Architecture Paper Reading Methodology（体系结构论文阅读方法论）
arch-study 研究篇 Day 28：把教材式输入转为从论文挖矿。范例精读：Near-Optimal Wafer-Scale Reduce（Luczynski et al., HPDC 2024, arXiv:2404.15888）。
Source: arch-study-30d-day-28.md
教材 vs 论文
| 教材 | 论文 | |
|---|---|---|
| 目的 | 完整领域知识 | 解决一个开放问题 |
| 公式 | 可追溯 | 常省略推导 |
| 实验 | 教学例 | 精选 baseline / workload |
| 结论 | 公理式 | 有 marketing 倾向 → 需批判 |
5 步精读法
| Step | 焦点 | 红旗 |
|---|---|---|
| 1 Abstract | 问题 / 方法 / 量化数字 | 无数字几乎是弱文 |
| 2 Intro | 痛点、局限、insight、贡献清单 | 痛点含糊、insight 陈词 |
| 3 Related | 前人谱系图 | 只引对自己有利的工作 |
| 4 Method | 假设、公式来源、复杂度 | 公式凭空出现 |
| 5 Experiments | baseline 公平、workload、tail、敏感度、真机 vs 模拟 | 仅合成负载、无 sensitivity |
阅读顺序：贡献 → 证据 → 方法（不必线性通读）。三遍：鸟瞰（§1+§结论+图）→ 骨架（算法+模型+结果）→ 批判（假设/缺失实验）。
四大量化武器
- 性能归因 —
T = T_compute + T_comm + …；stacked bar - Roofline — compute vs memory/comm-bound；见 Architecture Benchmark Methodology
- 敏感性分析 — 单参数扫描（N、D、B、拓扑）
- Pareto 前沿 — 多目标（perf vs 面积/能耗）
范例：Wafer-Scale Reduce 读出什么
Insight：2D mesh 被传统 Ring/Tree 当成 1D 抽象 → 浪费局部性。
| 算法 | 要点 |
|---|---|
| FRED | 用现有 5 端口路由，沿 2D tree reduce；无额外硬件；大 N 接近下界 |
| FREDR | 路由器内嵌小归约单元（边转发边算）；面积 +k% 换延迟 −m% |
相对 Ring：大 N 时 Ring 的 (N−1)·t_hop 灾难；FRED 以 log 直径项 + 带宽项 主导。完整算法族与数字见 WSE Reduce Algorithms。
批判清单（可复用）：baseline 是否同工艺/同色路由资源？消息大小扫了吗？真机还是模拟？与 Day 27 LLM Collectives 的 Ring 对比是否公平？
相关页面
- WSE Reduce Algorithms — 精读对象
- WSE Performance Model — 延迟模型
- LLM Distributed Training Collectives — Day 27 集群侧
- Architecture Benchmark Methodology — 几何均值/陷阱
- Quantitative Architecture Fundamentals — Amdahl/功耗地基
- Arch-Study 30d Knowledge Map — Day 30 收束
- NoC Research Methodology and Case Studies — NoC 五决策读法（互连 Day 20）
- Paper Deep-Dive Map — Day 1–8 实战精读地图
- Black-Box Epistemology — 可观察/可控制变量与认识负反馈
Citations
[1] arch-study-30d-day-28.md — 论文方法论 + Luczynski 精读（Day 28） [2] Near-optimal_wafer-scale_reduce.pdf — Luczynski et al., HPDC 2024