第一章：静态分支预测——最朴素的预测哲学

各位同学，今天我们来聊聊分支预测里最基础、也最容易被忽视的一类——静态分支预测。

说实话，我刚入行那会儿，觉得静态预测太“笨”了。你想啊，不管程序怎么跑，它就一个策略走到底，这不是刻舟求剑吗？但后来我在一个嵌入式项目里，因为功耗和面积限制没法上动态预测器，才重新捡起静态预测。嗯，真香。

1.1 什么是静态分支预测

静态分支预测，说白了就是在编译阶段或者硬件设计阶段，就给每条分支指令定好一个固定的预测方向。这个方向不会因为程序的运行状态而改变。

它不像动态预测那样会“学习”，也不像混合预测那样会“切换”。它就是一个死脑筋——认准了就不回头。

1.2 三种静态预测策略

我见过的大多数教材都会列三种策略，但实际工程中，真正常用的其实就两种半。咱们一个一个说。

策略一：总是预测跳转（Always Taken）

这个策略最简单——见到分支指令，我就赌它跳。为什么？因为循环结构里，除了最后一次，其他时候都是跳转的。你想想看，一个循环跑100次，有99次是跳转的，准确率高达99%。

// 一个典型的循环
for (int i = 0; i < 100; i++) {
    // 循环体
}
// 对应的分支行为：前99次都跳转，只有最后一次不跳转

我在一个DSP项目中用过这个策略，处理音频数据的循环体，效果出奇的好。当然，遇到if-else结构就惨了——准确率直接掉到50%。

策略二：总是预测不跳转（Always Not Taken）

这个策略正好相反——我赌它不跳。它的逻辑是：很多分支指令其实很少触发，比如错误处理代码。

我记得有一次调试一个网络协议栈，里面大量的错误检查分支，99.9%的情况下都不会进入。这时候用“总是预测不跳转”，准确率接近100%。

策略三：向后跳转向前不跳转（Backward Taken, Forward Not Taken, BTFNT）

这个策略稍微聪明一点。它根据分支指令的跳转方向来做预测：

• 向后跳转（目标地址比当前地址小）：预测跳转。因为向后跳转通常是循环的末尾跳回开头。
• 向前跳转（目标地址比当前地址大）：预测不跳转。因为向前跳转通常是跳过一段代码，比如if语句的else分支。

这个策略我特别喜欢，因为它不需要任何运行时信息，纯靠指令地址就能做判断。我在一个RISC-V处理器设计里用过BTFNT，比前两种策略平均高出10-15%的准确率。

1.3 静态预测的优缺点

咱们用一张表来总结，这样更直观：

优点	缺点
硬件实现极简单，几乎不占面积	准确率上限低，一般只有60-80%
功耗极低，适合低功耗场景	无法适应程序行为的动态变化
不需要历史信息，无冷启动问题	对分支模式敏感，换段代码可能效果天差地别
预测延迟为零，不影响流水线	无法处理间接跳转（如函数指针）

说白了，静态预测就是用准确率换硬件成本。你想想看，一个动态预测器可能要几千个门电路，而静态预测可能几十个门就搞定了。

1.4 适用场景

根据我的项目经验，静态预测最适合以下场景：

1. 嵌入式系统：尤其是那些对功耗和面积有严格要求的MCU。我在一个智能手表的传感器处理芯片里，就用了BTFNT策略，效果不错。
2. 简单处理器：比如教学用的RISC-V单周期处理器，或者一些专用加速器。
3. 代码行为可预测的场景：比如大量的循环计算，或者极少触发的异常处理。
4. 作为动态预测器的后备方案：很多高性能处理器在动态预测器失效时，会回退到静态预测。

1.5 知识体系总览

下面这张图，是我画的本章节的知识结构，方便你理解静态预测在整个分支预测体系中的位置：

这张图里，红色部分就是我们本章要讲的静态预测。你可以看到，它下面有三个子策略，每个都有各自的优缺点和适用场景。后面的章节我们会逐步展开动态预测的内容。

好了，静态分支预测的内容就这些。它虽然简单，但却是理解整个分支预测体系的基础。下一章我们会讲动态预测，那才是真正有意思的部分——让处理器学会“猜”你的心思。

---