通过对执行周期进行计数和分类，自上而下模型指出了应用程序当前的限定因素。英特尔公司最初形貌了这一模型[A Top-Down method for performance analysis and counters architecture]，后来将其建立为英特尔TMAM方法。该模型的结构是一棵度量树，根据所花费的资源（如计算资源、内存资源、因停滞而丧失的资源等）对周期进行组织。对于英特尔 CPU 来说，每个层次结构都有一个官方定义。层次结构越深，微体系结构的特定性就越强。这大概会导致难以比较不同 CPU 之间的效果。
与英特尔 CPU 相比，AMD 没有官方定义的自顶向下模型。已往曾有人试图将英特尔的模型映射到 AMD 15h、Opteron 和 R 系列处理惩罚器上。由于微体系结构和可用硬件计数器的不同，这项工作凸显了映射的局限性。其他架构也有树状层次结构，但未标注为 “自上而下”。每个供应商都有本身的定义，大概与 TMAM 的定义不一致。
读者应注意，“自顶向下 ”模型始终以周期为单元进行定义。这意味着 CPU（和内存）时钟频率未被考虑在内。
我们利用以前使用名为 Alya的生产 CFD 代码的经验，探索自顶向下模型所能提供的洞察力。我们在英特尔原始模型的基础上，为 AMD Zen 2 CPU 定义了一个自顶向下模型，并实施了一个工作流程，以测量和计算所研究的每个体系的指标。我们还分析了模型在不同 CPU 架构中的适用性，以及模型层次结构是否具有可比性。
1.2. 贡献
在 AMD Zen 中定义自顶向下模型 2.
在英特尔 Skylake、AMD Zen 2、A64FX、Power9 和鲲鹏 920 CPU 中实现自顶向下模型。
应用自顶向下模型，研究不同 CPU 架构下生产型 HPC 代码中的代码修改效果。
在不同 CPU 架构的体系中比较自顶向下模型。
我们在五个不同的集群上使用了三种不同的架构：x86、aarch64 和 ppc64le。其中一个集群（基于英特尔 Skylake CPU 的集群）已经定义了自顶向下模型。对于其中两个集群，由于没有模型，因此我们必须定义自顶向下模型；(i) 对于 AMD Zen 2，我们基于上一代 CPU ；(ii) 对于 Kunpeng 920，我们利用了 CPU 制造商提供的模型（据我们所知到目前为止尚未公开）。对于集群 A64FX 和 Power9，有一些与自顶向下模型类似的模型定义，我们必须对其进行调整才能与之相比较。
2 高性能计算体系及其自顶向下模型
