Retiring这个大类代表的是有效地利用pipeline slots数量所占的比重，即被issued且最终成功retired的uops数量比重。
具有高的Retiring值，并不意味着没有进一步可以优化的空间。我们可以通过了解Retired的uops指令类型及其比重，来优化程序，使得程序的执行效率更高，比如将大量的标量指令转变成矢量指令。
Retiring：
计算公式：
self.val = EV("UOPS_RETIRED.RETIRE_SLOTS", 1) / SLOTS
对于公式中的SLOTS函数的计算公式，即如何求得Pipeline Slots的总数量，由于前面有进行过讲解，所以这里将不再赘述。我们只需要关注UOPS_RETIRED.RETIRE_SLOTS事件所统计的内容，通过查阅Intel的手册，对该事件的解释是：统计所有的Retired Slots数量。用这个值除以总的Slots数量，即可得到被有效利用的Slots所占的比重，IPC的值越大，Retiring所占比重将会越高。
Microcode_Sequencer：微编码序列
Microcode_Sequencer子类所代表的含义是来自MS（Microcode Sequencer）产生的有效uops数量占所有uops数量的比重大小。MS用于解析默认decoders不支持的CISC指令，比如对string重复执行move操作的指令，CPUID指令等，这些类型的指令均由MS生成。下面我们来看一下该类别具体的计算公式：
self.val = Retire_Uop_Fraction * EV("IDQ.MS_UOPS", 2) / SLOTS
在公式中，调用了Retire_Uop_Fraction函数以计算retired uops所占的一个比重大小，我们先来看下该函数具体的计算公式：
def Retire_Uop_Fraction(self, EV, level):
return EV("UOPS_RETIRED.RETIRE_SLOTS", level) / EV("UOPS_ISSUED.ANY", level)
可以很直观地了解到，Retire_Uop_Fraction，即Retired uops占所有issued uops的比例，可以由UOPS_RETIRED.RETIRE_SLOTS除以UOPS_ISSUED.ANY，即Retired uops数量除以Issued uops数量直接得到。然后再用这个系数乘以IDQ.MS_UOPS事件（该事件表达的含义是由Microcode Sequencer (MS) delivered的uops数量），便可以近似得到由MS issued且最终Retired的uops数量。最后用这个近似值除以总的Slots数量，便是MS这个分类所占的比重大小。
1. Assist:辅助
在MS分类下，只划分了一个Assists子类，Assists是MS所产生的uops中的一个类别，该类别的uops代表的是一长串的uops序列，用于辅助完成一些基本uops无法完成的操作。比如当处理非常小的浮点数值（即所谓的Denormals）时，FP运算单元并不能直接处理这些操作，便需要使用一系列的uops来执行这类操作，这一长串的uops由MS发出，称作assist。由于assist的uops序列有可能长达数百个uops，所以assist类型的指令对CPU Performance影响很大，很多情况下，我们都可以避免这类assist操作。
对于Assist类别，具体的计算公式如下：
self.val = Avg_Assist_Cost *(EV(" FP_ASSIST.ANY", 3) + EV(" OTHER_ASSISTS.ANY", 3)) / SLOTS(self, EV, 3)
这里使用了一个统计平均值Avg_Assist_Cost，即每次Assist平均消耗的slots数量，在skl_clinet_ratios中，该常数的定义为100，即认为assist操作平均会使用100条uops。然后再用这个平均值乘以FP_ASSIST与OTHER_ASSISTS两个事件的和，即用每次操作的平均值乘以发生Assists的总次数，以得到Assists操作总共消耗的slots数量。最后用这个值除以总的slots数，以得到对应的比重大小。
Base：
对于Base这个子类，代表的是除Microcode Sequencer外，其余modules产生的uops数量占所有slots的比重。uops的数量与程序所包含的指令数量有关，一般而言，一条指令对应一条uops。虽然该分类的值我们认为越大越好，但是该分类的值很大时，并不意味着没有进一步优化的空间。比如我们可以考虑如何减少程序的指令数量，或者使用执行效率更高的指令类型，如矢量指令类型。
对于Base这个节点，具体的计算公式如下：
self.val = Retiring - Microcode_Sequencer
在了解父亲节点和兄弟节点的比重后，该节点的值只需使用父节点减去兄弟节点便可得出。对于该节点的下一层级，分为浮点类型指令和其他类型指令两个类别。
1. FP_Arith:
该类别表示的是被执行且最终Retired的浮点类型uops所占的比重大小，具体的计算公式如下：
self.val = self. X87_Use.compute(EV) + self. FP_Scalar.compute(EV) + self. FP_Vector.compute(EV)
该节点的值为其三个子节点的值之和，所以只要我们了解了其子节点的计算方法后，便可以得知该节点具体的计算公式和对应的值。在这个节点下面，划分了三个子节点，分别表示x87指令、标量浮点类型指令和矢量浮点类型所占的比重大小，接下来，将一一讲解这三个子节点。
1.1. X87_Use:
该类别代表的是历史遗留的x87指令类型所占的比重大小，虽然当代的x86 CPU还支持x87指令集，但由于其效率不如现代的矢量指令集，所以最好能用AVX或SSE指令集替代x87指令集。对于该类别，具体的计算公式如下：
self.val = EV(" UOPS_EXECUTED.X87", 4) / EV(" UOPS_EXECUTED.THREAD", 4)
可能由于没有Counter去统计Retired的x87 uops数量，所以这里使用的是UOPS_EXECUTED.X87事件，即执行的x87 uops数量。公式中，用该统计值除以总共执行uops的数量，以近似得到x87的比重。
1.2. FP_Scalar:
该类别表示的是标量浮点类型uops的比重大小，若此类别的值大于一定值时，应该研究是什么限制了编译器生成相应的矢量浮点类型指令，而使用了大量的标量浮点类型。对于该节点，具体的计算公式如下：
self.val = (EV(" FP_ARITH_INST_RETIRED.SCALAR_SINGLE", 4) + EV(" FP_ARITH_INST_RETIRED.SCALAR_DOUBLE", 4)) / EV(" UOPS_RETIRED.RETIRE_SLOTS", 4)
对于公式中的FP_ARITH_INST_RETIRED.SCALAR_SINGLE和FP_ARITH_INST_RETIRED.SCALAR_DOUBLE，分别代表的是Retired的SSE/AVX标量单精度和双精度浮点类型指令数量，两者之和便是Retired的标量浮点类型指令数量。然后再用该值除以总的Retired uops数量，得到相应的比重。
1.3. FP_Vector:
除了标量的浮点类型外，还有矢量的浮点类型，对应的计算公式如下：
self.val = (EV(" FP_ARITH_INST_RETIRED.128B_PACKED_DOUBLE", 4) + EV(" FP_ARITH_INST_RETIRED.128B_PACKED_SINGLE", 4) + EV(" FP_ARITH_INST_RETIRED.256B_PACKED_DOUBLE", 4) + EV(" FP_ARITH_INST_RETIRED.256B_PACKED_SINGLE", 4)) / EV(" UOPS_RETIRED.RETIRE_SLOTS", 4)
与上个公式类似，先是用四个事件的统计值之和，以得到总的矢量浮点类型uops数量，这四个事件分别统计的是SSE/AVX 128-bit packed和256-bit packed下的单精度和双精度Retired的指令数量。用这四者之和除以总的Retired uops数量，便可以得到这个节点的比重大小。
2. Other:
除了浮点类型外，还有其余的许多类型指令，这部分的指令均归属于Other这一节点，该节点具体的计算公式如下：
self.val = 1 - FP_Arith
由于前面我们通过将FP_Arith的三个子类的值求和，以得到FP_Arith节点的值，那么，除浮点类型外，其余指令所占的比重将等于1-FP_Arith。若所分析的程序的程序中不包含浮点类型的操作，那么其余指令类型的比重将等于1，表示不含有浮点类型指令。
通过以上的讲解，我们对Retiring这个分类有了一定的认识，虽然该类别的值越大越好，但是哪怕该类别的比重为100%，也并不意味着没有进一步优化的空间。我们可以通过降低效率低下的指令比重，来提升CPU的执行效率，以提升性能。
解析完了TMAM的三个类别后，目前还剩余Backend Bound没有讲解，Backend Bound是四个大分类中最复杂、子节点最多的一个分支，也是TMAM的精髓，接下来将会分两篇文章详细地对Backend Bound进行讲解说明。