راهنمای جامع پردازنده های (Intel و AMD) | تشخیص نسل CPU، معنی پسوندها، مقایسه قدرت، انتخاب بهترین پردازنده و کاربرد هر مدل

Virtualization چیست؟

Virtual Machine چیست؟

Virtual Machine
یا VM
محیطی مجازی است
که از دید سیستم عامل
می تواند شبیه
یک کامپیوتر مستقل
به نظر برسد.

VM ممکن است
منابعی مانند:

• Virtual CPU،
• Virtual Memory،
• Virtual Storage،
• Virtual Network Interface،
• و Deviceهای مجازی

داشته باشد.

vCPU چیست؟

اصطلاح:

vCPU
=
Virtual CPU

به پردازنده منطقی
ارائه شده
به Virtual Machine
اشاره دارد.

vCPU
لزوماً یک Physical Core
اختصاصی
و دائمی نیست.

Hypervisor
می تواند vCPUها
را روی Logical Processorهای
واقعی CPU
Scheduling کند.

Hypervisor چیست؟

Host و Guest یعنی چه؟

به صورت عمومی:

Host
→
Physical / Controlling Environment

Guest
→
Virtualized Operating Environment

Guest OS
سیستم عاملی است
که داخل VM
اجرا می شود.

البته در Hypervisorهای Type 1،
مفهوم Host OS
دقیقاً شبیه
نرم افزارهای Virtualization
دسکتاپ نیست.

Type 1 و Type 2 Hypervisor چیست؟

چرا مجازی سازی CPU دشوار بود؟

مشکل اصلی این است
که Guest OS
خودش تصور می کند
Kernel واقعی سیستم است.

بنابراین می خواهد
Instructionهایی
با Privilege بالا
اجرا کند.

Guest Kernel
→
Wants Privileged Hardware Control

اما Hypervisor
نمی تواند اجازه دهد
Guest مستقیماً
کنترل کل CPU
یا سیستم
را در اختیار بگیرد.

قبل از Hardware Virtualization چه روش هایی استفاده می شد؟

روش های مختلفی
برای Virtualization
استفاده می شدند.

برای مثال:

• Binary Translation،
• Paravirtualization،
• و Emulation.

بعضی از این روش ها
پیچیدگی
و Overhead بیشتری
داشتند.

Hardware-Assisted Virtualization چیست؟

سازندگان CPU
قابلیت هایی
مستقیماً داخل معماری پردازنده
اضافه کردند
تا Hypervisor
بتواند Guest OS
را با Isolation
و Performance بهتر
اجرا کند.

در x86
دو خانواده معروف:

Intel VT-x

و:

AMD-V

هستند.

Intel VT-x چیست؟

VT-x
مجموعه ای از
قابلیت های Virtualization
در پردازنده های Intel
است.

این قابلیت ها
امکان اجرای Guest
در محیطی
تحت کنترل Hypervisor
را فراهم می کنند.

AMD-V چیست؟

AMD-V
خانواده قابلیت های
Virtualization
در پردازنده های AMD
است.

در مستندات قدیمی تر
ممکن است با نام:

AMD Secure Virtual Machine
/
SVM

نیز دیده شود.

چرا Ring 0 به تنهایی برای Virtualization کافی نیست؟

Guest Kernel
معمولاً تصور می کند
خودش باید
در بالاترین Privilege
اجرا شود.

اما Hypervisor
باید بتواند
حتی Guest Kernel
را کنترل کند.

Hardware Virtualization
برای حل این مسئله
یک لایه اجرایی
اضافی ایجاد می کند.

Root Mode و Non-Root Mode چیست؟

در مدل Virtualization
Intel VT-x،
دو محیط کلی
مطرح می شوند:

VMX Root Operation

و:

VMX Non-Root Operation

Hypervisor
معمولاً در Root Operation
کنترل اصلی را دارد.

Guest
در Non-Root Operation
اجرا می شود.

VM Entry چیست؟

وقتی Hypervisor
می خواهد اجرای
Guest را آغاز
یا ادامه دهد،
CPU باید
وضعیت Guest
را فعال کند.

این Transition:

VM Entry

نامیده می شود.

Hypervisor
→
VM Entry
→
Guest Execution

VM Exit چیست؟

چه چیزی می تواند باعث VM Exit شود؟

بسته به Configuration
Hypervisor،
رویدادهای مختلفی
می توانند
باعث VM Exit شوند.

برای مثال:

• اجرای برخی Instructionهای حساس،
• دسترسی به بعضی Control Registerها،
• برخی عملیات I/O،
• Interrupt یا Exceptionهای مشخص،
• و رویدادهای تنظیم شده توسط Hypervisor.

Guest
→
Sensitive Event
→
VM Exit
→
Hypervisor
→
Handle Event
→
VM Entry
→
Guest

VMCS چیست؟

در Intel VT-x
ساختاری به نام:

Virtual Machine Control Structure
=
VMCS

اطلاعات مهم
درباره Virtual Machine
و رفتار Virtualization
را نگه می دارد.

VMCS چه اطلاعاتی دارد؟

به صورت کلی
شامل دسته هایی
از اطلاعات مانند:

• Guest State،
• Host State،
• VM Execution Controls،
• VM Exit Controls،
• VM Entry Controls،
• و Exit Information

است.

VMCB چیست؟

در AMD-V
ساختار مهمی به نام:

Virtual Machine Control Block
=
VMCB

برای ذخیره
وضعیت و کنترل
Virtual Machine
استفاده می شود.

از نظر هدف مفهومی
شباهت هایی
با VMCS
در Intel دارد،
هرچند طراحی و جزئیات
یکسان نیستند.

Guest State چیست؟

CPU هنگام اجرای
Guest OS
باید وضعیت معماری
مربوط به Guest
را نگه دارد.

این وضعیت
می تواند شامل
اطلاعات مرتبط با:

• Registerها،
• Control State،
• Instruction Pointer،
• Privilege State،
• و سایر اجزای معماری

باشد.

Host State چیست؟

هنگام VM Exit
CPU باید بتواند
Hypervisor
را در وضعیت مناسب
اجرا کند.

بنابراین اطلاعاتی
از وضعیت Host
نیز باید
در ساختار Virtualization
تعریف شده باشد.

بزرگ ترین مشکل Virtualization حافظه چیست؟

Guest OS
تصور می کند
Page Table خودش
Virtual Address
را به Physical Address
تبدیل می کند.

اما چیزی که Guest
«Physical Address»
می نامد،
الزاماً Physical Address واقعی
ماشین نیست.

بنابراین دو مرحله
Translation
مطرح می شود.

GVA، GPA و HPA چیست؟

سه اصطلاح مهم:

GVA
=
Guest Virtual Address

GPA
=
Guest Physical Address

HPA
=
Host Physical Address

هستند.

Guest Page Table
معمولاً:

GVA
→
GPA

را مشخص می کند.

Hypervisor
باید مشخص کند:

GPA
→
HPA

Shadow Page Table چیست؟

یکی از روش های قدیمی تر
Virtualization حافظه
استفاده از:

Shadow Page Tables

بود.

Hypervisor
Page Tableهایی
نگه می داشت
که Translation
مورد نیاز Hardware
را مستقیماً
بازتاب دهند.

مدیریت این ساختارها
می توانست پیچیده
و پرهزینه باشد.

Second-Level Address Translation چیست؟

EPT چیست؟

Intel
قابلیت SLAT خود
را:

Extended Page Tables
=
EPT

می نامد.

EPT
به Hardware
اجازه می دهد
Translation
از Guest Physical Address
به Host Physical Address
را انجام دهد.

NPT چیست؟

AMD
فناوری مشابه
را با نام:

Nested Page Tables
=
NPT

ارائه می کند.

این فناوری
با عنوان:

Rapid Virtualization Indexing
=
RVI

نیز شناخته شده است.

Translation حافظه در VM چگونه انجام می شود؟

به صورت مفهومی:

Guest Virtual Address
→
Guest Page Tables
→
Guest Physical Address
→
EPT / NPT
→
Host Physical Address

Nested Page Walk چیست؟

اگر Translation
مورد نیاز
در TLB
حاضر نباشد،
CPU ممکن است
برای پیدا کردن Translation نهایی
Page Tableهای Guest
و ساختار سطح دوم
را بررسی کند.

این فرآیند
می تواند از
Page Walk معمولی
پیچیده تر باشد.

Guest Page Walk
+
Second-Level Translation
→
More Translation Work

TLB چرا در Virtualization بسیار مهم است؟

اگر CPU مجبور باشد
برای هر Memory Access
Translation چندمرحله ای
را از ابتدا
انجام دهد،
Performance بسیار کاهش می یابد.

TLB
Translationهای اخیر
را Cache می کند.

بنابراین:

TLB Hit
→
Avoid Expensive Nested Page Walk

Large Pageها چرا در Virtualization مهم هستند؟

Pageهای بزرگ تر
می توانند تعداد Translationهای
لازم برای پوشش
یک محدوده بزرگ حافظه
را کاهش دهند.

در نتیجه
فشار روی TLB
می تواند کمتر شود.

Larger Pages
→
Greater Memory Coverage per TLB Entry

البته استفاده از Large Page
Trade-offهای دیگری نیز دارد.

ASID و PCID چه کمکی می کنند؟

CPU می تواند
Translationهای TLB
را با Identifier
فضای آدرس
مرتبط کند.

مفاهیمی مانند:

ASID
/
PCID

کمک می کنند
Translationهای مربوط
به Contextهای مختلف
بهتر از یکدیگر
تشخیص داده شوند.

در Virtualization
مکانیزم های مشابه
برای کاهش Flushهای
غیرضروری TLB
اهمیت زیادی دارند.

VPID چیست؟

در Intel VT-x،
قابلیت:

Virtual Processor Identifier
=
VPID

به CPU کمک می کند
Translationهای TLB
مربوط به Guestهای مختلف
را بهتر مدیریت کند.

این قابلیت
می تواند نیاز
به برخی TLB Flushها
هنگام VM Transition
را کاهش دهد.

CPU Virtualization فقط درباره Instruction Execution است؟

خیر.

Virtual Machine
علاوه بر CPU
به Memory
و Device
نیز نیاز دارد.

اما جزئیات کامل
I/O Virtualization
مربوط به کل Platform
است،
نه فقط Core پردازنده.

در این دانشنامه
فقط ارتباط مستقیم
آن با CPU
را بررسی می کنیم.

IOMMU چه ارتباطی با Virtualization دارد؟

IOMMU
می تواند
Memory Access
Deviceها
را Translate
و محدود کند.

این قابلیت
برای Isolation
و Device Assignment
در Virtual Machineها
اهمیت دارد.

فناوری های شناخته شده:

Intel VT-d
/
AMD IOMMU

در این حوزه
استفاده می شوند.

توجه شود
که VT-d
با VT-x
یک چیز نیست.

Device Passthrough چیست؟

در برخی سیستم ها
می توان یک Device فیزیکی
را با کنترل مستقیم تر
در اختیار یک VM
قرار داد.

این روش:

Device Passthrough

نامیده می شود.

برای حفظ Isolation،
پلتفرم به
قابلیت های مناسب
IOMMU
نیاز دارد.

Interruptها در Virtual Machine چگونه مدیریت می شوند؟

Guest OS
تصور می کند
Interruptهای سیستم
متعلق به ماشین خودش هستند.

Hypervisor
باید بتواند
Interruptهای مجازی
را برای Guestها
ایجاد و مدیریت کند.

CPUهای جدیدتر
قابلیت های سخت افزاری
برای کاهش Overhead
این فرآیند
دارند.

APIC Virtualization چیست؟

در معماری x86،
APIC
بخش مهمی
از مدیریت Interruptها است.

Hardware Virtualization
می تواند قابلیت هایی
برای Virtualize کردن
عملیات APIC
ارائه کند
تا تعداد VM Exitهای
مرتبط با Interrupt
کاهش پیدا کند.

Nested Virtualization چیست؟

در حالت معمول:

Physical CPU
→
Hypervisor
→
Virtual Machine

اما گاهی
می خواهیم داخل VM
یک Hypervisor دیگر
اجرا کنیم.

Physical Machine
→
L0 Hypervisor
→
L1 Guest Hypervisor
→
L2 Virtual Machine

این حالت:

Nested Virtualization

نامیده می شود.

L0، L1 و L2 در Nested Virtualization چه هستند؟

در اصطلاح رایج:

L0
→
Physical Hypervisor

L1
→
Guest Hypervisor

L2
→
VM Running Inside L1

Nested Virtualization
پیچیدگی بیشتری
در Privilege،
Memory Translation
و VM Exit Handling
ایجاد می کند.

vCPU چگونه روی Physical CPU اجرا می شود؟

Hypervisor
باید vCPUهای
Virtual Machineها
را روی
Logical CPUهای واقعی
زمان بندی کند.

Many vCPUs
→
Hypervisor Scheduler
→
Physical Logical CPUs

بنابراین تعداد vCPU
و تعداد Core فیزیکی
الزاماً برابر نیستند.

CPU Overcommit چیست؟

Hypervisor
می تواند تعداد vCPU
بیشتری از Logical CPUهای
فیزیکی
تعریف کند.

این روش:

CPU Overcommit

نامیده می شود.

اگر همه VMها
همزمان CPU زیادی
مصرف نکنند،
می تواند
استفاده از Hardware
را افزایش دهد.

اما Overcommit شدید
می تواند Latency
و Contention
را افزایش دهد.

SMT و Hyper-Threading چه تاثیری روی Virtualization دارند؟

یک Physical Core
ممکن است چند
Logical Processor
داشته باشد.

Hypervisor
می تواند vCPUها
را روی این Logical Processorها
Scheduling کند.

اما دو Thread
روی یک Physical Core
منابع داخلی
مشترکی دارند.

بنابراین:

2 SMT Threads
≠
2 Fully Independent Physical Cores

NUMA چه ارتباطی با Virtualization دارد؟

در Serverهای بزرگ،
Memory Access Cost
می تواند به
محل فیزیکی Core
و Memory
وابسته باشد.

Hypervisor
باید Placement
vCPU و Memory
را با دقت
مدیریت کند.

اگر vCPU
روی یک NUMA Node
و بخش زیادی از Memory
VM روی Node دیگری باشد،
Remote Memory Access
می تواند افزایش پیدا کند.

Virtual NUMA چیست؟

برای VMهای بزرگ،
Hypervisor
می تواند Topology
مجازی NUMA
را به Guest OS
نمایش دهد.

به این مفهوم:

vNUMA
=
Virtual NUMA

گفته می شود.

Guest OS
می تواند از این اطلاعات
برای Scheduling
و Memory Placement
بهتر استفاده کند.

Cache در Virtualization مشترک است یا جدا؟

vCPUها در نهایت
روی Coreهای واقعی
اجرا می شوند
و از Cacheهای فیزیکی CPU
استفاده می کنند.

Hypervisor
برای هر VM
یک L1 یا L3 فیزیکی
جداگانه ایجاد نمی کند.

بنابراین چند VM
می توانند برای
Cache Capacity
و Memory Bandwidth
با یکدیگر
رقابت کنند.

Hardware Virtualization چگونه Isolation ایجاد می کند؟

CPU
همراه Hypervisor
مرزهای مختلفی
میان Guestها
ایجاد می کند.

این مرزها شامل:

• Execution State،
• Memory Translation،
• Privilege Control،
• Interrupt Handling،
• و Device Access

هستند.

هدف این است
که یک Guest
نتواند به صورت عادی
Memory
یا Execution Context
Guest دیگر
را کنترل کند.

آیا VM مرز امنیتی کاملاً شکست ناپذیر است؟

خیر.

Virtualization
Isolation بسیار قدرتمندی
ایجاد می کند،
اما CPU،
Hypervisor،
Firmware
و Deviceها
همچنان نرم افزار
و سخت افزار پیچیده ای هستند.

آسیب پذیری
در هرکدام
می تواند
Security Boundary
را تحت تاثیر قرار دهد.

VM Escape چیست؟

VM Escape
اصطلاحی برای
آسیب پذیری هایی است
که در آنها
کد داخل Guest
می تواند از مرز
Virtual Machine
عبور کند
و به سطح بالاتر
دسترسی پیدا کند.

چنین آسیب پذیری هایی
بسیار مهم هستند،
زیرا Isolation
میان Guest
و Hypervisor
را هدف قرار می دهند.

Confidential Virtual Machine چیست؟

نسل های جدید CPU
قابلیت هایی
برای افزایش حفاظت
Memory
Virtual Machineها
ارائه می کنند.

هدف
این است که
حتی بخش هایی
از Infrastructure
میزبان
نتوانند به سادگی
محتوای Memory
Guest را مشاهده کنند.

این حوزه
با مفاهیمی مانند:

Confidential Computing

مرتبط است.

AMD SEV چیست؟

AMD
خانواده فناوری هایی
برای حفاظت
از Virtual Machine Memory
ارائه کرده است.

نام عمومی این خانواده:

Secure Encrypted Virtualization
=
SEV

است.

نسل ها
و قابلیت های مختلف
این خانواده
سطح حفاظت متفاوتی
ارائه می کنند.

Intel TDX چیست؟

Intel
نیز فناوری:

Trust Domain Extensions
=
TDX

را برای ایجاد
محیط های Virtual Machine
محافظت شده
توسعه داده است.

این فناوری
بخشی از حوزه
Confidential Computing
محسوب می شود.

Virtualization چقدر Performance را کاهش می دهد؟

پاسخ ثابت
و یکسانی وجود ندارد.

Workloadی که
بیشتر Instructionهای عادی
CPU را اجرا می کند
و VM Exit کمی دارد،
می تواند بسیار نزدیک
به Performance Native
اجرا شود.

در مقابل،
Workloadی با:

• VM Exit زیاد،
• I/O زیاد،
• TLB Pressure بالا،
• NUMA Placement نامناسب،
• CPU Overcommit شدید،
• یا Cache Contention زیاد

می تواند Overhead بیشتری
تجربه کند.

Native Performance چیست؟

Native Execution
به حالتی اشاره دارد
که نرم افزار
بدون لایه Virtual Machine
مستقیماً روی
سیستم عامل
و Hardware فیزیکی
اجرا شود.

Native
→
No Guest Virtualization Layer

این اصطلاح
معمولاً برای مقایسه
با Performance داخل VM
استفاده می شود.

چرا Workload محاسباتی خالص می تواند داخل VM بسیار سریع باشد؟

اگر Guest
تعداد زیادی
Instruction عادی
بدون Trap
اجرا کند،
CPU می تواند
همان Instructionها
را مستقیم
روی Execution Engine واقعی
اجرا کند.

Guest Normal Instructions
→
Physical CPU Execution Units

بنابراین Hardware Virtualization
به معنی Emulate کردن
تک تک Instructionهای CPU
نیست.

Emulation و Virtualization چه تفاوتی دارند؟

Virtualization
معمولاً زمانی
بیشترین Performance را دارد
که Guest ISA
با Physical CPU
سازگار باشد.

Emulation
می تواند حتی
یک ISA متفاوت
را شبیه سازی کند،
اما معمولاً
هزینه بیشتری دارد.

Virtualization
→
Usually Same / Compatible ISA

Emulation
→
Can Emulate Different ISA

Virtual Machine و Container یکی هستند؟

خیر.

Virtual Machine
می تواند Guest Kernel
مستقل داشته باشد.

Container
معمولاً Kernel
میزبان
را با سایر Containerها
به اشتراک می گذارد.

VM
→
Separate Guest Kernel

Container
→
Shared Host Kernel

بنابراین CPU Virtualization
برای VM
نقش بنیادی تری دارد.

چرا گاهی Virtualization باید در BIOS فعال شود؟

Platform Firmware
می تواند
برخی قابلیت های
Virtualization CPU
را فعال
یا غیرفعال کند.

بنابراین ممکن است
CPU از VT-x
یا AMD-V
پشتیبانی کند،
اما قابلیت مربوط
در Firmware
غیرفعال باشد.

هنگام خرید CPU برای Virtualization چه چیزهایی مهم هستند؟

فقط وجود عبارت:

VT-x
/
AMD-V

کافی نیست.

برای Workloadهای Virtualization
باید مواردی مانند:

• Core Count،
• Thread Count،
• Single-Thread Performance،
• Cache Capacity،
• Memory Capacity Support،
• Memory Bandwidth،
• SLAT Support،
• IOMMU Support،
• NUMA Topology،
• و قابلیت های امنیتی Virtualization

نیز بررسی شوند.

Virtualization در کامپیوتر شخصی چه کاربردی دارد؟

کاربردها می توانند شامل:

• اجرای سیستم عامل آزمایشی،
• توسعه نرم افزار،
• محیط تست،
• آزمایش شبکه،
• آموزش سیستم عامل،
• و جداسازی برخی Workloadها

باشند.

چرا Virtualization در Server بسیار مهم است؟

بدون Virtualization،
یک Server فیزیکی
ممکن است برای یک Application
یا سیستم عامل
اختصاص داده شود.

Virtualization
اجازه می دهد
چند Workload
مستقل
روی یک Server
اجرا شوند.

One Physical Server
→
Multiple Virtual Machines

این کار
می تواند استفاده
از Hardware
را بسیار افزایش دهد.

Cloud Computing چه ارتباطی با CPU Virtualization دارد؟

بخش بزرگی
از Infrastructure
Cloud
بر Virtualization
یا فناوری های مرتبط
استوار است.

یک Physical Server
می تواند میزبان
چندین VM
متعلق به Workloadهای
متفاوت باشد.

CPU Hardware Virtualization
یکی از پایه های
این مدل
محسوب می شود.

چرا CPU به مدیریت توان نیاز دارد؟

پردازنده مدرن
می تواند میلیاردها Transistor
داشته باشد.

اگر تمام بخش های آن
همیشه با حداکثر
Voltage و Frequency
فعالیت کنند،
مصرف انرژی
و تولید حرارت
بسیار زیاد خواهد شد.

Maximum Activity
+
High Frequency
+
High Voltage
→
High Power
+
High Heat

بنابراین CPU
باید Performance
را متناسب با
Workload واقعی
تنظیم کند.

Dynamic Power و Static Power چیست؟

مصرف CPU
را می توان به صورت مفهومی
به چند بخش تقسیم کرد.

یکی از آنها
Dynamic Power است.

این مصرف
هنگام Switching
Transistorها
ایجاد می شود.

مدل ساده شده معروف:

Pdynamic
∝
C × V² × f

که در آن:

• C تقریباً نشان دهنده Capacitance موثر است.
• V Voltage است.
• f Frequency است.

بخش دیگری از مصرف
مربوط به Leakage
و Static Power است.

چرا Voltage در مصرف CPU بسیار مهم است؟

در مدل ساده Dynamic Power،
Voltage به صورت
توان دوم
وارد رابطه می شود.

Power
∝
V²

بنابراین افزایش Voltage
می تواند هزینه انرژی
قابل توجهی داشته باشد.

از طرف دیگر
برای رسیدن به Frequencyهای بالاتر،
CPU ممکن است
به Voltage بیشتری
نیاز داشته باشد.

Higher Frequency
→
Often Higher Required Voltage
→
Disproportionately Higher Power

DVFS چیست؟

در Workload سبک:

Lower Frequency
+
Lower Voltage
→
Lower Power

هنگام افزایش Load:

Higher Performance Demand
→
Higher Frequency
→
Appropriate Voltage

این تغییرات
می توانند بسیار سریع
و بارها در طول
یک ثانیه اتفاق بیفتند.

P-State چیست؟

به صورت مفهومی:

High Performance State
→
Higher Frequency / Voltage

Lower Performance State
→
Lower Frequency / Voltage

CPU همچنان
در حال کار است،
اما سطح Performance
آن تغییر کرده است.

C-State چیست؟

وقتی Core
کاری برای انجام دادن ندارد،
می تواند وارد
وضعیت های کم مصرف شود.

Active
→
Idle
→
Deeper Idle State
→
Lower Power

هرچه C-State
عمیق تر شود،
بخش های بیشتری
می توانند:

• Clock خود را متوقف کنند،
• Power کمتری دریافت کنند،
• یا در بعضی طراحی ها تقریباً Power-Gated شوند.

تفاوت P-State و C-State چیست؟

چرا CPU همیشه وارد عمیق ترین C-State نمی شود؟

ورود به State عمیق تر
معمولاً Power بیشتری
ذخیره می کند،
اما ممکن است
Wake-Up Latency
بیشتری نیز داشته باشد.

Deeper Sleep
→
Lower Power
+
Potentially Higher Wake Latency

بنابراین سیستم
باید بین:

• Responsiveness،
• Latency،
• و Power Saving

تعادل برقرار کند.

Clock Gating چیست؟

اگر یک بخش CPU
در لحظه
مورد استفاده نباشد،
می توان Clock
آن بخش را
متوقف کرد.

Unused Logic
→
Clock Disabled
→
Less Switching
→
Lower Dynamic Power

این تکنیک
Clock Gating
نام دارد.

Power Gating چیست؟

Power Gating
از Clock Gating
فراتر می رود.

در این روش
بخش هایی از Chip
که مورد نیاز نیستند
می توانند
تا حد زیادی
از Power Supply
جدا شوند.

Unused Block
→
Power Gating
→
Lower Leakage Power

این روش
برای کاهش
Idle Power
اهمیت زیادی دارد.

Turbo یا Boost چیست؟

CPU مدرن
معمولاً یک
Base Frequency
و یک یا چند
Boost Frequency
دارد.

اگر شرایط مناسب باشد،
پردازنده می تواند
بالاتر از Frequency پایه
کار کند.

Available Power
+
Thermal Headroom
+
Workload Demand
→
Higher Boost Frequency

نام تجاری
و الگوریتم دقیق
بین سازندگان
و نسل های مختلف
متفاوت است.

Base Frequency و Boost Frequency چه تفاوتی دارند؟

Base Frequency
و Boost Frequency
نباید به عنوان
دو عدد ثابت
برای تمام شرایط
تفسیر شوند.

Frequency واقعی CPU
می تواند به:

• تعداد Coreهای فعال،
• نوع Workload،
• Temperature،
• Power Limit،
• Current Limit،
• Firmware،
• و طراحی سیستم

وابسته باشد.

چرا Maximum Boost Frequency دائمی نیست؟

عدد Maximum Boost
معمولاً بهترین Frequency
قابل دستیابی
در شرایط مشخص است،
نه فرکانسی که
تمام Coreها
برای همیشه
روی آن کار کنند.

Maximum Boost
≠
Permanent All-Core Frequency

با افزایش تعداد
Coreهای فعال
و مصرف کل Chip،
Frequency قابل حفظ
ممکن است کاهش پیدا کند.

چرا یک Core می تواند فرکانس بیشتری از همه Coreها داشته باشد؟

وقتی فقط تعداد کمی Core
تحت Load هستند،
Power Budget
و Thermal Budget
بین تعداد کمتری
از Coreها تقسیم می شود.

Few Active Cores
→
More Headroom Per Core
→
Higher Possible Frequency

در All-Core Workload
مصرف کلی CPU
بیشتر می شود.

در نتیجه
Frequency پایدار
همه Coreها
ممکن است پایین تر باشد.

Power Limit چیست؟

سیستم نمی تواند
بدون محدودیت
به CPU انرژی بدهد.

Processor،
Motherboard،
Firmware
و Cooling System
برای محدوده مشخصی
از Power
طراحی شده اند.

Performance Demand
↓
Power Management
↓
Allowed Power Budget
↓
Frequency Decision

اگر CPU
به محدودیت Power برسد،
ممکن است Frequency
کاهش پیدا کند.

چرا نام Power Limitها بین CPUها متفاوت است؟

شرکت ها
و Platformهای مختلف
از اصطلاحات متفاوتی
برای Power Budget
استفاده می کنند.

برای مثال
ممکن است با مفاهیمی مانند:

TDP
/
PL1
/
PL2
/
PPT
/
Sustained Power
/
Short-Term Power

روبه رو شوید.

این اصطلاحات
دقیقاً معادل یکدیگر نیستند،
اما همگی به نوعی
با محدودیت های:

• Power،
• Thermal Design،
• و Boost Behavior

مرتبط هستند.

Burst Performance و Sustained Performance چه تفاوتی دارند؟

یک CPU
ممکن است برای چند ثانیه
Performance بسیار بالایی
ارائه دهد.

اما بعد از گرم شدن
یا رسیدن به Power Limit،
Frequency
کاهش پیدا کند.

Short Workload
→
High Boost

Long Workload
→
Thermal / Power Equilibrium
→
Sustained Frequency

به همین دلیل
Benchmark کوتاه
و Render طولانی
ممکن است
رفتار متفاوتی
نشان دهند.

Race-to-Idle چیست؟

همیشه پایین نگه داشتن
Frequency
بهترین روش
برای کاهش مصرف انرژی نیست.

گاهی CPU
می تواند یک Task
را با Frequency بالا
سریع انجام دهد
و سپس
به حالت Idle
کم مصرف برگردد.

High Performance
→
Finish Work Quickly
→
Enter Deep Idle Earlier

این ایده
به صورت کلی
Race-to-Idle
نامیده می شود.

سیستم عامل چه نقشی در Power Management دارد؟

Operating System
اطلاعات مهمی درباره:

• Thread Load،
• Task Priority،
• Idle Time،
• Power Policy،
• و User Preference

دارد.

Hardware و OS
با همکاری یکدیگر
تصمیم می گیرند
چه سطح Performance
مناسب است.

Workload
+
OS Policy
+
Hardware Telemetry
→
Performance / Power Decision

BIOS و Firmware چه نقشی دارند؟

Firmware
می تواند
بسیاری از محدودیت ها
و Policyهای
Power Management
را تعریف کند.

سازنده Laptop
ممکن است
یک CPU یکسان
را در دستگاه های مختلف
با Power Budgetهای
متفاوت تنظیم کند.

بنابراین:

Same CPU Model
≠
Always Same Sustained Performance

چرا Power Management در لپ تاپ اهمیت بیشتری دارد؟

Laptop
محدودیت های بیشتری
نسبت به Desktop دارد.

از جمله:

• Battery Capacity محدود،
• Cooling کوچک تر،
• فضای داخلی کمتر،
• Noise محدود،
• و Surface Temperature.

بنابراین Firmware
ممکن است CPU
را بسیار تهاجمی تر
مدیریت کند.

چرا لپ تاپ روی Battery کندتر از حالت برق مستقیم می شود؟

هنگام کار با Battery،
سیستم ممکن است
Power Budget
را کاهش دهد.

Battery Mode
→
Lower Power Budget
→
Potentially Lower Boost
→
Longer Battery Life

این رفتار
به Laptop،
Power Profile
و Firmware
بستگی دارد.

Performance Mode، Balanced و Power Saver چه می کنند؟

این Profileها
می توانند نحوه ترجیح
سیستم میان:

• Performance،
• Responsiveness،
• Power Consumption،
• Noise،
• و Battery Life

را تغییر دهند.

Performance Mode
→
More Aggressive Performance Preference

Power Saving Mode
→
More Aggressive Energy Saving

Power Management چگونه Battery Life را افزایش می دهد؟

CPU در استفاده روزمره
همیشه تحت Load کامل نیست.

بیشتر زمان ممکن است
بین:

• کار کوتاه،
• انتظار،
• Idle،
• و Burstهای کوتاه Performance

جابه جا شود.

ورود سریع
به Stateهای کم مصرف
می تواند Average Power
را به شدت کاهش دهد.

Power Management چه ارتباطی با Temperature دارد؟

تقریباً تمام Power
مصرف شده توسط CPU
در نهایت
به Heat تبدیل می شود.

Electrical Power
→
Heat
→
Cooling Requirement

بنابراین Power Management
و Thermal Management
ارتباط بسیار نزدیکی
با یکدیگر دارند.

همین موضوع
مقدمه فصل بعد است.

چرا دو CPU هم مدل ممکن است رفتار کاملاً یکسانی نداشته باشند؟

تفاوت های طبیعی
در Silicon Manufacturing
می توانند باعث شوند
نمونه های مختلف
یک CPU
برای Frequency مشابه
به Voltage دقیقاً یکسانی
نیاز نداشته باشند.

علاوه بر آن:

• Cooling،
• Motherboard،
• Firmware،
• Ambient Temperature،
• و Power Configuration

نیز رفتار واقعی
را تغییر می دهند.

در لپ تاپ استوک Power Management را چگونه بررسی کنیم؟

آیا شارژر نامناسب می تواند Performance CPU را کاهش دهد؟

بله،
در بعضی Laptopها
Adapter نامناسب،
کم توان
یا شناسایی نشده
می تواند باعث
محدود شدن Power Budget شود.

Insufficient Adapter Power
→
Restricted Power Budget
→
Reduced CPU / GPU Performance

این موضوع
در بررسی Laptop استوک
اهمیت زیادی دارد.

مفاهیم مدیریت توان CPU در یک نگاه

حرارت CPU از کجا ایجاد می شود؟

پردازنده هنگام فعالیت
انرژی الکتریکی مصرف می کند.

بخش بزرگی
از این انرژی
در نهایت
به Heat
تبدیل می شود.

Electrical Energy
→
Transistor Activity
→
Heat

اما تولید حرارت
در تمام قسمت های Die
یکسان نیست.

چرا تمام قسمت های CPU دمای یکسانی ندارند؟

بخش های مختلف CPU
در یک لحظه
Activity متفاوتی دارند.

ممکن است:

• یک Core تحت Load سنگین باشد،
• Core دیگری Idle باشد،
• بخشی از Cache فعال باشد،
• Vector Unit فعالیت زیادی داشته باشد،
• و بخش دیگری Clock Gated شده باشد.

بنابراین Heat Generation
در سطح Die
یکنواخت نیست.

Uneven Activity
→
Uneven Power Density
→
Uneven Temperature

Hotspot چیست؟

برای مثال،
اگر یک Thread سنگین
عمدتاً روی یک Core
اجرا شود،
آن Core
می تواند نسبت به
Coreهای Idle
گرم تر شود.

Heavy Local Activity
→
Local Power Density
→
Local Hotspot

Thermal Density چیست؟

فقط Total Power
برای دمای CPU
مهم نیست.

مهم است که
این Power
در چه مساحتی
تولید می شود.

اگر مقدار زیادی Power
در یک ناحیه کوچک
تولید شود،
Heat Flux
و Thermal Density
می توانند بالا باشند.

High Power
+
Small Active Area
→
High Thermal Density

Thermal Sensor چیست؟

CPU مدرن
دارای Sensorهای داخلی
برای پایش
وضعیت حرارتی است.

این Sensorها
به پردازنده کمک می کنند
Temperature
بخش های مهم
را تخمین
یا اندازه گیری کند.

داده Thermal
سپس می تواند
توسط منطق داخلی CPU
برای:

• Boost Management،
• Fan Control در سطح Platform،
• Thermal Throttling،
• Power Management،
• و Thermal Protection

استفاده شود.

Digital Thermal Sensor چیست؟

Junction Temperature چیست؟

اصطلاح:

Junction Temperature
=
Tj

به Temperature
در Junctionهای
Semiconductor
داخل Die
اشاره دارد.

در بحث CPU،
این مفهوم
به دمای داخلی Silicon
مربوط است،
نه صرفاً دمای سطح
خنک کننده
یا هوای اطراف.

TJmax چیست؟

آیا TJmax همه CPUها یکسان است؟

خیر.

مقدار Thermal Limit
می تواند بر اساس:

• معماری،
• نسل پردازنده،
• مدل،
• نوع محصول،
• و طراحی سازنده

متفاوت باشد.

بنابراین نباید
یک Temperature ثابت
را برای تمام CPUها
به عنوان TJmax
در نظر گرفت.

Distance to TJmax چیست؟

بعضی Thermal Sensorها
به جای گزارش مستقیم
Temperature مطلق،
فاصله تا
Thermal Limit
را گزارش می کنند.

Distance to TJmax
=
TJmax
–
Current Junction Temperature

برای مثال،
هرچه Distance
کمتر شود،
CPU به Thermal Limit
نزدیک تر شده است.

TJmax = 100°C

Distance = 20°C

Estimated Junction Temperature ≈ 80°C

این فقط
یک مثال مفهومی است
و مقدار TJmax
باید برای مدل واقعی CPU
از مشخصات معتبر
بررسی شود.

Core Temperature چیست؟

بعضی Monitoring Toolها
Temperature
مربوط به Coreهای مختلف
را جداگانه
نمایش می دهند.

برای مثال:

Core 0
→
72°C

Core 1
→
68°C

Core 2
→
75°C

اختلاف Temperature
میان Coreها
الزاماً غیرعادی نیست.

Package Temperature چیست؟

بعضی CPUها
یا Monitoring Interfaceها
مقداری با عنوان:

CPU Package Temperature

گزارش می کنند.

این مقدار
الزاماً میانگین ساده
Temperature تمام Coreها
نیست.

تعریف دقیق
آن به معماری
و Telemetry
پردازنده بستگی دارد.

چرا بیشترین دمای Sensorها مهم است؟

برای حفاظت CPU،
Average Temperature
همیشه کافی نیست.

ممکن است
بیشتر Die
نسبتاً خنک باشد،
اما یک ناحیه کوچک
به Thermal Limit
نزدیک شده باشد.

Safe Average
+
Unsafe Local Hotspot
=
Still a Thermal Problem

به همین دلیل
Hotspot Monitoring
اهمیت زیادی دارد.

چرا دو نرم افزار دمای متفاوتی نشان می دهند؟

Monitoring Softwareها
ممکن است:

• Sensorهای متفاوتی را بخوانند،
• Package و Core را متفاوت نمایش دهند،
• Sampling Rate متفاوت داشته باشند،
• Average متفاوتی محاسبه کنند،
• یا Label متفاوتی برای یک Telemetry Value استفاده کنند.

بنابراین اختلاف
چند عدد Temperature
همیشه به معنی
خراب بودن Sensor
نیست.

Sampling Rate چه تاثیری روی دمای نمایش داده شده دارد؟

Temperature CPU
می تواند بسیار سریع
تغییر کند.

اگر یک نرم افزار
هر چند ثانیه
Sensor را بخواند
و نرم افزار دیگر
با Interval کوتاه تری
نمونه برداری کند،
Peakهای متفاوتی
ثبت می شوند.

Faster Sampling
→
Greater Chance of Capturing Short Thermal Peaks

چرا دمای CPU ناگهان چند درجه بالا می رود؟

CPU مدرن
می تواند Frequency
و Voltage
را بسیار سریع
افزایش دهد.

در نتیجه
با شروع یک Task
Power Density
می تواند تقریباً فوری
افزایش پیدا کند.

Temperature Sensor
نیز ممکن است
این تغییر را
سریع ثبت کند.

Work Arrives
→
Boost
→
Higher Voltage / Activity
→
Rapid Temperature Rise

Thermal Inertia چیست؟

Heat Sink
و سایر اجزای Cooling
دارای Thermal Mass
هستند.

بنابراین Temperature
تمام سیستم
در یک لحظه
تغییر نمی کند.

Silicon کوچک CPU
می تواند سریع گرم شود،
در حالی که
Heat Sink بزرگ
با تاخیر بیشتری
Temperature آن تغییر می کند.

این رفتار
بخشی از مفهوم:

Thermal Inertia

است.

Heat چگونه از CPU خارج می شود؟

مسیر دقیق
به نوع Package
بستگی دارد،
اما در یک CPU
دارای Integrated Heat Spreader
می توان مسیر را
به صورت مفهومی
چنین دید:

Transistors
→
Silicon Die
→
Thermal Interface
→
Integrated Heat Spreader
→
Thermal Paste
→
Cooler Base
→
Heat Sink / Heat Pipes
→
Air

IHS چیست؟

IHS
مخفف:

Integrated Heat Spreader

است.

این قطعه
روی بسیاری از
Desktop CPUها
قرار دارد
و به پخش Heat
از سطح کوچک Die
روی سطح بزرگ تر
کمک می کند.

Thermal Interface Material چیست؟

دو سطح فلزی
حتی اگر صاف
به نظر برسند،
در مقیاس میکروسکوپی
کاملاً صاف نیستند.

ماده واسط حرارتی
برای پر کردن
فاصله های بسیار کوچک
میان سطوح
استفاده می شود.

TIM
=
Thermal Interface Material

Thermal Resistance چیست؟

مسیر انتقال Heat
دارای مقاومت حرارتی است.

یک مدل ساده
برای ارتباط
Power و Temperature Rise:

ΔT
≈
Power
×
Thermal Resistance

بنابراین با Power یکسان،
Thermal Resistance کمتر
معمولاً Temperature Rise
کمتری ایجاد می کند.

خنک کننده بهتر دقیقاً چه کاری انجام می دهد؟

Cooler
Heat تولید شده
توسط CPU
را از Package
دریافت
و به محیط
منتقل می کند.

Cooling بهتر
می تواند Thermal Resistance
مسیر انتقال Heat
را کاهش دهد.

Lower Thermal Resistance
→
Lower Temperature at Same Power

دمای محیط چه تاثیری روی CPU دارد؟

Cooling System
Heat را در نهایت
به محیط اطراف
منتقل می کند.

اگر Ambient Temperature
بالاتر باشد،
اختلاف Temperature
میان Cooler
و محیط
کاهش پیدا می کند.

بنابراین CPU
معمولاً در اتاق گرم تر
Temperature بالاتری
خواهد داشت.

چرا اختلاف دما با محیط معیار مفیدی است؟

اگر فقط بگوییم
CPU در 70 درجه
کار می کند،
هنوز اطلاعات
کاملی نداریم.

اگر Ambient
برابر 20 درجه باشد:

ΔT = 70 – 20 = 50°C

اما اگر Ambient
برابر 35 درجه باشد:

ΔT = 70 – 35 = 35°C

بنابراین Delta Temperature
می تواند برای
مقایسه Cooling
مفیدتر از Temperature مطلق
باشد.

CPU هنگام رسیدن به دمای بالا چه می کند؟

اولین واکنش
معمولاً خاموش شدن
فوری سیستم نیست.

CPU می تواند
با کاهش:

• Frequency،
• Voltage،
• Power،
• یا میزان فعالیت موثر

Heat Generation
را کاهش دهد.

این فرآیند
بخشی از:

Thermal Throttling

است.

حلقه کنترل حرارتی CPU چگونه کار می کند؟

به صورت ساده:

Temperature Sensors
→
Thermal Control Logic
→
Frequency / Voltage / Power Adjustment
→
Heat Generation Changes
→
New Temperature

این یک
Feedback Control Loop
است.

PROCHOT چیست؟

BD PROCHOT چیست؟

در بعضی Platformها
اجزای دیگر سیستم
نیز می توانند
شرایطی را اعلام کنند
که باعث محدود شدن
CPU شود.

این قابلیت
معمولاً با مفهوم:

Bi-Directional PROCHOT
=
BD PROCHOT

مرتبط است.

در نتیجه
ممکن است CPU
Frequency را کاهش دهد
حتی اگر خود Core
هنوز به Maximum Temperature
نرسیده باشد.

Thermal Trip چیست؟

اگر Temperature
از محدوده های
کنترل عادی عبور کند
و شرایط خطرناک شود،
CPU و Platform
می توانند
مکانیزم حفاظتی
شدیدتری فعال کنند.

در نهایت
ممکن است سیستم
برای جلوگیری
از آسیب سخت افزاری
خاموش شود.

Extreme Temperature
→
Emergency Thermal Protection
→
System Shutdown

چرا CPU ابتدا Throttle می کند و بعد خاموش می شود؟

خاموش کردن سیستم
اقدام شدیدی است.

در بسیاری از شرایط
کاهش Frequency
و Power
برای کنترل Temperature
کافی است.

بنابراین معماری حفاظتی
می تواند چند مرحله
داشته باشد:

Normal Operation
→
Thermal Management
→
Throttling
→
Emergency Protection

دمای امن CPU چند درجه است؟

یک عدد ثابت
برای تمام CPUها
وجود ندارد.

محدوده مناسب
به:

• مدل CPU،
• نسل،
• Desktop یا Mobile بودن،
• Thermal Specification سازنده،
• نوع Workload،
• و طراحی Platform

بستگی دارد.

بنابراین برای
قضاوت دقیق
باید Specification
همان مدل پردازنده
بررسی شود.

آیا دمای Idle معیار خوبی برای کیفیت Cooling است؟

فقط تا حد محدودی.

در Idle،
Power CPU
بسیار پایین است
و Coreها می توانند
وارد C-Stateهای عمیق شوند.

در نتیجه
تفاوت میان دو Cooler
ممکن است در Idle
بسیار کوچک باشد.

رفتار زیر Load
معمولاً اطلاعات بیشتری
درباره ظرفیت واقعی
Cooling System
می دهد.

دمای Load را چگونه باید بررسی کرد؟

فقط Maximum Temperature
کافی نیست.

بهتر است همزمان
موارد زیر بررسی شوند:

• CPU Temperature،
• Clock Frequency،
• CPU Package Power،
• Thermal Throttling Status،
• Power Limit Status،
• Fan Speed،
• و مدت زمان Load.

این اطلاعات
تصویر بسیار دقیق تری
از رفتار Thermal
سیستم ارائه می دهند.

چرا دو سیستم هر دو 90 درجه هستند ولی یکی سریع تر است؟

Temperature یکسان
به معنی شرایط یکسان
نیست.

فرض کنید
دو CPU
هر دو روی:

90°C

کار می کنند.

سیستم اول
ممکن است در این دما
80 وات
دفع کند،
اما سیستم دوم
فقط 45 وات.

سیستم اول
در همان Temperature
می تواند Performance
بیشتری ارائه کند.

Same Temperature
≠
Same Cooling Capability

Thermal Transient چیست؟

تغییرات کوتاه مدت
Temperature
پس از تغییر ناگهانی
Workload
را می توان
Thermal Transient
در نظر گرفت.

برای مثال:

Idle
→
Heavy Load
→
Rapid Power Increase
→
Temperature Transient

رفتار Transient
با شرایط
Steady-State
متفاوت است.

Thermal Steady-State چیست؟

اگر Workload
برای مدت کافی
ثابت بماند،
سیستم می تواند
به وضعیتی نزدیک شود
که Heat Generation
و Heat Dissipation
تقریباً متعادل شوند.

در این حالت
Temperature
نسبتاً پایدار می شود.

Heat Generated
≈
Heat Dissipated
→
Approximate Thermal Steady-State

چرا مدت Benchmark برای بررسی دما مهم است؟

یک تست 10 ثانیه ای
ممکن است فقط
Thermal Transient
سیستم را نشان دهد.

Heat Sink
هنوز ممکن است
کاملاً گرم نشده باشد.

تست طولانی تر
رفتار Sustained Cooling
را بهتر نشان می دهد.

Short Test
→
Transient Behavior

Long Test
→
Sustained Thermal Behavior

Thermal Management در لپ تاپ چه تفاوتی دارد؟

Laptop
محدودیت های بیشتری
نسبت به Desktop
دارد.

علاوه بر CPU Temperature،
سازنده باید:

• دمای بدنه،
• دمای Keyboard،
• دمای Battery،
• صدای Fan،
• GPU Temperature،
• و ظرفیت محدود Heat Pipe

را نیز مدیریت کند.

بنابراین ممکن است
CPU لپ تاپ
قبل از رسیدن
به TJmax
توسط Platform
محدود شود.

چرا فعالیت GPU می تواند Performance CPU لپ تاپ را کاهش دهد؟

در بسیاری از Laptopها
CPU و GPU
بخشی از Cooling System
را به اشتراک می گذارند.

اگر GPU
Power زیادی مصرف کند،
Heat بیشتری
وارد Heat Pipe
و Heat Sink مشترک
می شود.

در نتیجه
Thermal Headroom
CPU
می تواند کاهش یابد.

GPU Load
→
Shared Cooling Load
→
Less CPU Thermal Headroom

گرد و غبار چگونه دمای CPU را افزایش می دهد؟

Dust
می تواند مسیر عبور Air
از Heat Sink
را محدود کند.

کاهش Airflow
باعث افزایش
Thermal Resistance
سیستم Cooling
می شود.

Dust
→
Lower Airflow
→
Worse Heat Transfer
→
Higher Temperature

خمیر حرارتی چه زمانی می تواند مشکل ایجاد کند؟

Thermal Paste
باید تماس حرارتی
مناسب میان سطوح
ایجاد کند.

مشکلاتی مانند:

• تماس نامناسب Cooler،
• Mounting Pressure نامناسب،
• پخش نامناسب ماده،
• یا تخریب شدید Interface در طول زمان

می توانند Thermal Resistance
مسیر را افزایش دهند.

چرا فشار نصب Cooler مهم است؟

اگر Cooler
تماس یکنواختی
با سطح CPU
نداشته باشد،
Heat Transfer
ضعیف می شود.

بنابراین کیفیت
Mounting
می تواند
روی Temperature
اثر مستقیم داشته باشد.

Fan Curve چیست؟

Fan
الزاماً همیشه
با Maximum Speed
کار نمی کند.

Firmware
یا Controller
می تواند Fan Speed
را بر اساس Temperature
تغییر دهد.

رابطه میان Temperature
و Fan Speed
معمولاً به شکل
یک Control Curve
تعریف می شود.

Temperature
→
Fan Control Policy
→
Fan RPM

چرا سازنده همیشه Fan را روی حداکثر سرعت نمی گذارد؟

Cooling Design
فقط درباره Temperature
نیست.

Fan Speed بیشتر
معمولاً Noise
بیشتری ایجاد می کند.

بنابراین سازنده
میان:

Temperature
↔
Performance
↔
Noise

تعادل ایجاد می کند.

Thermal Cycling چیست؟

CPU در استفاده روزمره
دائماً بین
Temperatureهای مختلف
حرکت می کند.

برای مثال:

Idle
→
Load
→
Hot
→
Idle
→
Cool

این تغییرات مکرر
Temperature
Thermal Cycling
نامیده می شوند.

مواد مختلف
در Package
ضریب انبساط حرارتی
متفاوتی دارند،
بنابراین Thermal Cycling
یکی از عوامل
مورد توجه
در Reliability Engineering
است.

آیا دمای بالاتر می تواند روی عمر CPU اثر بگذارد؟

Temperature
یکی از عوامل
موثر بر Reliability
Semiconductor است.

افزایش Temperature
می تواند برخی
مکانیزم های Aging
را تسریع کند.

اما نمی توان
فقط با مشاهده
یک Temperature لحظه ای
عمر دقیق CPU
را پیش بینی کرد.

Voltage،
Current Density،
زمان کار،
Process Technology
و طراحی خود CPU
نیز اهمیت دارند.

آیا CPU مدرن در صورت خرابی فن فوراً می سوزد؟

پردازنده های مدرن
دارای چندین لایه
Thermal Protection
هستند.

اگر Cooling
به شدت ناکافی شود،
CPU می تواند:

• Boost را کاهش دهد،
• Frequency را پایین بیاورد،
• Power را محدود کند،
• Thermal Throttling انجام دهد،
• و در شرایط شدید سیستم را خاموش کند.

البته وجود این حفاظت ها
به معنی مناسب بودن
استفاده طولانی مدت
با Cooling خراب نیست.

آیا سنسور دمای CPU یک دماسنج آزمایشگاهی دقیق است؟

هدف اصلی
Thermal Sensor داخلی CPU
حفاظت
و مدیریت پردازنده است.

بنابراین Accuracy
و Calibration
می توانند در محدوده های مختلف
Temperature
رفتار متفاوتی داشته باشند.

برای Thermal Protection،
دقت در نزدیکی
محدوده های بحرانی
اهمیت ویژه ای دارد.

هنگام بررسی حرارت CPU چه داده هایی را کنار هم ببینیم؟

آیا CPU واقعاً پیر می شود؟

بله.

ساختارهای Semiconductor
می توانند در اثر
کار طولانی مدت
تغییرات بسیار کوچکی
تجربه کنند.

این تغییرات
معمولاً بسیار آهسته هستند
و CPU سالم
برای سال ها
بدون مشکل محسوس
کار می کند.

اما از دید
Device Physics،
پردازنده کاملاً
بدون Aging نیست.

CPU Aging
=
Gradual Physical / Electrical Degradation

فرسودگی CPU با فرسودگی مکانیکی چه تفاوتی دارد؟

CPU
چرخ دنده،
Bearing
یا قطعه مکانیکی
متحرک ندارد.

بنابراین Aging آن
بیشتر در سطح:

• Transistor،
• Gate Dielectric،
• Metal Interconnect،
• Contact،
• Via،
• و Package Interconnect

اتفاق می افتد.

Reliability در CPU یعنی چه؟

مهم ترین مکانیزم های فرسودگی CPU چیست؟

در Semiconductorها
چندین Aging Mechanism
وجود دارد.

از مهم ترین مفاهیم
برای درک Reliability CPU
می توان به موارد زیر
اشاره کرد:

• Electromigration
• Time-Dependent Dielectric Breakdown
• Bias Temperature Instability
• Hot Carrier Injection
• Thermal Cycling

هر کدام
بخش متفاوتی
از ساختار CPU
را تحت تاثیر
قرار می دهند.

Electromigration چیست؟

این اتفاق
یک Failure ناگهانی
در اولین لحظه کار CPU
نیست.

بلکه یک
Reliability Mechanism
وابسته به زمان است.

High Current Density
+
Time
+
Temperature
→
Atomic Migration
→
Interconnect Degradation

Current Density چیست؟

فقط مقدار Current
مهم نیست.

مهم است که
جریان از چه
سطح مقطعی
عبور می کند.

Current Density
=
Current
/
Cross-Sectional Area

اگر مقدار زیادی Current
از یک مسیر بسیار کوچک
عبور کند،
Current Density
افزایش می یابد.

این مسئله
برای Interconnectهای بسیار کوچک
در تراشه های مدرن
اهمیت زیادی دارد.

Electromigration چگونه مسیر فلزی را خراب می کند؟

جابه جایی تدریجی Atomها
می تواند در بعضی نواحی
باعث کاهش ماده
و در نواحی دیگر
باعث تجمع ماده شود.

دو مفهوم مهم
در این زمینه:

Void Formation

و:

Hillock Formation

هستند.

Void چیست؟

اگر Atomهای فلزی
از یک ناحیه
به تدریج خارج شوند،
یک ناحیه کم ماده
یا Void
می تواند ایجاد شود.

در شرایط شدید،
این ناحیه
می تواند مقاومت مسیر
را افزایش دهد
یا حتی اتصال
را قطع کند.

Void Growth
→
Higher Resistance
→
Possible Open Circuit

Hillock چیست؟

در سمت دیگر مسیر،
تجمع Atomها
می تواند ساختارهای
اضافی ایجاد کند.

در شرایط خاص
چنین تغییراتی
می توانند
Reliability مسیرهای فلزی
را تحت تاثیر
قرار دهند.

چرا دما Electromigration را تشدید می کند؟

حرکت Atomها
یک فرآیند
وابسته به Temperature است.

افزایش Temperature
می تواند سرعت
فرآیندهای Diffusion
را افزایش دهد.

Higher Temperature
→
Faster Atomic Diffusion
→
Higher Electromigration Risk

Black’s Equation چیست؟

در Reliability Engineering
یک مدل کلاسیک
برای توصیف
Electromigration Lifetime
وجود دارد
که معمولاً با نام:

Black’s Equation

شناخته می شود.

شکل مفهومی ساده شده آن:

MTTF
∝
J⁻ⁿ
×
exp(Ea / kT)

است.

بدون ورود به جزئیات ریاضی،
پیام مهم این رابطه
این است:

Higher Current Density
→
Lower Expected Lifetime

Higher Temperature
→
Lower Expected Lifetime

MTTF چیست؟

MTTF
مخفف:

Mean Time To Failure

است.

این مفهوم
یک معیار آماری
برای Reliability
مجموعه ای از Deviceها است.

MTTF را نباید
به این شکل تفسیر کرد
که یک CPU مشخص
دقیقاً در همان زمان
خراب خواهد شد.

TDDB چیست؟

Gate Dielectric
باید بخش های الکتریکی
را از یکدیگر
جدا نگه دارد.

اعمال Electric Field
برای مدت طولانی
می تواند Defectهایی
در ماده ایجاد کند.

تجمع این Defectها
در شرایط شدید
می تواند
به Breakdown
منجر شود.

چرا Voltage بالا برای Dielectric مهم است؟

افزایش Voltage
می تواند Electric Field
روی ساختارهای بسیار کوچک
را افزایش دهد.

Field بیشتر
می تواند Stress
وارد شده
به Dielectric
را افزایش دهد.

Higher Voltage
→
Higher Electric Field
→
Greater Dielectric Stress

BTI چیست؟

BTI
می تواند باعث تغییر
تدریجی برخی پارامترهای
Transistor شود.

یکی از مهم ترین
اثرهای آن
تغییر:

Threshold Voltage
=
Vth

است.

تغییر Threshold Voltage چرا مهم است؟

رفتار Switching
ترانزیستور
به Threshold Voltage
وابسته است.

اگر ویژگی های Transistor
به مرور تغییر کنند،
Delay
مسیرهای منطقی
نیز می تواند
تغییر کند.

Transistor Aging
→
Parameter Shift
→
Timing Change

NBTI و PBTI چیست؟

بسته به نوع
Transistor
و Technology،
BTI
می تواند در قالب هایی
مانند:

NBTI
=
Negative Bias Temperature Instability

و:

PBTI
=
Positive Bias Temperature Instability

بررسی شود.

اهمیت نسبی آنها
به Process Technology
و ساختار Transistor
بستگی دارد.

Hot Carrier Injection چیست؟

High Electric Field
→
Energetic Carriers
→
Device Degradation
→
Parameter Shift

Aging چگونه می تواند روی سرعت مدار اثر بگذارد؟

CPU برای اجرای صحیح
در Frequency مشخص
باید عملیات منطقی
را در محدوده زمانی
تعیین شده
کامل کند.

اگر Aging
باعث کندتر شدن
بعضی Transistorها
یا مسیرها شود،
Delay
افزایش پیدا می کند.

Aging
→
Increased Path Delay
→
Reduced Timing Margin

چرا Critical Path در Aging مهم است؟

تمام مسیرهای CPU
Timing یکسانی ندارند.

بعضی مسیرها
از ابتدا
به Timing Limit
نزدیک تر هستند.

اگر Aging
Delay چنین مسیری
را افزایش دهد،
ممکن است Timing Margin
آن کاهش یابد.

بنابراین Reliability
فقط درباره
خراب شدن کامل
Transistor نیست.

تغییر کوچک
Performance Characteristics
نیز می تواند مهم باشد.

Guardband چیست؟

این Margin
کمک می کند
CPU نه فقط
در روز اول،
بلکه در طول
عمر طراحی شده
عملکرد صحیح
داشته باشد.

Initial Timing Margin
→
Aging Compensation
→
Long-Term Reliability

چرا دو CPU کاملاً هم مدل ممکن است رفتار متفاوتی داشته باشند؟

فرآیند ساخت Semiconductor
دارای Variation است.

دو Die
از یک مدل CPU
می توانند
تفاوت های بسیار کوچکی
در ویژگی های:

• Leakage،
• Voltage Requirement،
• Frequency Capability،
• Temperature Behavior،
• و Reliability Margin

داشته باشند.

این تفاوت
یکی از ریشه های
اصطلاح غیررسمی:

Silicon Lottery

است.

Binning چه ارتباطی با Reliability دارد؟

سازنده
Dieهای تولید شده
را آزمایش می کند.

CPUها بر اساس
توانایی دستیابی
به Frequency،
Voltage Requirement،
Power،
فعال بودن بخش ها
و معیارهای دیگر
می توانند
در Product Binهای مختلف
قرار بگیرند.

بنابراین Frequency Rating
فقط یک عدد
دلخواه نیست.

باید در محدوده
Reliability و Specification
محصول قرار گیرد.

چرا Voltage بالا یکی از عوامل مهم فرسودگی CPU است؟

افزایش Voltage
فقط Power
را افزایش نمی دهد.

Voltage بالاتر
می تواند:

• Electric Field را افزایش دهد،
• Current را در بسیاری از شرایط افزایش دهد،
• Temperature را افزایش دهد،
• و Stress الکتریکی Device را بیشتر کند.

بنابراین Voltage
از چند مسیر مختلف
می تواند
روی Reliability
اثر بگذارد.

Overvolting چیست؟

Overvolting
یعنی اعمال Voltage
بالاتر از تنظیم
معمول یا استاندارد
برای Operating Point
مورد نظر.

این کار
گاهی برای دستیابی
به Frequency بالاتر
در Overclocking
انجام می شود.

اما Voltage بیشتر
می تواند Reliability Margin
را کاهش دهد.

آیا Overclocking عمر CPU را کم می کند؟

پاسخ
به نحوه Overclock
بستگی دارد.

افزایش Frequency
معمولاً برای حفظ Stability
ممکن است نیازمند
Voltage بیشتر باشد.

در نتیجه:

Higher Frequency
→
Potentially Higher Voltage
→
Higher Power / Temperature / Electrical Stress

این شرایط
می توانند Aging Rate
را افزایش دهند.

میزان واقعی اثر
به Voltage،
Temperature،
Workload،
Process Technology
و مدت استفاده
بستگی دارد.

آیا CPU در تنظیمات کارخانه هم فرسوده می شود؟

بله،
Aging Process
حتی در شرایط استاندارد
کاملاً صفر نیست.

اما CPU
با در نظر گرفتن
Reliability Target
طراحی می شود.

Voltage،
Frequency،
Temperature Limit
و Guardbandها
طوری انتخاب می شوند
که پردازنده
در شرایط تعریف شده
عمر عملی مناسبی
داشته باشد.

آیا CPU با گذشت چند سال کندتر می شود؟

این سوال
نیازمند تفکیک
دو مفهوم است:

Physical Aging

و:

Observed System Performance

CPU می تواند
از نظر فیزیکی
Aging داشته باشد،
اما این موضوع
به این معنی نیست
که Frequency اسمی آن
هر سال مثلاً
چند درصد کم شود.

پس چرا یک کامپیوتر قدیمی ممکن است کندتر احساس شود؟

عوامل زیادی
می توانند باعث شوند
یک سیستم قدیمی
کندتر به نظر برسد،
بدون اینکه CPU
مستقیماً کند شده باشد.

برای مثال:

• سنگین تر شدن Software،
• افزایش Background Processها،
• تغییر سیستم عامل،
• Cooling ضعیف تر،
• Dust،
• Thermal Throttling،
• و تغییر Power Management.

بنابراین احساس
«CPU پیر شده و کند شده»
اغلب نیازمند
بررسی دقیق تر است.

Aging شدید CPU چه علائمی می تواند ایجاد کند؟

اگر Reliability Margin
به اندازه کافی
کاهش پیدا کند،
ممکن است مشکلاتی
مانند:

• Instability تحت Load،
• خطا در Frequencyهای بالا،
• نیاز به Voltage بیشتر برای Stability،
• Crash،
• یا در نهایت Failure سخت افزاری

مشاهده شوند.

البته این علائم
اختصاصی CPU Aging نیستند
و می توانند
دلایل دیگری نیز
داشته باشند.

اصطلاح CPU Degradation یعنی چه؟

در میان کاربران
Overclocking،
اصطلاح:

CPU Degradation

معمولاً زمانی استفاده می شود
که پردازنده
برای حفظ همان Frequency
دیگر با Voltage قبلی
Stable نباشد.

برای مثال:

New CPU:
5.0 GHz @ Voltage X

After Heavy Stress:
5.0 GHz Requires Voltage X + ΔV

چنین رفتاری
می تواند با
کاهش Margin
سازگار باشد،
اما برای اثبات
علت فیزیکی دقیق
نیاز به بررسی
بسیار بیشتری وجود دارد.

آیا بعضی اثرهای Aging قابل بازیابی هستند؟

بعضی پدیده های
Device Aging
می توانند
مولفه ای از Recovery
داشته باشند.

برای مثال
بخشی از اثر BTI
می تواند پس از
حذف Stress
تا حدی تغییر کند.

اما نباید
از این موضوع نتیجه گرفت
که تمام Aging
قابل بازگشت است.

Electromigration Damage
یا Breakdown فیزیکی
ماهیت متفاوتی دارند.

Duty Cycle چه تاثیری روی فرسودگی دارد؟

CPU
همیشه در Maximum Load
نیست.

مقدار زمانی
که یک بخش
تحت Stress
قرار دارد
روی Aging
اهمیت دارد.

Stress Magnitude
+
Stress Duration
→
Aging Impact

بنابراین CPU
که دائماً
تحت Workload سنگین
کار می کند
شرایط متفاوتی
از CPU
با استفاده سبک
دارد.

چرا Reliability در CPUهای سرور اهمیت ویژه ای دارد؟

Server CPU
ممکن است
برای مدت های طولانی
تحت Load
و به صورت:

24 / 7

کار کند.

علاوه بر Performance،
Availability
و Reliability
در این محیط ها
اهمیت بسیار زیادی دارند.

به همین دلیل
Voltage،
Power،
Thermal Design
و Error Management
بخشی مهم از
طراحی Platformهای Server
هستند.

شرایط Aging در پردازنده لپ تاپ چگونه است؟

Laptop CPU
معمولاً با
Power Management
بسیار پویا
کار می کند.

Frequency،
Voltage
و Temperature
دائماً تغییر می کنند.

طراحی سازنده
باید Reliability
را در همین
Operating Profile
در نظر بگیرد.

Temperature بالای لحظه ای
الزاماً به معنی
کاهش شدید عمر CPU نیست.

Duration،
Voltage
و Thermal Control
نیز اهمیت دارند.

دمای بالا برای چند ثانیه بدتر است یا دمای کمتر برای چند سال؟

Reliability
تابع فقط یک
Peak Temperature
نیست.

Aging Mechanismها
به:

Stress Level
×
Exposure Time

وابسته هستند.

بنابراین برای
تحلیل Reliability
باید هم شدت Stress
و هم مدت آن
در نظر گرفته شود.

Thermal Cycling چگونه روی CPU اثر می گذارد؟

اجزای مختلف
CPU Package
از مواد متفاوتی
ساخته شده اند.

این مواد
هنگام گرم و سرد شدن
به میزان یکسان
منبسط و منقبض
نمی شوند.

تکرار چرخه های:

Cold
→
Hot
→
Cold

می تواند
Mechanical Stress
در Interfaceها
و اتصال های Package
ایجاد کند.

CTE چیست؟

CTE
مخفف:

Coefficient of Thermal Expansion

است.

مواد مختلف
CTE متفاوتی دارند.

اختلاف CTE
میان مواد مختلف
Package
یکی از دلایل
ایجاد Mechanical Stress
در Thermal Cycling
است.

سازنده چگونه CPU را برای چندین سال کار طراحی می کند؟

Reliability
از مرحله طراحی
در نظر گرفته می شود.

سازنده می تواند
از روش هایی مانند:

• Voltage Guardband،
• Timing Margin،
• Current Density Limit،
• Thermal Limit،
• Power Management،
• Material Engineering،
• Design Rule،
• و Reliability Testing

استفاده کند.

Accelerated Life Testing چیست؟

سازنده نمی تواند
برای بررسی هر طراحی
ده ها سال
منتظر بماند.

بنابراین از
Accelerated Stress Test
استفاده می شود.

Device
تحت شرایط
شدیدتر کنترل شده
قرار می گیرد
تا Aging Mechanismها
سریع تر ظاهر شوند.

Higher Controlled Stress
→
Accelerated Aging
→
Reliability Modeling

مدل Arrhenius چه ارتباطی با Reliability دارد؟

بسیاری از
فرآیندهای Aging
وابستگی شدیدی
به Temperature دارند.

در Reliability Engineering
از مدل های
مبتنی بر:

Arrhenius Relationship

برای مدل سازی
اثر Temperature
بر سرعت بعضی
Failure Mechanismها
استفاده می شود.

نکته اصلی
این است که
رابطه Aging
با Temperature
معمولاً ساده
و خطی نیست.

چرا نمی توان عمر دقیق یک CPU را پیش بینی کرد؟

Reliability
ماهیت آماری دارد.

Variation
در Manufacturing،
Workload،
Temperature،
Voltage،
Operating Time
و شرایط محیطی
باعث می شود
عمر دقیق
هر Device
متفاوت باشد.

بنابراین معمولاً
درباره:

Failure Probability

و:

Reliability Distribution

صحبت می شود،
نه تاریخ دقیق
خرابی یک CPU.

Bathtub Curve چیست؟

در Reliability Engineering
یک مدل مفهومی معروف
برای نرخ Failure
در طول عمر محصول
وجود دارد.

این مدل
معمولاً سه ناحیه
را نشان می دهد:

Early Failures
→
Useful Life
→
Wear-Out Failures

شکل کلی این نمودار
شبیه مقطع یک وان است
و به همین دلیل:

Bathtub Curve

نامیده می شود.

Infant Mortality در قطعات الکترونیکی چیست؟

بعضی Deviceها
ممکن است به دلیل
Defectهای ساخت
در ابتدای عمر
احتمال Failure
بیشتری داشته باشند.

این بخش
از Reliability Curve
با اصطلاح:

Infant Mortality

شناخته می شود.

این مفهوم
با Aging طبیعی
در انتهای عمر
متفاوت است.

Useful Life چیست؟

پس از عبور
از Failureهای اولیه،
محصول معمولاً
وارد دوره ای می شود
که Failure Rate
نسبتاً پایین تر
و پایدارتر است.

این دوره:

Useful Life

نامیده می شود.

Wear-Out Phase چیست؟

با گذشت زمان زیاد،
Aging Mechanismها
می توانند تجمع پیدا کنند.

در این مرحله
احتمال Failure
می تواند افزایش یابد.

Long-Term Aging
→
Accumulated Degradation
→
Increased Failure Probability

آیا CPU استوک یا کارکرده الزاماً عمر کمی دارد؟

خیر.

فقط از روی
کارکرده بودن CPU
نمی توان میزان
Silicon Aging
آن را تعیین کرد.

شرایط استفاده قبلی
اهمیت زیادی دارد:

• Operating Voltage،
• Temperature،
• مدت کار،
• نوع Workload،
• Overclocking احتمالی،
• و Cooling.

یک CPU
که سال ها
در محدوده استاندارد
کار کرده است
می تواند همچنان
Reliability مناسبی
داشته باشد.

برای بررسی سلامت CPU کارکرده چه چیزهایی مهم ترند؟

از آنجا که
Silicon Aging
را نمی توان
فقط با نگاه کردن
به CPU تعیین کرد،
بررسی عملی
اهمیت زیادی دارد.

موارد مهم شامل:

• Stability تحت Load،
• عملکرد در Frequency استاندارد،
• Temperature Behavior،
• عدم وجود Error،
• رفتار صحیح Boost،
• و عملکرد پایدار در تست طولانی

هستند.

CPU چگونه از خودش در برابر Aging سریع محافظت می کند؟

مکانیزم های مختلفی
که در فصل های قبل
بررسی کردیم،
فقط برای کاهش مصرف
یا جلوگیری از
Overheating نیستند.

کنترل:

• Voltage،
• Frequency،
• Current،
• Power،
• Temperature،
• و Boost Duration

به حفظ Reliability
نیز کمک می کند.

آیا Turbo Boost به CPU آسیب می زند؟

استفاده از
Boost Algorithm
استاندارد پردازنده
به خودی خود
به معنی استفاده
خارج از طراحی نیست.

CPU
محدودیت های مختلف
Thermal،
Electrical
و Power
را برای Boost
در نظر می گیرد.

بنابراین نباید
Turbo استاندارد
را با Overvolting
کنترل نشده
یکسان دانست.

آیا کار کردن CPU نزدیک محدودیت حرارتی همیشه خطرناک است؟

باید میان
Operating Specification
و Reliability Margin
تفاوت قائل شد.

اگر CPU
طبق طراحی سازنده
در محدوده مجاز
کار کند،
Thermal Management
برای همین شرایط
طراحی شده است.

اما Temperature کمتر
در شرایط یکسان
معمولاً Stress حرارتی
کمتری ایجاد می کند.

نکته مهم
این است که
Temperature
باید همراه Voltage،
Power
و Duration
تحلیل شود.

یک ولتاژ امن برای همه CPUها وجود دارد؟

خیر.

Voltage مناسب
به:

• Microarchitecture،
• Process Node،
• Transistor Technology،
• CPU Model،
• Operating Frequency،
• Temperature،
• و Reliability Specification

بستگی دارد.

بنابراین یک
Voltage Number
را نمی توان
بدون توجه به مدل CPU
به عنوان
«ولتاژ امن عمومی»
معرفی کرد.