ブルドーザー（マイクロアーキテクチャ）

Bulldozer は「クラスタ化マルチスレッド」（CMT）という技術を採用しており、プロセッサの一部は 2 つのスレッド間で共有され、一部は各スレッドに固有のものとなっています。このような非従来型のマルチスレッドへのアプローチの以前の例は、 2005 年のSun Microsystems の UltraSPARC T1 CPU まで遡ることができます。ハードウェアの複雑さと機能の観点から、Bulldozer CMT モジュールは、整数演算能力ではデュアルコア プロセッサに相当し、浮動小数点演算能力では、同じ CMT モジュールで実行されている両方のスレッドでコードが浮動小数点命令で飽和しているかどうか、および FPU が 128 ビットまたは 256 ビットの浮動小数点演算を実行しているかどうかに応じて、シングルコア プロセッサまたは制限付きデュアルコアに相当します。その理由は、同じモジュール内の 2 つの整数コアごとに、1 つの浮動小数点ユニットがあり、これは 128 ビットFMAC実行ユニットのペアで構成されています。

CMTは、ある意味でSMTよりも単純でありながら類似した設計思想に基づいています。どちらの設計も実行ユニットを効率的に利用しようとしますが、いずれの方法でも、2つのスレッドが実行パイプラインを競合すると、1つ以上のスレッドでパフォーマンスが低下します。Bulldozerファミリーのモジュールは、専用の整数コアを備えているため、完全に整数演算のみ、または整数と浮動小数点演算が混在するコード部分では、デュアルコア、デュアルスレッドのプロセッサとほぼ同様のパフォーマンスを発揮します。しかし、SMTでは共有浮動小数点パイプラインを使用するため、浮動小数点命令で飽和したスレッドペアでは、シングルコア、デュアルスレッドのSMTプロセッサ（SMT2）と同様のパフォーマンスとなります。（この2つの比較はいずれも、プロセッサが整数演算と浮動小数点演算の両方において、同等の幅と能力を持つ実行コアを備えていることを前提としています。）

CMTとSMTはどちらも、整数コードと浮動小数点コードを2つのスレッドで実行しているときに最高の効果を発揮します。CMTは、2つのスレッドが両方とも整数コードで構成されている場合、最高の効果を維持しますが、SMTでは、整数実行ユニットの競合により、1つまたは両方のスレッドのパフォーマンスが低下します。CMTの欠点は、シングルスレッドの場合、アイドル状態の整数実行ユニットが多くなることです。シングルスレッドの場合、CMTはモジュール内の整数実行ユニットの最大半分しか使用できませんが、SMTにはそのような制限はありません。2つのCMTコアと同じくらい幅広く高速な整数回路を備えた大規模なSMTコアは、理論的には、シングルスレッドの場合、一時的に最大2倍の整数パフォーマンスを発揮する可能性があります。（より現実的には、一般的なコード全体では、ポラックのルールは、$\displaystyle {\sqrt {2}}}$（つまり、パフォーマンスが約40％向上する。）

CMTプロセッサと一般的なSMTプロセッサは、2つのスレッド間でL2キャッシュを効率的に共有するという点で類似している。

• モジュールは、2つの「従来型」x86アウトオブオーダー処理コアの結合で構成されます。処理コアは、初期パイプラインステージ（L1i、フェッチ、デコードなど）、FPU、およびL2キャッシュをモジュールの残りの部分と共有します。
  • 各モジュールには、以下の独立したハードウェアリソースがあります。^{[ 13 ] [ 14 ]}
  • コアごとに16  KB 4 ウェイの L1d (ウェイ予測) と モジュールごとに 2 ウェイ 64 KB の L1i、2 つのコアそれぞれに 1 ウェイ^{[ 15 ] [ 16 ] [ 17 ]}
  • モジュールあたり2MB のL2キャッシュ（2つの整数コア間で共有）
  • ライトコアレッシングキャッシュ^{[ 18 ]}は、BulldozerマイクロアーキテクチャのL2キャッシュの一部である特別なキャッシュです。モジュール内の両方のL1DキャッシュからのストアはWCCを経由し、そこでバッファリングおよびコアレッシングされます。WCCの役割は、L2キャッシュへの書き込み回数を減らすことです。
  • 2つの専用整数コア
    • それぞれに2つのALUと2つのAGUが含まれており、クロックサイクルごと、コアごとに合計4つの独立した算術演算とメモリ演算を実行できます。
    • 整数スケジューラと実行パイプラインを複製することで、2つのスレッドそれぞれに専用のハードウェアが割り当てられ、マルチスレッドによる整数ロードのパフォーマンスが2倍になります。
    • –モジュール内の 2 番目の整数コアにより、Bulldozer モジュールのダイが約 12% 増加し、チップ レベルではダイ全体のスペースが約 5% 増加します^{[ 19 ] 。}
  • 各モジュールには、対称型の128ビットFMAC（積和演算機能融合）浮動小数点パイプラインが2つ搭載されており、整数コアのいずれかがAVX命令をディスパッチすると、これらを1つの256ビット幅の大きなユニットに統合できます。また、SSE2非最適化ソフトウェアとの下位互換性のために、対称型のx87/MMX/SSE対応FPPが2つ搭載されています。各FMACユニットは、可変レイテンシで除算と平方根演算も可能です。
• 搭載されているすべてのモジュールは、L3キャッシュと高度なデュアルチャネルメモリサブシステム（IMC – 統合メモリコントローラ）を共有しています。
• モジュールは、Orochiダイ上に30.9  mm ²の面積（2 MBの共有L2キャッシュを含む）に2億1300万個のトランジスタを搭載している。 ^{[ 20 ]} 
• Bulldozer（およびPiledriverとSteamroller）のパイプライン深度は20サイクルであり、K10コアの前身の12サイクルと比較して高い。^{[ 21 ]}

パイプラインが長くなったことで、Bulldozerファミリーのプロセッサは、前世代のK10プロセッサに比べてはるかに高いクロック周波数を実現できた。これにより周波数とスループットは向上したが、パイプラインが長くなったことでレイテンシが増加し、分岐予測ミスによるペナルティも増大した。

• Bulldozerの整数コアの幅は4（2つのALU、2つのAGU）で、K10コアの幅6（3つのALU、3つのAGU）よりやや狭い。BobcatとJaguarも4幅の整数コアを使用していたが、実行ユニットはより軽量で、1つのALU、1つの単純ALU、1つのロードAGU、1つのストアAGUであった。^{[ 22 ]}

Jaguar、K10、Bulldozerコアの発行幅（およびサイクルあたりの最大命令実行数）はそれぞれ2、3、4です。これにより、BulldozerはJaguar/Bobcatに比べてよりスーパースカラな設計となりました。しかし、K10のコアがやや広いこと（加えて、第一世代設計における改良や最適化の不足）により、Bulldozerアーキテクチャは一般的に、 K10の前身プロセッサに比べてIPCがやや低くなりました。PiledriverとSteamrollerで改良が加えられるまで、BulldozerファミリーのIPCはPhenom IIなどのK10プロセッサのIPCを明らかに上回ることはありませんでした。

• 2レベル分岐ターゲットバッファ（BTB）^{[ 23 ]}
• 条件付きハイブリッド予測器
• 間接予測因子

• IntelのAdvanced Vector Extensions（AVX）命令セット（256ビット浮動小数点演算をサポート）とSSE4.1、SSE4.2、AES、CLMUL、およびAMDが提案する将来の128ビット命令セット（XOP、FMA4、F16C）^{[ 24 ]}をサポートしています。これらは、以前AMDが提案したSSE5命令セットと同じ機能を持ちながら、 AVXコーディング方式との互換性があります。
• Bulldozer GEN4（掘削機）はAVX2命令セットをサポートしています。

• 11層金属構造の32nm  SOIプロセスに、GlobalFoundries社の第1世代高誘電率金属ゲート（HKMG）を実装。
• Turbo Core 2 のパフォーマンス向上により、すべてのスレッドがアクティブな場合 (ほとんどのワークロードの場合) クロック周波数が最大 500 MHz まで、またスレッドの半分がアクティブな場合、 最大 1 GHz まで、TDP 制限内で向上します。 ^{[ 25 ]} 
• このチップは0.775～1.425Vで動作し、3.6GHz以上 のクロック周波数を実現します^{[ 20 ]。} 
• 最小～最大TDP：25～140 ワット

•  同じシリコンダイ上のすべてのコアで共有される最大 8 MB の L3 ( デスクトップセグメントでは 4 コアで 8 MB、 サーバーセグメントでは 8 コアで 16 MB) は、それぞれ 2 MB の 4 つのサブキャッシュに分割され、1.1125 Vで 2.2 GHz で動作可能です^{[ 20 ]}  
• ネイティブDDR3メモリサポート最大DDR3-1866 ^{[ 26 ]}
• デスクトップおよびサーバー/ワークステーション向けデュアルチャネルDDR3統合メモリコントローラOpteron 42xx「Valencia」^{[ 27 ]} 、サーバー/ワークステーション向けクアッドチャネルDDR3統合メモリコントローラOpteron 62xx「Interlagos」^{[ 28 ]}
• AMDは、チャネルあたり2つのDDR3-1600 DIMMをサポートすると述べている。1つのチャネルに2つのDDR3-1866 DIMMを搭載した場合、クロック周波数は1600にダウンクロックされる。

• HyperTransportテクノロジー rev. 3.1 ( 3.20  GHz、6.4  GT/s、25.6  GB/s、16ビット幅リンク) [ 2010年3月にソケットG34 Opteronプラットフォーム上のHY-D1リビジョン「Magny-Cours」に、 2010年6月にソケットC32 Opteronプラットフォーム上の「Lisbon」に初めて実装されました]
• ソケットAM3+（AM3r2）
  • 942ピン、DDR3のみ対応
  • AM3 ソケット マザーボードとの下位互換性は維持されます (マザーボードメーカーの選択と BIOS アップデートが提供される場合^{[ 29 ] [ 30 ]} )。ただし、これは AMD によって公式にはサポートされていません。AM3+ マザーボードは AM3 プロセッサとの下位互換性があります。^{[ 31 ]}
• サーバーセグメントでは、既存のソケットG34（LGA1974）とソケットC32（LGA1207）が使用されます。

主な情報源: CPU-World ^{[ 33 ]}および Xbit-Labs ^{[ 34 ]}

サーバー向けBulldozerベースのプロセッサには、Opteron 4200シリーズ（Socket C32、コードネームValencia、最大4モジュール）とOpteron 6200シリーズ（Socket G34、コードネームInterlagos、最大8モジュール）の2つのシリーズがあります。 ^{[ 35 ] [ 36 ]}

2011年10月24日、 Phoronixが行った第1世代のテストで、Bulldozer CPUのパフォーマンスが予想よりやや低いことが確認された。^{[ 40 ]}いくつかのテストでは、CPUは旧世代のPhenom 1060Tと同様のパフォーマンスを示した。

その後、さまざまなコンパイラの最適化やCPUドライバの修正がリリースされたことで、パフォーマンスは大幅に向上した。^{[ 41 ] [ 42 ]}

最初の Bulldozer CPU は賛否両論の評価を受けました。FX-8150 は、スレッド数が少ないベンチマークでは性能が悪く、第 2 世代 Intel Core i* シリーズ プロセッサに劣り、クロック速度が低い AMD の Phenom II X6 と同等かそれ以上の性能を発揮することが判明しました。スレッド数が多いベンチマークでは、FX-8150 はベンチマークによっては Phenom II X6 やIntel Core i7 2600Kと同等の性能を発揮しました。より低価格で全体的に安定した性能を発揮するIntel Core i5 2500Kがあることを考えると、これらの結果は多くのレビュアーを失望させました。このプロセッサは、特にオーバークロック時に負荷がかかると、Intel のSandy Bridgeと比較して非常に電力消費が大きいことが判明しました。^{[ 43 ] [ 44 ]}

2011年10月13日、AMDはブログで「コミュニティの中には、製品のパフォーマンスが期待に応えられなかったと感じている人もいる」と述べたが、実際のアプリケーションでのベンチマークでは、Sandy Bridge i7 2600kとAMD X6 1100Tを上回るパフォーマンスを示した。^{[ 45 ]}

2012年1月、マイクロソフトはWindows 7とServer 2008 R2向けに2つのホットフィックスをリリースし、Bulldozerのリリース後に提起されたスレッドスケジューリングの問題に対処することで、Bulldozer CPUのパフォーマンスをわずかに向上させた。^{[ 46 ] [ 47 ] [ 48 ]}

2012年3月6日、AMDは、FXプロセッサと、広く利用されているデジタルゲーム配信プラットフォームであるSteam上の特定のゲームとの互換性の問題があることを示すナレッジベースの記事を公開しました。AMDは、この問題を解決するBIOSアップデートを複数のマザーボードメーカー（具体的には、 Asus、Gigabyte Technology、MSI、ASRock ）に提供したと述べています。^{[ 49 ]}

2014年9月、AMDのCEOであるロリー・リードは、Bulldozerのデザインは「ゲームチェンジャーとなる部品」ではなかったこと、そしてAMDはこのデザインで4年間を過ごさなければならなかったことを認めた。^{[ 50 ]}

2011 年 8 月 31 日、AMD と Brian McLachlan、Sami Mäkinen、Aaron Schradin、Simon Solotko を含む著名なオーバークロッカーのグループが、未発売のオーバークロックされた FX-8150 Bulldozer プロセッサを使用して、CPU 周波数の世界新記録を樹立しました。それまでの記録は 8.309  GHz でしたが、Bulldozer と液体ヘリウム冷却を組み合わせることで、8.429 GHz という新たな高みに達しました。その後、 Andre Yang が液体窒素 を使用して8.58 GHz でこの記録を破りました。^{[ 51 ] [ 52 ]} 2014 年 8 月 22 日、Team Finland の The Stilt は FX-8370 (Piledriver) を使用して、最大 CPU 周波数 8.722 GHz を達成しました。^{[ 53 ]}  

オーバークロックされたBulldozer CPUによって樹立されたCPUクロック周波数の記録は、約10年後の2022年10月にIntelの第13世代Core Raptor Lake CPUのオーバークロックによって破られた。 ^{[ 54 ]}