7.7. 栈引擎
栈指令，比如PUSH，POP，CALL与RET，都修改了栈指针ESP。之前的处理器使用整形ALU来调整栈指针。例如，在P3处理器上，指令PUSH EAX产生3个μop，两个用于保存EAX的值，另一个用于将ESP减4。在PM上，相同的指令仅产生一个μop。两个保存μop被μop融合机制合并为一个，而将ESP减去4的减法由专用于栈指针，称为栈引擎的特殊加法器完成。在流水线中，栈引擎紧接着指令解码器，在乱序执行核之前。每时钟周期栈引擎可以处理3个加法。结果，在一个栈操作后，没有指令需要等待栈指针的更新值。这个技术的一个复杂性是，在乱序执行单元里，可能也需要或修改ESP的值。需要一个特殊机制同步栈引擎与乱序执行核中栈指针的值。栈指针ESPP的逻辑真值，在乱序执行核或永久寄存器文件中作为一个32位值ESPO保存，在栈引擎中作为一个有符号8位偏差值ESPd保存：
ESPP = ESPO + ESPd
栈引擎将偏差值ESPd作为一个偏移放入每个栈操作μop的地址片段，使它在端口2或3的地址计算电路中，可以加到ESPO上。ESPd的值不能放入每个可能使用栈指针的μop，仅是由PUSH，POP，CALL及RET产生的μop。如果栈引擎遇到这些以外的、在乱序执行单元里需要ESP的μop，且如果ESPd不是0，那么它插入一个把ESPd加到ESPO，并将ESPd置0的同步μop。那么后面的μop可以将ESPO用作栈指针ESPP的真值。同步μop在这条指令被解码后生成，完全不会影响解码器。
同步机制可由一个简单的例子来说明：
; Example 7.3. Stack synchronization
push eax
push ebx
mov ebp, esp
mov eax, [esp+16]
这个序列将生成4个μop。假定开始时ESPd是0，第一条PUSH指令将生成一个将EAX写到地址[ESPO-4]并设置ESPd = 4的μop。第二条PUSH指令将产生一个将EBX写到地址[ESPO-8]并设置ESPd = -8的μop。当栈引擎从解码器收到MOV EBP, ESP的μop时，它插入一个将-8加到ESPO的同步μop。同时，将ESPd置0。同步μop出现在MOV EBP, ESP μop之前，因此后面的μop可以把ESPO用作ESPP的真值。最后的指令，MOV EAX, [ESP+16]，也需要ESP的值，但这里我们不会有另一个同步μop，因为现在ESPd的值是0，因此同步μop是多余的。
要求ESPO同步的指令包括所有以ESP作为源或目标操作数的指令，比如MOV EAX, ESP，MOV ESP, EAX及ADD ESP, 4，以及把ESP用作指针的指令，比如MOV EAX, [ESP+16]。在一条仅写入ESP的指令前产生一个同步μop看起来是多余的。把ESPd置0应该足够，但这可能将区分MOV ESP, EAX与ADD ESP, EAX的逻辑复杂化。
在ESPd接近溢出时，也要插入一个同步μop。在32次PUSH EAX或64次PUSH AX指令后，ESPd的8位有符号值将溢出。在大多数情形里，在29次PUSH或CALL指令后，将得到一个同步μop，以避免下一个时钟周期从所有三个解码器都给出PHSH指令导致的溢出。在最后三条PUSH指令在同一时钟周期解码的情形下，一个同步μop前最大PUSH指令数是31。对POP与RET指令同样适用（实际上，POP可以比PUSH多一个，因为保存的值是-ESPd，最小的有符号8位数是-128，最大是+127）。
同步μop在端口0与1的两个整形ALU中的任一个处执行。它们与其他μop那样回收。PM有一个用于在误预测分支里取消栈引擎结果的恢复表。
以下例子展示了在一个特定程序流中同步μop如何产生：
; Example 7.4. Stack synchronization
push 1
call FuncA
pop ecx
push 2
call FuncA
pop ecx
...
...
FuncA PROC NEAR
push ebp
mov ebp, esp ; Synch uop first time, but not second time
sub esp, 100
mov eax, [ebp+8]
mov esp, ebp
pop ebp
ret
FuncA ENDP
在FuncA中，MOV EBP, ESP跟在一个PUSH，一个CALL及另一个PUSH后面。如果ESPd一开始是0，这里它将是-12。在可以执行MOV EBP, ESP之前，需要一个同步μop。SUB ESP, 100与MOV ESP, EBP不需要同步μop，因为在上一个同步μop后没有PUSH或POP。之后，在MOV EBP, ESP前，在对FUNCA的第二次调用中，再次有序列POP / RET / POP / PUSH / CALL / PUSH。现在ESPd已经加到12，再回到0，因此第二次来到这里，我们不需要一个同步μop。如果POP ECX被ADD ESP, 4替换，那么在ADD ESP, 4以及MOV EBP, ESP的第二个实例处需要一个同步μop。如果用MOV DWORD PTR [ESP], 2替换POP ECX / PUSH 2，会发生同样的事情，但替换为MOV DWORD PTR [EPB], 2则不会。
通过将指令分为以下几类，我们可以做出那里会产生同步μop的预测规则：
- 使用栈引擎的指令：PUSH，POP，CALL，RET，除了RET n。
- 在乱序执行核中使用栈指针的指令，即将ESP作为源，目标或指针的指令，以及CALL FAR，RETF，ENTER。
- 在栈引擎及乱序执行核中使用栈指针的指令，即PUSH ESP，PUSH [ESP+4]，POP [ESP+8]，RET n。
- 总是同步ESPO的指令：PUSHF(D)，POPF(D)，PUSHA(D)，POPA(D)，LEAVE。
- 从不涉及栈指针的指令。
类别1与5的指令序列将不会产生任何同步μop，除非ESPd接近溢出。类别2与5的指令序列将不会产生任何同步μop。类别1指令后类别2的第一条指令将产生一个同步μop，除非ESPd是0。类别3的指令在大多数情形里将产生同步μop。类别4的指令从解码器，而不是从栈引擎产生一个同步μop，即使ESPd = 0。
在每时钟周期3个μop是瓶颈以及执行端口0及1都饱和的情形下，你可能希望使用这个规则减少同步μop数。如果瓶颈在别处，无需关心同步μop。
（文献：S. Gochman等：The Intel Pentium M Processor: Microarchitecture and Performance. Intel Technology Journal, vol. 7, no. 2, 2003）。
7.8. 寄存器重命名
寄存器重命名由显示在图6.1的寄存器别名表（RAT）及重排缓冲（ROB）控制。来自解码器及栈引擎的μop，通过大约可以保存10个μop的队列进入RAT，然后进入ROB-读与保留站。RAT每时钟周期可以处理3个μop。这意味着微处理器的总体吞吐率平均每时钟周期不会超过3个融合μop。
RAT每时钟周期可以重命名3个寄存器，它甚至可以在一个时钟周期里重命名同一个寄存器三次。
有许多重命名的代码有时会导致难以预测的暂停。我的猜测是在用完临时寄存器时，在RAT中会发生这些暂停。PM有40个临时寄存器。
Core Solo/Duo可以在最多四个临时寄存器中重命名浮点控制字，而Pentium M不能重命名浮点控制字。对C/C++代码中浮点到整数转换的性能，这是重要的。
7.9. 存器读暂停
像PPro，P2与P3，如第66页解释的那样，PM受同样类型的寄存器读暂停影响。ROB-读阶段每时钟周期可以从永久寄存器读不超过3个不同的寄存器。这适用于所有通用寄存器，栈指针，标记寄存器，浮点寄存器，MMX寄存器及XMM寄存器。一个XMM寄存器算两个，因为它保存为两个64位寄存器。对最近有一个先前μop修改，因此值还没传到ROB-回写阶段的寄存器，没有这个限制。寄存器读暂停的详细解释参考第66页。
之前的处理器每时钟周期仅允许两个永久寄存器读。在PM里这个值增加到3，尽管这还不确定。三个寄存器读端口对防止寄存器读暂停可能不足够，因为μop融合与栈引擎，在PM上许多指令产生更少的μop，但寄存器读没有减少。这使得μop流更紧凑，因此增加了平均每μop寄存器读寄存器的次数。一个融合的μop最多可以有三个输入寄存器，而之前的处理器仅允许每μop两个输入。如果在同一时钟周期里，三个带有三个输入寄存器的融合μop都进入ROB-读阶段，那么我们要读最多9个输入。如果这9个输入寄存器都是不同的，且都在永久寄存器文件里，那么将通过三个寄存器读端口，需要3个时钟周期来读它们。
下面的例子展示了如何消除寄存器读暂停：
; Example 7.5. Register read stalls
inc eax ; (1) read eax, write eax
add ebx, eax ; (2) read ebx eax, write ebx
add ecx, [esp+4] ; (3) read ecx esp, write ecx
mov edx, [esi] ; (4) read esi, write edx
add edi, edx ; (5) read edi edx, write edi
这些指令每条都产生一个通过ROB-读的μop。假设在之前三个时钟周期里没有寄存器被修改。μop三个一批，但不知道哪三个在一起。有三种可能：
- (1)，(2)与(3)在一起。需要四个寄存器读：EAX，EBX，ECX，ESP。
- (2)，(3)与(4)在一起。需要四个寄存器读：EBX，ECX，ESP，ESI。（EAX不计入内，因为它已经在前面的三元组中被写入了）。
- (3)，(4)与(5)在一起。需要四个寄存器读：ECX，ESP，SEI，EDI。（EDX不计入内，因为它在读之前已经被写入了）。
所有这三种可能性都涉及读超过三个最近没被修改寄存器时的暂停。通过在第一条指令前插入MOV ECX, ECX可以消除这个暂停。这将刷新ECX，使我们在情形A，B与C中仅需三个永久寄存器读。如果作为替代，我们选择刷新例如EBX，那么我们将在情形A与B中消除这个暂停，但情形C没有。因此，我们有2/3的可能性消除这个暂停。刷新EDI将有1/3可能性消除这个暂停，因为它仅对情形C起作用。刷新ESP也将在所有三个情形里消除这个暂停，但它将延迟内存操作数的获取大约2个时钟周期。总之，通过刷新用作内存读指针的寄存器来消除寄存器读暂停得不偿失，因为它将延迟内存操作数的获取。如果在上面的例子里刷新ESI，将有2/3的可能性消除一个寄存器读暂停，但将延迟EDX的获取。
在上面例子中的代码之前，如果ESP已经被一个栈操作修改，比如PUSH，使得EPSd不为0（参考第81页），那么栈引擎将在(2)与(3)之间插入同步μop。这将消除寄存器读暂停，但会延迟内存操作数的获取。
7.10. 执行单元
非融合μop从保留站被提交到5个连接到所有执行单元的执行端口。端口0与1接受所有算术指令。端口2用于内存读指令。内存写指令被解融合为两个分别去往端口3与4的μop。端口3计算地址，端口4执行数据传输。
执行单元的最大吞吐率是每时钟周期5个非融合μop，每个端口一个。在之前的处理器上，因为在RAT及保留站中每时钟周期3个μop的限制，这样一个高吞吐率仅能在保留站充满时的一个短突发中获得。而PM可以维持每时钟周期5个μop，因为RAT中的3个融合μop，在执行端口，可以产生5个非融合μop。当三分之一μop是融合的读-修改指令（端口2与端口0/1），三分之一是融合写指令（端口3与4），三分之一是简单ALU或跳转指令（端口0/1）时，获得最大吞吐率。
执行单元在端口0与1之间分配良好，许多指令可以去往任一端口，哪个空去哪个。因此，在大多数情形下，在大多数时间里，保持两个端口忙碌，是可能的。端口0与1都有一个整形ALU，因此两者都可以处理最常见的整形指令，像移动、加法与逻辑指令。两个这样的μop可以同时执行，每个端口一个。封装整形ALU指令也可以去往两个ALU中的任一个。
整形与浮点指令共享同一个乘法单元及除法单元，但ALU不相同（加法与逻辑）。这意味着PM可以同时执行浮点加法与整数加法，但不能同时执行浮点乘法与整数乘法。
简单指令，比如整数加法有一个时钟周期的时延。整数乘法与封装整数乘法需要3-4时钟周期。乘法单元是流水线化的，因此可以每时钟周期开始一个新乘法。浮点加法与单精度浮点乘法同样适用。双精度浮点乘法使用乘法器单元两次，因此可以每两个时钟周期开始一个新乘法，时延是5。
128位XMM操作被分解我两个64位μop，除非输出是64位的。例如，ADDPD指令生成两个用于两个64位加法的μop，而ADDSD仅生成一个μop。