RISC-V64 指令权重微基准：方法、数据与结论论证

本报告记录 MyGO OS 在 QEMU TCG 环境下构建 RISC-V64 指令成本模型的完整实验方法、质量门禁、可视化数据和结论边界。报告中的“权重”表示固定宿主、固定 QEMU、固定执行 pattern 下的稳健典型 CPU 时间，不表示真实 RISC-V 芯片的流水线 latency/throughput。

实验日期：2026-08-09（Asia/Shanghai）；正式 run 标识前缀：run-20260809T042758Z-measure-90861-*。

1. 结论摘要

• 正式实验包含 12 个独立 QEMU run、213 个执行上下文、153,360 个计时窗口、76,680 个 probe/baseline pair。
• 三档 batch 各产生 51,120 个窗口；AB/BA 窗口为 76,706/76,654，配对纯度范围为 1.0–1.0。
• 检测到 670 个含动态翻译的窗口；模型剔除 669 个污染 pair，保留 76,011 个 pair。
• 目标汇编在保留窗口中总计执行 2,173,366,272 次。
• 主估计使用 marker-only QEMU vCPU thread CPU time、成对差分、异方差 Huber 回归和 run-cluster moving-block bootstrap。
• 正式 bootstrap 为 999/999 有效；主权重使用全族 95% max-standardized-deviation 同时区间。
• 模型层有 4 个 high-confidence、209 个 low-confidence 上下文。catalog 层严格赋权 3 类，另保留 183 类单一探索估计。
• 严格可发布 catalog 权重只有 divuw、rem、remw；time CSR 在模型层通过，但因 CSR 上下文受限而禁止转成通用 catalog 权重。
• 大多数 low-confidence 不是“主计时没有信号”：主同时区间过宽仅 16 项；主要降级原因是 plugin-off、batch、顺序和漂移等辅助稳健性门禁。

2. 范围与不可外推内容

本实验回答的是：在 QEMU 10.0.2、TCG 单线程翻译、单 vCPU、1 GiB 客体内存和指定 probe pattern 下，一条目标指令相对同形态 baseline 的稳健典型成本是多少。

本实验不直接回答以下问题：

• 真实 RISC-V 处理器的硬件 cycle latency、发射吞吐或乱序执行行为；
• 未采样的 cache/TLB miss、页错误、跨核争用、不同 FP operand class 或不同分支历史；
• RVV、B/crypto、Zacas、Zfh、H 等当前 catalog 未出现或 decoder 未覆盖的扩展；
• CSR、特权、陷阱和 cache-block 操作在任意系统状态下的唯一通用成本。

因此，报告同时保留 execution pattern、raw encoding 和语义 key，不把同名助记符静默平均。

3. 可复现实验身份

3.1 正式产物哈希

注意：这些是正式采样 manifest 中记录的身份，不应使用之后重建的同名 kernel-rv 替代。

4. 测量链路

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

BuildStorm catalog -> 规范语义 key -> probe/baseline 汇编 kernel
                                      |
                                      +-> validation plugin: 精确 raw encoding 计数
                                      |
                                      +-> timing plugin: 仅 start/stop marker 计时
                                      |
                                      +-> plugin-off guest: 插桩扰动对照
                                      v
                              pair merge 与闭合校验
                                      v
                     Huber WLS + run/order/drift/batch 模型
                                      v
                   run-cluster moving-block bootstrap (999)
                                      v
                     同时区间 + 稳健性门禁 + catalog 映射

关键实现：

• 探针与汇编 kernel；
• QEMU 双模式插件；
• 正式 runner；
• 样本闭合与 merge；
• 统计模型；
• catalog 映射。

5. 探针设计

5.1 批量执行与 baseline

每个汇编 kernel 用 .rept 1024 生成目标槽，再由外层调用次数形成 4096、16384、65536 三档 batch。每个 probe 配一个同形态 baseline：普通算术通常对比同宽 nop；分支、跳转、栈和 SC 等路径使用专门 baseline，保证控制流和公共指令尽量一致。

若写成

\[T_{probe}=C+N\theta+\epsilon_p,\qquad T_{base}=C+\epsilon_b,\]

则配对差分

\[d_i=\frac{T_{probe,i}-T_{base,i}}{N_i}\approx\theta+\frac{\epsilon_{p,i}-\epsilon_{b,i}}{N_i}\]

消除了 marker、调用、循环、返回和计时器等共同成本 \(C\)。这比直接用 probe_time / N 更能抵抗固定开销。

5.2 执行 pattern

同一语义在不同上下文下可能具有不同成本，因此探针显式区分：dependency/independent、hot-load/hot-store、taken/not-taken branch、direct/indirect jump、reservation-pair、FP dependency/convert/compare、CSR 编号和 fence immediate。

这种区分解释了为什么一个 mnemonic 不一定得到一个全局标量。例如 beq 的 taken 和 not-taken 是两个上下文；jalr 的 call、link、jump、ret 也不能合并。

5.3 AB/BA 与预热

probe-first 和 baseline-first 顺序随机化，防止固定先后顺序与宿主漂移混淆。每个窗口前预热相同 kernel/path；FP kernel 在 marker 外重置 FCSR 并装载固定 normal 操作数；栈、分支和跳转都使用确定性参数。

6. QEMU 插件方法

6.1 validation 模式

validation 模式只统计 probe ELF 可执行 LOAD 半开区间 [user_min_pc, user_max_pc) 内的 raw encoding。它用于证明：目标 encoding 动态计数等于 requested count，probe/baseline canonical 差分完全闭合，且没有把低地址 firmware 或其他客体路径误算成 probe。

正式 validation footer：12780 个窗口，nested_starts=0、inactive_stops=0、translation_failures=0、timer_failures=0。

6.2 timing 模式

timing 模式只在 start/stop marker 的 TB 上注册执行 callback，普通指令没有执行 callback。主时钟为 vCPU 线程的 CLOCK_THREAD_CPUTIME_ID，避免把宿主调度等待直接计入 wall time。

每个正式 timing run 都有 12780 个窗口，12 个 run 均无 nested/inactive marker、translation failure 或 timer failure。

6.3 plugin-off 对照

每个 timing run 后以相同 run-id 和探针参数再启动一次不加载插件的 QEMU，使用客体计时输出对照。这个门禁很保守：plugin-on 固定先于 plugin-off，仍可能与宿主时间漂移混杂；低成本指令的比值也容易因分母接近零而放大噪声。因此 plugin-off 失败会降低严格质量，但不能单独证明主 CPU-time 点估计错误。

7. 正式数据矩阵与完整性

7.1 Pair 过滤漏斗

1
2
3

原始 pair                           76,680  ##################################################
保留 pair                           76,011  ##################################################
翻译污染剔除                          669  #

保留率为 99.128%。每个上下文保留 251–360 对；剔除后所有 213 个上下文和全部 12 个 run 仍可拟合。

7.2 Batch 与顺序平衡

1
2
3
4
5
6

batch=4096                         25,560 pair  ##########################################
batch=16384                        25,560 pair  ##########################################
batch=65536                        25,560 pair  ##########################################

AB                                  38,353 pair  ##########################################
BA                                  38,327 pair  ##########################################

8. 统计模型

8.1 回归式

每个 pair 先归一化为 ns/target-instruction，然后拟合：

\[d_i=\theta+\alpha_{run(i)}+\beta_o O_i+\beta_d D_i+\beta_b\log(N_i/N_0)+\beta_t Q_i+\epsilon_i.\]

其中 \(\theta\) 是目标对 baseline 的 contrast；\(\alpha_{run}\) 吸收不同 QEMU 进程的固定效应；\(O_i\) 是 AB/BA；\(D_i\) 是 run 内时间位置；\(N_i\) 是 batch；\(Q_i\) 是翻译事件率。正式高质量数据在拟合前已经剔除所有已观测翻译污染。

若 baseline 本身也是被测 encoding，模型通过 control-reference 图递归恢复绝对成本；循环、缺失或歧义引用会变成不可辨识错误，不按 mnemonic 猜测。

8.2 Huber IRLS 与异方差

Huber 损失在小残差区间使用二次损失，在大残差区间使用线性增长：

\[\rho_\delta(r)=\begin{cases}\frac{1}{2}r^2,&|r|\le\delta,\\\delta(|r|-\frac{1}{2}\delta),&|r|>\delta.\end{cases}\]

本模型使用 \(\delta=1.345\)，通过 IRLS 迭代；不同 batch 的 MAD 方差估计向全局尺度收缩后形成异方差权重。最终估计是稳健中心，不是简单算术均值。

8.3 有效样本量

先用 Huber×异方差联合权重计算 Kish ESS：

\[ESS_{Kish}=\frac{(\sum_i w_i)^2}{\sum_i w_i^2}.\]

再将同一 run 内 residual 按 probe-round block 聚合，估计积分自相关时间 \(\tau\)：

\[ESS=ESS_{Kish}/\tau.\]

最终 ESS 中位数为 210.26，最小 124.96，最大 297.34，均远高于 20 的最低门禁。

8.4 分层 moving-block bootstrap

不能把 76011 个 pair 当成独立同分布样本，否则会产生伪重复。最高独立层级是 QEMU run，因此每次 bootstrap：

1. 对 12 个 run 有放回重采样；
2. 在每个被抽中的 run 内，按长度 4 的 probe-round block 循环重采样；
3. 对每个上下文完整重跑 Huber 拟合和 control 解析；
4. 保留所有 key 同一 replicate 的联合分布。

8.5 全族同时区间

对第 \(b\) 个 replicate 计算：

\[M_b=\max_k\left|\frac{\hat\theta_k^{(b)}-\hat\theta_k}{s_k}\right|.\]

令 \(c\) 为 \(M_b\) 的 95% 分位，则：

\[CI_k=[\hat\theta_k-cs_k,\hat\theta_k+cs_k].\]

这里是 max-standardized-deviation 区间，不是 replicate-specific studentized max-t。它控制整族主权重的同时覆盖，避免 213 个逐项 95% 区间产生严重 family-wise 假阳性。

8.6 负权重和零成本

物理权重不能为负，但显著负的无约束估计也不能直接截成 0。模型保留 unconstrained estimate/CI；只有整个同时区间位于 ±0.15 ns 实用零区间内时，才发布 zero_cost_equivalent=true 和物理零权重。否则负估计不发布。

8.7 严重异常和 Wilson 门禁

Huber 权重低于 0.25 相当于残差大于约 \(1.345/0.25=5.38\) 个 robust scale，才计为严重异常。模型对严重异常比例计算 95% 单侧 Wilson 上界，并要求其不超过 10%。正常 Huber 降权本身不会被误判为失败。

9. 质量门禁

10. Bootstrap 收敛与稳定性

999 次相对 99 次的同时区间宽度比中位数为 1.1386，95% 分位为 1.2923。区间没有因 replicate 增多而机械缩窄；更充分的尾部分位采样反而使多数区间更保守，同时把分位概率 Monte Carlo SE 从 0.0219 降至 0.00690。

11. 数据分布可视化

11.1 模型质量

1
2

high-confidence                                       4  #
low-confidence                                      209  ##########################################

11.2 Catalog 发布状态

1
2
3
4

high-confidence                                       3  #
low-confidence                                      183  ####################################
context-dependent                                     8  ##
restricted-context                                  215  ##########################################

这里的 183 个 low-confidence 是有单一数值上下文的探索估计；8 个 context-dependent 类存在多个不等价上下文，顶层不聚合数值；215 个 restricted 类不发布。

11.3 Catalog 扩展分布

1
2
3
4
5
6
7
8
9
10
11

zicsr                                               207  ##########################################
i                                                    76  ###############
a                                                    42  #########
c                                                    38  ########
d                                                    20  ####
m                                                    12  ##
f                                                     6  #
priv                                                  5  #
zicboz                                                1  #
zifencei                                              1  #
zihintpause                                           1  #

11.4 质量失败原因

同一上下文可以同时触发多个门禁，因此以下计数不可相加为 209。

1
2
3
4
5
6
7
8
9
10
11

plugin-off-check-divergent                          169  ##########################################
batch-size-nonlinearity                             157  #######################################
drift-effect-not-equivalent                          98  ########################
cross-clock-check-divergent                          98  ########################
order-effect-not-equivalent                          82  ####################
too-many-severe-outliers                             32  ########
cross-run-heterogeneity-high                         22  #####
simultaneous-ci-too-wide                             16  ####
cross-clock-check-unavailable                        15  ####
plugin-off-check-unavailable                         15  ####
per-run-irls-not-converged                           10  ##

只有 16 项主同时区间过宽；大量降级来自 plugin-off 和 nuisance-effect 等价性。这证明“low-confidence”不能直接解释为主计时没有统计信号。

11.5 代表性快速路径成本（线性尺度）

1
2
3
4
5
6
7
8
9
10
11
12
13
14

addi                         0.3098 ns  #
mul                          0.8995 ns  ####
ld                           1.1502 ns  ####
sd                           1.3062 ns  #####
beq not-taken                2.3888 ns  #########
beq taken                    3.3591 ns  #############
amoadd.d                     2.4836 ns  ##########
sc.d                         3.5323 ns  ##############
div                          4.5249 ns  ##################
rem                          5.3846 ns  #####################
fadd.d                      11.0767 ns  ###########################################
fmul.d                       4.4962 ns  ##################
fdiv.d                       6.5626 ns  ##########################
fdiv.s                      12.2959 ns  ################################################

11.6 慢路径成本（对数尺度）

1
2
3
4

jalr indirect-link          68.7578 ns  ###########################
jalr indirect-jump          69.5108 ns  ###########################
ret                         66.4826 ns  ###########################
time CSR                  1719.6672 ns  ################################################

jalr 的 66–70 ns 主要反映间接 TB lookup/dispatcher；time CSR 的约 1.72 µs 反映 QEMU 时钟 helper。它们不能解释为硬件指令 latency。

11.7 代表性点估计和同时区间

11.8 分布分位表

12. Catalog 映射与发布策略

catalog loader 校验 schema、target、TB 计数、完整 bytes、decode 错误、drop/error、final quality 和 409 个规范 key。语义 key 保留 form=、aq/rl、CSR 编号、rounding mode 等 modifier，避免把 nop/addi/li/mv 或 call/jump/return 合并。

模型有 205 个语义 key，其中 199 与 catalog 相交，6 个为本次 BuildStorm catalog 未出现的 orphan；orphan 只报告，不参与 catalog 权重。

严格发布：

其中 time CSR 虽在模型层通过，但 mapper 先应用 restricted policy，因此 catalog 严格发布只有 divuw/rem/remw。

13. 正确性论证

13.1 构造有效性

• marker-only timing 避免每条指令 callback 成为主要成本；
• validation 以精确 raw encoding 和 ELF PC 范围证明测到的是目标代码；
• probe/baseline 差分消除公共固定成本；
• execution pattern 保留分支、访存、原子和 FP 语境，避免错误聚合。

数据证据：所有样本 purity 均为 1.0；validation/timing footer 没有 marker、timer 或 translation-accounting failure。

13.2 内部有效性

• 12 个独立 QEMU 进程而不是只重复同一进程；
• AB/BA 接近平衡，减少顺序偏差；
• 三档 batch 用于发现固定开销和非线性；
• 污染 translation pair 直接剔除，不假设差分一定相消；
• run 固定效应、漂移项和 plugin-off 对照显式建模潜在混杂。

数据证据：每档 batch 精确 25560 pair；保留率 99.128%；每个上下文至少 251 pair，ESS 最低约 124.96。

13.3 统计结论有效性

• Huber 回归限制少量长尾异常的影响；
• Kish ESS 与 block ACF 避免把相关样本当作独立样本；
• run-cluster bootstrap 保持最高层依赖结构；
• max-standardized-deviation 控制主权重整族同时覆盖；
• 999/999 replicate 有效，分位 Monte Carlo SE 可量化；
• 负估计、零成本、异常比例、异质性和辅助时钟均有硬门禁。

13.4 机制一致性

结果的相对层次符合 QEMU TCG 机制：简单整数最低；softmmu 热访存高于整数；taken branch 高于 fallthrough；原子包含 reservation/store 检查；jalr 触发间接 TB 查找；CSR/FP 进入 helper 或 softfloat。机制一致性不是独立的统计证明，但能发现数量级明显错误或测到了错误路径的情况。

13.5 为什么不能宣称 409 类全部高置信

最终只有 4/213 模型上下文通过全部门禁。失败分布表明：主 CI 过宽仅 16 项，但 plugin-off divergent 169 项、batch nonlinearity 157 项、order/drift 等价性失败 82/98 项。严格标签同时要求“点估计精确”和“对辅助设计变化稳定”，所以一个窄 CI 仍可能是 low-confidence。

例如 32 位 addi 为约 0.3098 ns，主同时区间 [0.2852, 0.3343] 并不宽，但它仍因 order、drift、batch、cross-clock、plugin-off 门禁失败而不被 mapper 严格发布。这是保守拒绝，不是把辅助噪声包装成确定性结论。

14. 局限性与后续实验

1. 只有一个宿主和一个 QEMU 版本。现有置信区间只对本宿主/QEMU/活动条件成立；跨宿主外推需要新增宿主 cluster。
2. plugin-on 固定先于 plugin-off，顺序与宿主漂移可能混杂。后续应在 QEMU 进程级随机化 on/off 顺序，并考虑全局仿射 non-invasiveness 校准。
3. 低成本指令的 plugin-off ratio 存在近零分母病态；当前严格门禁因此明显保守。
4. 157 个上下文出现 batch 非线性，其中部分是真实摊销/TCG 行为。后续可发布 reference-batch 权重或拟合 alpha + beta*N，不应简单删除门禁。
5. hot-load/store 只覆盖预热地址；cache/TLB miss、不同对齐、MMIO 和 page fault 必须单独建模。
6. 单 vCPU 原子 probe 不能代表多核争用；aq/rl 在此场景接近无额外成本是实验条件的结果。
7. FP 使用固定 normal 操作数，NaN、subnormal、异常和不同 rounding mode 可能进入不同 softfloat 路径。
8. CSR/priv/trap/CBO 必须在专用特权与状态上下文中测量，不能从用户态安全 probe 转移。
9. catalog occurrence 来自 TB 翻译记录，不是运行时动态执行频次；不能直接用 occurrence×weight 宣称运行时间占比。

15. 验证结果

• python3 -m unittest discover -s scripts/tests：167/167 通过；
• QEMU plugin validation/timing 双模式 smoke：通过；
• Python py_compile、shell sh -n、git diff --check：通过；
• 稀疏 WLS 与稠密参考在 24 个正式 key 上系数、残差、Huber/异方差权重和 estimate bit-for-bit 相同；
• mapper 的真实模型 schema v2 契约、409-key catalog 闭合、restricted 优先级和探索字段均有回归测试。

16. 原始与派生数据

• 完整采样 JSONL；
• 模型 JSON；
• 模型 CSV；
• 完整 catalog 映射 JSON；
• 完整 catalog 映射 CSV；
• 99 次预检模型；
• QEMU validation 窗口。

17. 理论参考

1. Huber, P. J. (1964). Robust Estimation of a Location Parameter. The Annals of Mathematical Statistics.
2. Efron, B. and Tibshirani, R. J. (1993). An Introduction to the Bootstrap.
3. Künsch, H. R. (1989). The Jackknife and the Bootstrap for General Stationary Observations. The Annals of Statistics.
4. Kish, L. (1965). Survey Sampling.
5. DerSimonian, R. and Laird, N. (1986). Meta-analysis in Clinical Trials. Controlled Clinical Trials.
6. Wilson, E. B. (1927). Probable Inference, the Law of Succession, and Statistical Inference. JASA.
7. Westfall, P. H. and Young, S. S. (1993). Resampling-Based Multiple Testing.
8. RISC-V International. The RISC-V Instruction Set Manual.
9. QEMU Project. QEMU TCG Plugin API.

附录 A：213 个探针上下文完整表

以下表是 weights.json 的完整可读投影。ns 是物理非负发布值；显著负的无约束估计不会被截成零。

附录 B：409 个 BuildStorm catalog 类完整映射

raw count 带 ~ 表示 seen-table 估算；occurrences 是 TB catalog 中的翻译槽出现量，不是运行时动态执行次数。strict ns 只在全部门禁通过时填充；measured ns 可包含单一 low-confidence 探索估计。