Architettura Calcolatori Sapienza 2018 2019

Strumento professionale per il calcolo delle prestazioni dei sistemi di calcolo basato sul programma del corso di Architettura dei Calcolatori (A.A. 2018-2019) della Sapienza Università di Roma.

Guida Completa all’Architettura dei Calcolatori (Sapienza 2018-2019)

Il corso di Architettura dei Calcolatori tenuto presso la Sapienza Università di Roma durante l’anno accademico 2018-2019 rappresenta uno dei pilastri fondamentali per la formazione degli studenti in Ingegneria Informatica e delle discipline affini. Questo corso fornisce le basi teoriche e pratiche per comprendere il funzionamento interno dei sistemi di calcolo moderni, dalla rappresentazione dell’informazione all’organizzazione gerarchica della memoria, fino alle tecniche di parallelismo e ottimizzazione delle prestazioni.

Programma del Corso (A.A. 2018-2019)

Il programma del corso era strutturato secondo i seguenti macro-argomenti:

1. Introduzione all’architettura dei calcolatori
   • Storia e evoluzione dei calcolatori elettronici
   • Classificazione delle architetture (von Neumann vs Harvard)
   • Prestazioni dei calcolatori: metriche e metodologie di valutazione
2. Rappresentazione dell’informazione
   • Sistemi di numerazione posizionali
   • Rappresentazione dei numeri interi (segno e modulo, complemento a 2)
   • Rappresentazione in virgola mobile (standard IEEE 754)
   • Codici per la rappresentazione di caratteri (ASCII, Unicode)
3. Organizzazione della CPU
   • Struttura del datapath e dell’unità di controllo
   • Ciclo di esecuzione delle istruzioni
   • Tecniche di pipelining e hazard
   • Architetture superscalari e VLIW
4. Gerarchia di memoria
   • Principi di località spaziale e temporale
   • Organizzazione e gestione della cache
   • Memoria virtuale e tecniche di paginazione
   • Sistemi di memoria connessi a bus (SDRAM, DDR)
5. Input/Output e dispositivi di storage
   • Organizzazione dei bus (PCI, PCIe)
   • Dispositivi di storage (HDD, SSD, RAID)
   • Tecniche di gestione delle interruzioni
6. Architetture parallele
   • Sistemi multiprocessore (SMP, NUMA)
   • Architetture a memoria distribuita (cluster, grid)
   • Modelli di programmazione parallela

Metodologie di Valutazione delle Prestazioni

Uno degli aspetti fondamentali del corso era la valutazione quantitativa delle prestazioni dei sistemi di calcolo. Venivano introdotte diverse metriche e metodologie:

• Tempo di esecuzione (Execution Time): Misurato in secondi, rappresenta il tempo totale necessario per completare un task.
• Throughput: Numero di task completati per unità di tempo (es. istruzioni al secondo).
• MIPS (Millions of Instructions Per Second): Metrica comune per confrontare le prestazioni di diversi processori.
• MFLOPS (Millions of Floating Point Operations Per Second): Specifico per operazioni in virgola mobile.
• Legge di Amdahl: Utilizzata per valutare i limiti teorici del parallelismo.
• Legge di Gustafson: Alternative alla legge di Amdahl per sistemi con carichi di lavoro scalabili.

Risorse Accademiche Ufficiali

Per approfondimenti sul programma del corso, si possono consultare le seguenti risorse ufficiali:

• Dipartimento di Ingegneria Informatica, Automatica e Gestionale (DIAG) – Sapienza
• Corsi online su architettura dei calcolatori (edX – Harvard/MIT)
• Materiali didattici del Dipartimento di Informatica di Stanford

Confronto tra Architetture (Dati 2018-2019)

Durante il corso venivano analizzate le differenze prestazionali tra diverse architetture. La seguente tabella riporta dati comparativi tipici per l’epoca (2018-2019):

Architettura	Frequenza (GHz)	CPI Medio	MIPS (Milioni)	Consumo (W)	Costo Relativo
Single Core (Intel Core 2 Duo)	3.0	1.2	2500	65	1.0x
Multi Core (Intel i7-8700K)	3.7 (4.7 Turbo)	0.8	18500	95	2.5x
Pipelined (ARM Cortex-A75)	2.8	0.6	4666	5	0.8x
Superscalar (AMD Ryzen 7 2700X)	3.7 (4.3 Turbo)	0.5	29600	105	3.0x

Nota: I valori MIPS sono calcolati come (Frequenza × 10⁹) / CPI. I dati di consumo e costo sono indicativi e basati su configurazioni tipiche del 2018.

Tecniche di Ottimizzazione Studiate

Il corso approfondiva diverse tecniche per ottimizzare le prestazioni dei sistemi di calcolo:

1. Ottimizzazione del pipeline:
   • Rilevamento e risoluzione degli hazard (strutturali, di dati, di controllo)
   • Forwarding e bypass dei dati
   • Predizione dei salti (branch prediction)
   • Esecuzione speculativa
2. Ottimizzazione della cache:
   • Scelta della dimensione e dell’associatività
   • Politiche di sostituzione (LRU, FIFO, Random)
   • Tecniche di prefetching
   • Cache multi-livello (L1, L2, L3)
3. Ottimizzazione della memoria principale:
   • Interleaving dei banchi di memoria
   • Tecniche di buffering
   • Organizzazione DRAM (pagine, righe, colonne)
4. Parallelismo a livello di istruzione (ILP):
   • Esecuzione fuori ordine (Out-of-Order Execution)
   • Rinomina dei registri (Register Renaming)
   • Esecuzione speculativa
5. Parallelismo a livello di thread (TLP):
   • Multithreading simultaneo (SMT)
   • Architetture multicore
   • Coerenza della cache (protocollo MESI)

Esempi Pratici e Casi Studio

Durante le lezioni e le esercitazioni, venivano analizzati diversi casi studio per applicare concretamente i concetti teorici:

• Calcolo del tempo di esecuzione: Dati il numero di istruzioni, il CPI e la frequenza di clock, gli studenti dovevano calcolare il tempo di esecuzione di un programma e valutare l’impatto di modifiche architetturali.
• Analisi delle prestazioni della cache: Utilizzando parametri come dimensione, blocco, associatività e hit rate, si calcolava il tempo medio di accesso alla memoria.
• Confronto tra architetture: Si confrontavano le prestazioni di diverse configurazioni (es. single-core vs multi-core) per specifici carichi di lavoro.
• Ottimizzazione del codice: Si analizzava come modifiche al codice assembly potessero migliorare le prestazioni sfruttando meglio il pipeline o la gerarchia di memoria.

Un esempio tipico di esercizio riguardava il calcolo del tempo di esecuzione di un programma con le seguenti caratteristiche:

• Numero di istruzioni: 1 × 10⁹
• Frequenza di clock: 3.2 GHz
• CPI medio: 1.5

La soluzione prevedeva l’applicazione della formula:

Tempo di esecuzione = (Numero di istruzioni × CPI) / (Frequenza di clock × 10⁹) = (1 × 10⁹ × 1.5) / (3.2 × 10⁹) = 0.46875 secondi

Laboratori e Strumenti Utilizzati

Il corso includeva anche attività di laboratorio dove gli studenti potevano applicare praticamente i concetti teorici. Gli strumenti principali erano:

• Simulatori architetturali:
  • SimpleScalar: simulatore per architetture pipeline e superscalari
  • Gem5: framework per la simulazione di sistemi computerizzati
  • MARSSx86: simulatore per architetture x86
• Linguaggi di programmazione:
  • Assembly x86 per comprendere il funzionamento a basso livello
  • C per analizzare l’impatto delle ottimizzazioni del compilatore
• Strumenti di benchmarking:
  • SPEC CPU: suite di benchmark standard per valutare le prestazioni
  • Linpack: per misurare le prestazioni in virgola mobile
  • Stream: per valutare la banda passante della memoria
• Analisi delle prestazioni:
  • Perf (Linux): per profilare le applicazioni
  • VTune (Intel): per l’analisi delle prestazioni su architetture Intel
  • CodeAnalyst (AMD): equivalente per processori AMD

Tendenze e Sviluppi Futuri (Prospettive dal 2018-2019)

Durante il corso venivano anche discussi i trend emergenti nell’architettura dei calcolatori, che all’epoca (2018-2019) includevano:

1. Fine della legge di Moore: Si iniziava a discutere dei limiti fisici della miniaturizzazione dei transistor e delle possibili alternative (es. computazione quantistica, materiali 2D come il grafene).
2. Architetture eterogenee: L’integrazione di CPU, GPU, TPU e altri acceleratori specializzati in un unico sistema (es. sistem-on-chip).
3. Memorie non volatili: Lo sviluppo di tecnologie come 3D XPoint (Intel Optane) che combinano le prestazioni della RAM con la persistenza delle memorie flash.
4. Calcolo approssimato: Tecniche per ridurre il consumo energetico accettando risultati approssimati in applicazioni tolleranti agli errori (es. elaborazione multimediale).
5. Architetture per l’intelligenza artificiale: L’emergere di acceleratori hardware specifici per il machine learning (es. Tensor Processing Units di Google).
6. Sicurezza hardware: L’importanza crescente di meccanismi di sicurezza implementati a livello architetturale (es. Intel SGX per le enclave sicure).

Questi argomenti riflettevano le sfide e le opportunità che gli ingegneri informatici avrebbero affrontato nei successivi anni, con particolare attenzione all’efficienza energetica e alle prestazioni per carichi di lavoro specifici come l’AI e il big data.

Risorse per lo Studio

Per preparare l’esame, gli studenti potevano fare riferimento a diverse risorse:

• Testi consigliati:
  • “Computer Architecture: A Quantitative Approach” – Hennessy & Patterson (6ª edizione)
  • “Computer Organization and Design” – Patterson & Hennessy (5ª edizione)
  • “Structured Computer Organization” – Tanenbaum (6ª edizione)
• Materiale delle lezioni:
  • Slide e appunti forniti dal docente
  • Esercizi svolti durante le esercitazioni
  • Tracce d’esame degli anni precedenti
• Risorse online:
  • Corsi MOOC su piattaforme come Coursera ed edX
  • Tutorial su simulatori architetturali
  • Forum specializzati (es. Stack Overflow per domande tecniche)

Fonti Accademiche Autorevoli

Per approfondimenti tecnici, si consigliano le seguenti risorse da istituzioni accademiche:

• CS:APP – Carnegie Mellon University (Materiali su architettura e sistemi)
• CS 61C – UC Berkeley (Great Ideas in Computer Architecture)
• MIT OpenCourseWare – Computation Structures

Preparazione per l’Esame

L’esame di Architettura dei Calcolatori (2018-2019) era tipicamente strutturato in:

1. Prova scritta:
   • Domande teoriche a risposta aperta
   • Esercizi di calcolo (es. tempo di esecuzione, hit rate della cache)
   • Problemi di progettazione (es. disegnare un datapath per una specifica ISA)
2. Prova orale (facoltativa):
   • Discussione della prova scritta
   • Domande di approfondimento su argomenti specifici
   • Analisi di casi studio

Consigli per la preparazione:

• Studiare gli appunti e rivedere le slide delle lezioni
• Esercitarsi con gli esercizi svolti durante il corso
• Ripassare le dimostrazioni matematiche (es. legge di Amdahl)
• Comprendere a fondo i concetti di pipeline e gerarchia di memoria
• Saper applicare le formule per il calcolo delle prestazioni
• Rivedere le traccia d’esame degli anni precedenti

Un tipico esercizio d’esame potrebbe chiedere di:

Problema: Un processore ha una frequenza di clock di 4 GHz e un CPI medio di 1.2. La cache L1 ha un hit rate del 90%, un tempo di hit di 1 ns e un tempo di miss di 10 ns. La memoria principale ha un tempo di accesso di 100 ns. Calcolare il tempo medio di accesso alla memoria e il tempo di esecuzione per 10⁹ istruzioni, assumendo che il 30% delle istruzioni acceda alla memoria.

Soluzione:

1. Tempo medio di accesso alla memoria (AMAT):

   AMAT = Hit rate × Hit time + Miss rate × Miss time = 0.9 × 1 ns + 0.1 × 10 ns = 1.8 ns

2. Tempo di esecuzione:

   Tempo CPU = (Numero istruzioni × CPI) / Frequenza = (10⁹ × 1.2) / (4 × 10⁹) = 0.3 secondi
   Tempo memoria = Numero accessi memoria × AMAT = (0.3 × 10⁹) × 1.8 × 10^-9 = 0.54 secondi
   Tempo totale = 0.3 + 0.54 = 0.84 secondi

Conclusione

Il corso di Architettura dei Calcolatori (A.A. 2018-2019) presso la Sapienza Università di Roma offriva una panoramica completa e aggiornata sulle tecnologie e metodologie alla base dei moderni sistemi di calcolo. Gli studenti acquisivano non solo conoscenze teoriche, ma anche competenze pratiche nell’analisi e ottimizzazione delle prestazioni, fondamentali per affrontare le sfide dell’ingegneria informatica contemporanea.

La comprensione dei principi architetturali è essenziale per:

• Progettare sistemi efficienti dal punto di vista energetico e prestazionale
• Ottimizzare il software per specifiche architetture hardware
• Valutare e confrontare diverse soluzioni tecnologiche
• Anticipare e adattarsi alle evoluzioni future dei sistemi di calcolo

Per gli studenti che hanno seguito questo corso, le competenze acquisite rappresentano una solida base per specializzazioni successive in ambiti come:

• Progettazione di processori e sistemi embedded
• Ottimizzazione di compilatori e runtime
• Sviluppo di acceleratori hardware per applicazioni specifiche
• Ricerca in architetture innovative (quantistiche, neuromorfiche, etc.)