SPEC CPU2026: Characterization, Representativeness, and Cross-Suite Comparison

특화된 가속기가 AI 워크로드를 지배하지만, CPUs 는 이러한 가속기를 조율하고 데이터센터 서비스를 실행하는 데 여전히 필수적입니다. 따라서 CPU 성능은 엔드 투 엔드 시스템 효율성을 형성하는 중요한 요소가 되었고, 벤치마크가 현대적인 워크로드와 병목 현상을 반영해야 하는 것이 필요해졌습니다. 그러나 새로운 CPU 벤치마크 suites 이 이러한 변화를 얼마나 잘 반영하는지는 아직 명확하지 않습니다. 이를 해결하기 위해, 우리는 최근 Intel, AMD, Ampere, Nvidia 프로세서에 걸친 9 개의 플랫폼을 아우르는 첫 번째 종합적인 SPEC CPU2026 분석을 제시합니다. 우리는 SPEC CPU2017 과 비교했을 때, SPEC CPU2026 이 명령어 양과 메모리 발자국을 증가시키고, 특히 높은 인스트럭션 캐시 스트레스와 같은 새로운 병목 현상으로 압력을 이동시켰음을 발견했습니다. 다음으로, 전체 suites 가 아키텍처 평가에 필요한지 여부를 살펴보았습니다. 클러스터링 기반의 대표성 분석을 사용하여, 각 그룹당 4-5 개의 워크로드로 구성된 컴팩트한 subsets 이 전체 suites 의 동작의 96.4-99.9% 를 보존하며 평가 비용을 크게 줄일 수 있음을 발견했습니다. SPEC CPU2026 을 더 잘 위치시키기 위해, 우리는 cross-suite microarchitectural metrics 를 사용하여 SPEC CPU2017, DCPerf, MLPerf 와 비교했습니다. SPEC CPU2026 은 여전히 일반적인 목적의 suites 로, MLPerf 보다 벡터 집약도가 낮고 DCPerf 보다 프론트엔드 압력이 낮지만, 이전 SPEC CPU 세대보다 실제 세계 CPU 행동에 더 가깝게 이동했습니다. 마지막으로, 우리는 페이지 크기 및 할당자, prefetching, 컴파일러 최적화, ISA 민감성, many-core scaling 에 대한 사례 연구들을 통해 aggregate scores 를 넘어 실용적인 아키텍처 연구를 지원한다는 것을 보여줍니다. 새로운 round-robin stagger mode 는 DCPerf 를 근사하는 proxy workloads 를 생성하여 IPC gap 을 13.7% 로 줄였습니다. 전체적으로, SPEC CPU2026 은 엄밀하고 비용 효율적인 CPU 평가를 위한 새로운 기초를 마련했습니다.