🧠 مدل‌سازی عملکرد سخت‌افزار؛ از تئوری تا شبیه‌سازی دقیق

🧠 این کتاب با یک مسیر منظم، فاصله میان نظریه و کاربرد عملی Performance Modeling رو کم میکنه. با بررسی CPU، GPU، شتاب‌دهنده‌ها و سیستم‌های حافظه، هم مبانی لازم رو یاد میگیری و هم برای پیاده‌سازی مدل‌ها با چارچوب‌های متن‌باز و رایگان راهنمایی میگیری.

✨ ویژگی‌های کلیدی

⚙️ مدل‌سازی عملکرد CPU، GPU، شتاب‌دهنده‌ها و سیستم‌های حافظه رو با ابزارهای متن‌باز یاد میگیری.

📚 برای هر گروه سخت‌افزاری، کتاب مبانی نظری، روش‌های مدل‌سازی و تکنیک‌های ریزمعماری رو کنار هم آموزش میده.

🛠️ با راهنمای پیاده‌سازی عملی و چارچوب‌های شبیه‌سازی متن‌باز و رایگان، آموخته‌ها رو به کار میگیری.

🧩 تمرین‌های کتاب تحلیل نظری رو با پیاده‌سازی عملی ترکیب میکنن تا یادگیری مفاهیم تقویت بشه.

📘 توضیح کتاب

🔎 کتاب با مرور فشرده مبانی نظری، روش‌های مدل‌سازی و تکنیک‌های ریزمعماری، از جمله روش‌های دقیق در سطح چرخه، ارتباط میان اصول Performance Modeling و کاربردهای واقعی رو روشن میکنه. موضوعات اصلی شامل CPU، GPU، شتاب‌دهنده‌ها و سیستم‌های حافظه هستن.

🧠 برای هر گروه از سیستم‌ها، مسیر آموزشی سه بخش داره: ابتدا زمینه نظری رو یاد میگیری، بعد با روش‌های مدل‌سازی و تکنیک‌های جزئی‌تر آشنا میشی و در نهایت، راهنمای پیاده‌سازی با چارچوب‌های شبیه‌سازی متن‌باز و رایگان رو دنبال میکنی.

🧪 تمرین‌ها برای تثبیت یادگیری طراحی شدن و تحلیل نظری رو با پیاده‌سازی عملی ترکیب میکنن. این مسیر کمک میکنه روش‌های مدل‌سازی رو در سناریوهای واقعی به کار بگیری و تجربه کار با چارچوب‌های شبیه‌سازی پرکاربرد رو به دست بیاری.

🧭 پوشش چندین دسته از سیستم‌های سخت‌افزاری به متخصصان کمک میکنه بدون وابستگی به فرصت‌های شغلی خاص، دانش خودشون رو گسترش بدن. دانشجوها و افراد تازه‌وارد به بازار کار هم میتونن پیش از انتخاب حوزه تخصصی، زمینه‌های مختلف رو بررسی کنن و با اطمینان بیشتری تصمیم بگیرن.

🎯 این کتاب در ادامه مسیر حرفه‌ای هم به‌عنوان مرجعی کاربردی برای مرور سریع مفاهیم و توسعه مهارت‌ها به کار میاد. با مطالعه اون میتونی روش‌های مدل‌سازی رو به سخت‌افزارهای جدید و فناوری‌های در حال ظهور هم تطبیق بدی.

🎯 چیزهایی که یاد میگیری

⚙️ مدل‌سازی عملکرد CPU، GPU، شتاب‌دهنده‌ها و سیستم‌های حافظه رو با ابزارهای متن‌باز پرکاربرد یاد میگیری.

🧠 مفاهیم پایه Computer Architecture رو که برای مدل‌سازی دقیق لازمن مرور میکنی.

📊 یاد میگیری اصول و روش‌های مناسب رو در سناریوهای واقعی به کار بگیری و با اطمینان در پروژه‌ها مشارکت کنی.

🛠️ با انجام تمرین‌هایی که از چارچوب‌های شبیه‌سازی پرکاربرد استفاده میکنن، مهارت عملی به دست میاری.

🔄 روش‌های مدل‌سازی رو با سخت‌افزارهای جدید و فناوری‌های در حال ظهور سازگار میکنی.

👤 این کتاب برای چه کسانیه؟

🎓 کتاب برای افراد مبتدی تا سطح متوسط مناسبه که میخوان Performance Modeling رو یاد بگیرن. دانشجوها و افراد تازه‌وارد به حوزه کاری هم میتونن با بررسی چندین نوع سیستم سخت‌افزاری، پیش از تخصصی‌شدن با این زمینه‌ها آشنا بشن.

📚 افراد پیشرفته‌تر هم میتونن از کتاب برای مرور مفاهیم و تقویت مهارت‌هاشون استفاده کنن. منبع پیش‌نیاز مشخصی ذکر نمیکنه، اما فصل‌های پایه درباره Computer Architecture به درک اصول لازم برای مدل‌سازی عملکرد کمک میکنن.

📖 فهرست مطالب

بخش اول. مبانی

فصل ۱. مقدمه‌ای بر Performance Modeling

فصل ۲. معماری از دیدگاه مدل‌ساز

فصل ۳. انتخاب Workload و اعتبار آزمایش

فصل ۴. نگاهی فشرده به Simulator

بخش دوم. خط لوله شبیه‌سازی

فصل ۵. گردآوری و مدیریت Trace

فصل ۶. Sampling و کارایی شبیه‌سازی

فصل ۷. درک خروجی شبیه‌سازی

بخش سوم. مدل‌سازی سیستم حافظه

فصل ۸. معماری سیستم حافظه

فصل ۹. شبیه‌سازی Cache و Prefetcher

فصل ۱۰. شبیه‌سازی DRAM

بخش چهارم. مدل‌سازی هسته CPU

فصل ۱۱. معماری هسته CPU

فصل ۱۲. شبیه‌سازی CPU

فصل ۱۳. شبیه‌سازی CPU چند‌هسته‌ای

بخش پنجم. مدل‌سازی GPU

فصل ۱۴. معماری GPU

فصل ۱۵. شبیه‌سازی GPU

بخش ششم. مدل‌سازی شتاب‌دهنده

فصل ۱۶. معماری شتاب‌دهنده Tensor

فصل ۱۷. شبیه‌سازی شتاب‌دهنده

بخش هفتم. مدل‌سازی توان

فصل ۱۸. آموزش گام‌به‌گام Power Modeling

👤 درباره نویسنده

🖥️ آنانیـا پاریک مهندس ارشد و متخصص Performance Modeling و معماری سیستم‌های کامپیوتریه. او بیش از یک دهه تجربه صنعتی در شرکت‌هایی مثل Google، Apple، Samsung و AMD داره.

⚙️ حوزه تخصصی او شبیه‌سازی دقیق در سطح چرخه و تحلیل عملکرد در زمینه‌های گوناگون رایانش رو در بر میگیره. او طی سال‌ها روی محصولات شناخته‌شده متعددی کار کرده و تکنیک‌ها و چارچوب‌های پیشرفته شبیه‌سازی، از جمله در سطح Full System، CPU و GPU، توسعه داده.

🎤 پاریک درباره عملکرد سخت‌افزار سخنرانی و ارائه داشته و مخاطبانش از دانشجویان تازه‌وارد دوره کارشناسی تا دانشگاهیان باتجربه رو شامل شدن.

This book addresses the gap between performance modeling theory and practice by providing a systematic approach for learning and applying performance modeling relevant principles. It covers essential hardware systems including CPUs, GPUs, accelerators, and memory systems. For each system category, a three-pronged approach is employed: teaching the theoretical background succinctly, presenting modeling methodologies and detailed microarchitectural (cycle-accurate or other) techniques, and providing hands-on implementation guidance using freely available open source simulation frameworks. Furthermore, exercises reinforce learning through combined theoretical analysis and practical implementation.

This comprehensive approach offers multiple advantages. It provides thorough coverage of diverse systems, enabling professionals to build expertise without depending on specific job opportunities for learning. It allows students and new professionals to explore multiple areas before specializing with greater confidence. Finally, it serves as a practical reference for quick refreshers and skill development throughout one's career progression.

What You'll Learn

• Master performance modeling of CPUs, GPUs, accelerators, and memory systems using top open-source tools.
• Refresh core computer architecture concepts essential for accurate modeling.
• Apply best practices to real-world scenarios and start contributing with confidence.
• Build hands-on skills through exercises using widely adopted simulation frameworks.
• Adapt modeling techniques to new hardware and emerging technologies.

Who Is This Book For

Beginner to Intermediate for learning and as a refresher for advanced users. Students and new professionals.

Part I. Foundations

Chapter 1. Introduction to Performance Modeling

Chapter 2. Architecture Through the Modeler's Lens

Chapter 3. Workload Selection and Experimental Validity

Chapter 4. Simulator in a Nutshell

Part II. The Simulation Pipeline

Chapter 5. Trace Collection and Management

Chapter 6. Sampling and Simulation Efficiency

Chapter 7. Understanding Simulation Output

Part III. Memory System Modeling

Chapter 8. Memory System Architecture

Chapter 9. Cache and Prefetcher Simulation

Chapter 10. DRAM Simulation

Part IV. CPU Core Modeling

Chapter 11. CPU Core Architecture

Chapter 12. CPU Simulation

Chapter 13. Multicore CPU Simulation

Part V. GPU Modeling

Chapter 14. GPU Architecture

Chapter 15. GPU Simulation

Part VI. Accelerator Modeling

Chapter 16. Tensor Accelerator Architecture

Chapter 17. Accelerator Simulation

Part VII. Power Modeling

Chapter 18. Power Modeling – A Walkthrough

About the Author

Ananya Pareek is a senior Engineer specializing in computer system performance modeling and architecture. With well over a decade of industry experience spanning well known firms such as Google, Apple, Samsung, and AMD, he brings exceptional expertise in cycle accurate simulation and performance analysis across diverse computing domains. Over the years he has worked on multiple well known products, developing cutting edge simulation techniques and frameworks spanning Full System, CPU, GPU, etc.

He has also delivered lectures and talks on Hardware Performance with an audience spanning new undergrade students to experienced academics.