微架构门控:clock gating 粒度与 power gating 域——省电的代价是唤醒延迟
现代 CPU 的功耗大头不在「算」,而在「翻」——每个时钟沿几亿个触发器翻转一次,翻转就是电流。为了让不忙的部件不白白翻转,硬件做了两套微架构门控:clock gating(时钟门控) 把时钟信号掐掉,触发器停翻;power gating(电源门控) 更进一步,把整个电压域断电,连漏电都省了。门控越深、省电越多,唤醒延迟就越长——这条「省电 vs 延迟」的权衡曲线,正是延迟敏感型程序(游戏、高频交易、音频处理)在节能核上抖动的根源。前置阅读:流水线基础、乱序执行机制。
本文要回答的问题
- clock gating 有哪几级粒度,粒度越细代价是什么?
- power gating 和 clock gating 差在哪,为什么唤醒要慢几个数量级?
- 唤醒延迟从哪来——状态保存、电源爬升、PLL 重新锁定各花多少时间?
- 对跑在上面的程序,门控意味着什么可观测的行为(频率抖动、尾延迟)?
一、为什么要门控:动态功耗与静态功耗
CMOS 电路的功耗分两块。动态功耗来自充放电:每个时钟沿,翻转的晶体管都要给负载电容充一次电,公式是经典的 P = α·C·V²·f——翻转率 α、电容 C、电压平方、频率 f,四个因子哪个都能砍。静态功耗来自漏电流:晶体管关得再死也有亚阈值漏电,工艺越先进(7nm、5nm),漏电占比越高,先进节点上静态功耗能占到三四成。
clock gating 砍的是动态功耗里的 α——不翻转就不耗电,但电压还加着,漏电照漏。power gating 砍的是静态功耗——电压直接断掉,漏电归零,代价是状态全丢。两者不是替代关系,是叠加关系:闲得短用 clock gating,闲得久才值得 power gating。
二、clock gating 的三级粒度
clock gating 不是「开 / 关」一刀切的,它在时钟树的不同位置下手,粒度越粗省电越多、反应越慢:
| 粒度 | 门控位置 | 覆盖范围 | 进入/退出延迟 | 省电效果 |
|---|---|---|---|---|
| 细粒度(功能单元级) | 每个执行单元入口 | 单个 ALU/FPU/译码器 | 0~1 拍 | 小,但频次极高 |
| 中粒度(模块级) | 时钟树中间节点 | 一个模块(如整个 FPU、LSU) | 几拍 | 中 |
| 粗粒度(核心级) | 时钟树根部 | 整个核、整个 cluster | 数十~数百拍 | 大,接近归零 |
细粒度门控是编译器都看不见的硬件本能:译码器发现这条 µop 用不到 FPU,FPU 的时钟使能信号当拍就拉低,一拍之后要用再拉高——程序员零感知。粗粒度门控就是 C-state 的硬件形态:整个核的时钟停摆,进入 C1/C1E,唤醒要重新喂时钟、流水线重新填充。
这张图的核心信息:门控是挂在时钟树上的开关,开关位置越靠根,一次切断的下游越多(省电多),但时钟树本身有传播延迟,重新打开后要等时钟稳定送达所有叶子才能干活(唤醒慢)。细粒度开关在叶子旁边,翻一个使能位就完事;粗粒度开关在根部,等于让整个核「心跳暂停」。
三、power gating:连漏电一起掐掉
clock gating 再深,电压还加在电路上,纳米级工艺的漏电流照跑。power gating 的做法是在电压域和地之间串一个「休眠晶体管」(sleep transistor,通常是高阈值电压的大管子),空闲时把它关断,整个域的虚拟地浮起,电流归零。
代价是状态全丢。触发器、寄存器堆、cache 里的数据全部消失(除非用 retention 寄存器保住关键状态)。唤醒流程因此变成一条多阶段流水线:
每一级都有物理原因,省不掉。电源爬升要控制斜率——几千个休眠晶体管同时导通,浪涌电流会把相邻电压域的电压砸出坑,所以只能分批打开,这就是 µs 级延迟的来源之一。PLL(锁相环)从停振到输出稳定时钟也要 µs 级。状态恢复看设计:x86 核的深度 C-state(C6)把架构状态刷进专用 SRAM,恢复时回灌;完全掉电的设计则要从固件重新走一遍初始化。
数量级感受一下:细粒度 clock gating 退出约 1 拍(亚纳秒),核心级 C1 约数十拍,C6 级 power gating 唤醒在几十到上百 µs——相差四到五个数量级。
四、对程序意味着什么:抖动与尾延迟
微架构门控对吞吐型程序基本无害——核忙的时候门控根本不触发。受伤的是间歇性突发负载:
- 游戏主线程:一帧内渲染间隙核睡了,下一帧开始先交几十 µs 唤醒税,帧时间出现毛刺
- 高频交易 / 低延迟服务:请求到达时核在 C-state,第一个响应比稳态慢一个数量级,P99 尾延迟被门控唤醒主导
- 音频处理:回调周期 5~10ms,恰好卡在「睡下去不划算、不睡又浪费」的尴尬区间
Linux 下的应对手段都是老熟人:cpupower idle-set -d 禁用深度 C-state、intel_idle.max_cstate=1 内核参数、/dev/cpu_dma_latency 接口向电源管理器声明「我能容忍的唤醒延迟上限」。性能分析时如果看到「平均延迟很好、P99 莫名其妙」,先看 /sys/devices/system/cpu/cpu*/cpuidle/ 里的状态驻留统计,再对照 perf 的频率事件——门控唤醒和 DVFS 升频经常叠加出现。
还有一个反直觉点:门控省电省出的功耗预算,会被 boost 机制拿去买更高的瞬时频率(Turbo)。所以门控不只是省电技术,它也是现代 CPU「短时冲高频」的前提——闲的部件不睡觉,忙的部件就没有预算跑得更快。服务器端常说的「关 C-state 换稳定延迟」其实就是主动放弃这部分预算:宁可选一个低一点但恒定的频率,也不要「冲高频 + 周期性唤醒税」的组合。桌面端则相反,交互负载天然突发,门控 + Turbo 的组合反而让体感更快。这也是为什么同一块 CPU 装在笔电和装在低延迟交易服务器上,电源策略配置完全相反——硬件机制是中性的,取舍全看负载的间歇程度。
这一篇在知识体系里的位置
本篇属于 concepts/microarch 的功耗维度补位:同目录下流水线基础讲「一拍干什么」,本篇讲「没活干时怎么不浪费电」;乱序执行机制里保留站、ROB 这些大结构正是 clock gating 的头号目标(面积大、翻转率高)。往系统层走,C-state 的 Linux 配置与 cpuidle 子系统是门控策略的软件接口;往观测层走,perf 的频率/功耗事件和 turbostat 是看门控行为的常规工具。
总结
微架构门控是 CPU 省电的两级手段:clock gating 按时钟树粒度掐时钟(细粒度 0~1 拍无感、核心级数十拍),省电但留着漏电;power gating 直接断电连漏电归零,代价是状态丢失和 µs 级的多阶段唤醒(电源爬升、PLL 锁定、状态恢复、流水线预热)。对间歇性突发负载,唤醒延迟直接体现为帧毛刺和 P99 尾延迟——所以低延迟场景要么禁用深度 C-state,要么用 cpu_dma_latency 向内核声明延迟底线。