论文：
Tse-Yu Yeh and Yale N. Patt. A Comparison of Dynamic Branch Predictors that use Two Levels of Branch History. ISCA 1993.
感觉这篇文章讲得太简略了，建议先看一下上面那篇1992年的文章。
预测器分为两层，第一层记录前k个分支执行的历史，如果是taken就是1，如果是not taken就是0。根据"前k个分支"的定义，分为三个scheme。对于global history scheme，第一层就记录全局的前k个分支的执行历史，对于per-address history scheme，第一层就记录每个分支的前面k次的执行历史，对于per-set history scheme，第一层就记录每个组中的分支的前面k次的执行历史。分支所在的组可以由分支类型决定，也可以由分支的地址决定。
将前k个分支执行的结果的取值看作一个pattern，第二层就是用来决定在每个parttern下，应该怎么预测的。一般来讲，第二层由很多2-bit FSM组成（来源：https://en.wikipedia.org/wiki/Branch_predictor）。跟第一层一样，第二层也可以分成三类：global, per-address, per-set。Global时，第二层就是一个长度为
第一层和第二层各三种结构，一共有九种。
第一层里的分支执行历史的更新是speculative的，即拿到预测结果之后直接假装它是对的，来更新这个执行历史，如果有必要再修正，这样预测下一个分支的时候才能找到比较正确的第二层的2-bit FSM。但是第二层里的2-bit FSM的更新是拿到真正的分支执行的结果之后，才更新的（预测的时候要把pattern记下来）。
Global history scheme对integer programs来说表现比较好，因为这类程序里有很多if-then-else的逻辑，这种逻辑里，各条分支语句一般是有联系的。而global history scheme就很擅长发现这种分支语句之间的联系。但是不同的分支可能会共享同一个pattern，然后就跑到同一个pattern history table里了，所以要达到好的效果，要追踪更长的全局历史（即更长的pattern，更长的pattern history table），或者弄更多的pattern history table（毕竟不可能每个分支或者set都配一个pattern history table，应该是用类似于哈希表的方式做的，那就增加哈希表的长度）。
Per-address history scheme比较适合floating point programs，因为这类程序里循环比较多，分支之间比较独立，分支本身的周期性比较强。我觉得Per-address history scheme是基本不能发现指令之间的关系的，因为虽然在PAg（即第一层是per-address，第二层是global）和PAs（即第一层是per-address，第二层是per-set）中，很多个分支可能会共用一个pattern history table，但是下标用的是这个分支自己的执行历史，也就是pattern，这种关系与其说是体现了指令之间的关系，不如说是一种类似于哈希冲突的有害的关系。
Per-set history scheme结合了前两者的优点，但是要达到好的效果，其成本很高。我觉得SAp（第一层是per-set，第二层是per-address）和PAs（第一层是per-address，第二层是per-set）是不同的，因为SAp中，是先拿到了所处set的pattern，即执行历史，然后再到这个分支对应的pattern history table里拿2-bit FSM的。而PAs中，用的历史是这个分支的历史。
总的来说，如果要求开销低，那么PAs最好，8Kb时能达到96.3%的准确度，如果可以接受高开销，那么GAs最好，128Kb时能达到97%的准确度。
¶ 没看懂的地方
为什么Per-set history scheme里，好像每个set都有一个自己的pattern history table？那SAs里，第二层的set是怎么定义的？