spp prefetcher
功能：
- 压缩历史（第一个看到和历史相关的工作）。
- 实现的是物理地址的预取，貌似还实现了超过页边界的预取。
- 利用置信度来节流。
- 没有用到 pc 等额外的信息。
投机深度
对于不同的 workload，不同的预取器要设计不同的投机深度。不能将投机深度拓展至无限大的原因是，到了某一个时间点，因为程序段的不同内存访问模式，到了某一个时间点，投机产生的指令流会和实际的指令流产生偏移，这时候投机深度的增加只会浪费内存的带宽并产生污染。
复杂地址访问模式
如果地址的访问模式很长，即使呈现出了 delta 差值的特征，存储这些也需要空间浪费。
前瞻或者对于路径的记录，有助于发出下一个的预取请求。
所谓的 lookahead 的模式和值预测其实很像，这种 lookahead 往往在查找到数据的时候还能递归往下。这种递可能会形成一个死循环，因此在设计的时候，会定死一个预取器的投机深度。但是对于不同的 workload，投机深度应该更深才好。
还是物理地址预取的问题，当一个地址模式即使映射到了不同的物理页，也不应该重新学习。
设计
链式的可信度相乘机制，递归的往下，并乘出置信度，再决定是不是递归向下。
可能是因为记录了 delta 路径的信息，到了新的物理页面的时候，这部分可以拿过来。
特点
- 递归：跟 CDP 一样在表上递归。
- 跨物理页：在 GHR 上记录跨页的信息。进入到新的页能学习到旧的模式，避免重新学习。
- 动态流量控制和基于MSHR的流量控制。
问题
真的能很好的学习乱序吗？多预取器的情况下怎么区别地址模式。