3

shufps   xmm1, xmm1, 210

mulps    xmm1, xmm2

subps    xmm0, xmm1

我尝试预测Haswell的延迟看起来像这样：

; `mulps`  Haswell latency=5, CPI=0.5

; `shufps` Haswell latency=1, CPI=1

; `subps`  Haswell latency=3, CPI=1

shufps   xmm3, xmm2, 210   ; cycle  1

shufps   xmm0, xmm1, 201   ; cycle  2

shufps   xmm2, xmm2, 201   ; cycle  3

mulps    xmm0, xmm3        ;   (superscalar execution)

shufps   xmm1, xmm1, 210   ; cycle  4

mulps    xmm1, xmm2        ; cycle  5

                           ; cycle  6 (stall `xmm0` and `xmm1`)

                           ; cycle  7 (stall `xmm1`)

                           ; cycle  8 (stall `xmm1`)

subps    xmm0, xmm1        ; cycle  9

                           ; cycle 10 (stall `xmm0`)