C 内存性能/缓存难题

我有一个记忆性能难题。我正在尝试基准测试从主内存获取一个字节所需的时间，以及各种BIOS设置和内存硬件参数对它的影响。我为Windows编写了以下代码，在循环中，通过读取另一个缓冲区来刷新缓存，然后以不同的步幅每次读取一个字节的目标缓冲区。我想，一旦跨距是缓存线的大小，这就是我试图测量的数量，因为每次读取都会进入主内存。下面是基准代码（请注意，缓冲区的大小是跨步x1MB，我将线程固定到核心1）：

以下是我的问题：

• 为什么在跨距大于缓存线大小（Sandy Bridge为64字节）后，性能会继续下降？我假设，当跨步足够大，每次读取都需要缓存线传输时，性能会最差，但即使在这之后，时间也会增加两倍。。。我错过了什么
• 为什么最大时间（发生在循环的第一次迭代时）比最小时间长2-4倍？我每次迭代都刷新缓存

由于预取，在缓存线大小达到一定值后，性能会继续下降——只要您以稳定的速度跨过缓存线（甚至跨过缓存线），您就会享受到硬件预取器在接下来的几行中带来的好处。L2拖缆特别有用，因为它会比您的访问流运行得更快。
但是，一旦跨距超过128字节，您就应该在流预取器之前开始运行，并且每次访问都会产生完全延迟。
为确保确实如此，请禁用预取（希望您的系统在BIOS中允许此操作） 编辑：Stephen还就访问与TLB查找的比率提出了一个非常好的观点——这将解释巨大的进步。如果你画出每一步的时间，我敢打赌，由于TLB未命中率，你会看到一个强劲的趋势，最重要的是64到128字节的步幅之间的跳跃

我相信，由于TLB较冷，您的第一次迭代时间较长。您可以通过尝试刷新（硬…）或运行预热迭代并仅从第二次测量来测试这一点

由于预取，在缓存线大小达到一定值后，性能会继续下降——只要您以稳定的速度跨过缓存线（甚至跨过缓存线），您就会享受到硬件预取器在接下来的几行中带来的好处。L2拖缆特别有用，因为它会比您的访问流运行得更快。
但是，一旦跨距超过128字节，您就应该在流预取器之前开始运行，并且每次访问都会产生完全延迟。
为确保确实如此，请禁用预取（希望您的系统在BIOS中允许此操作） 编辑：Stephen还就访问与TLB查找的比率提出了一个非常好的观点——这将解释巨大的进步。如果你画出每一步的时间，我敢打赌，由于TLB未命中率，你会看到一个强劲的趋势，最重要的是64到128字节的步幅之间的跳跃

我相信，由于TLB较冷，您的第一次迭代时间较长。您可以通过尝试刷新（硬…）或运行预热迭代并仅从第二次测量来测试这一点

由于预取，在缓存线大小达到一定值后，性能会继续下降——只要您以稳定的速度跨过缓存线（甚至跨过缓存线），您就会享受到硬件预取器在接下来的几行中带来的好处。L2拖缆特别有用，因为它会比您的访问流运行得更快。
但是，一旦跨距超过128字节，您就应该在流预取器之前开始运行，并且每次访问都会产生完全延迟。
为确保确实如此，请禁用预取（希望您的系统在BIOS中允许此操作） 编辑：Stephen还就访问与TLB查找的比率提出了一个非常好的观点——这将解释巨大的进步。如果你画出每一步的时间，我敢打赌，由于TLB未命中率，你会看到一个强劲的趋势，最重要的是64到128字节的步幅之间的跳跃

我相信，由于TLB较冷，您的第一次迭代时间较长。您可以通过尝试刷新（硬…）或运行预热迭代并仅从第二次测量来测试这一点

由于预取，在缓存线大小达到一定值后，性能会继续下降——只要您以稳定的速度跨过缓存线（甚至跨过缓存线），您就会享受到硬件预取器在接下来的几行中带来的好处。L2拖缆特别有用，因为它会比您的访问流运行得更快。
但是，一旦跨距超过128字节，您就应该在流预取器之前开始运行，并且每次访问都会产生完全延迟。
为确保确实如此，请禁用预取（希望您的系统在BIOS中允许此操作） 编辑：Stephen还就访问与TLB查找的比率提出了一个非常好的观点——这将解释巨大的进步。如果你画出每一步的时间，我敢打赌，由于TLB未命中率，你会看到一个强劲的趋势，最重要的是64到128字节的步幅之间的跳跃

我相信，由于TLB较冷，您的第一次迭代时间较长。您可以通过尝试刷新（硬…）或运行预热迭代并仅从第二次测量来测试这一点

---

缓存线不是跟踪内存的唯一粒度。从虚拟地址到物理地址的转换发生在页面粒度上。您的系统几乎肯定使用4k页面

步幅为64时，每页有64个条目，因此有16384页。L2 TLB只能跟踪其中512个页面，因此在每个新页面上都会出现L2 TLB未命中（e

#include <stdio.h>
#include <memory.h>

#define NREAD       (1024*1024)
#define CACHE_SIZE  (50*1024*1024)

char readTest(int stride) {
    LARGE_INTEGER frequency;
    LARGE_INTEGER start;
    LARGE_INTEGER end;
    int rep, i,ofs;
    double time, min_time=1e100, max_time=0.0, mean_time=0.0;
    char *buf = (char *)malloc(NREAD*stride);
    char *flusher = (char *)malloc(CACHE_SIZE); 
    char jnk=0;
    for(rep=0; rep<255; rep++) {
        // read the flusher to flush the cache
        for(ofs = 0; ofs<CACHE_SIZE; ofs+=64) jnk+=flusher[ofs];
        if (QueryPerformanceFrequency(&frequency) == FALSE) exit(-1);
        if (QueryPerformanceCounter(&start) == FALSE) exit(-2);

        // here's the timed loop
        for(ofs=0; ofs<NREAD*stride; ofs+=stride) jnk += buf[ofs];

        if (QueryPerformanceCounter(&end) == FALSE) exit(-3);
        time = (double)(end.QuadPart - start.QuadPart) / (double)frequency.QuadPart*1e6;
        max_time = time > max_time ? time : max_time;
        min_time = time < min_time ? time : min_time;
        mean_time += time;
    }
    mean_time /= 255;
    printf("Stride = %4i, Max: %6.0f us, Min: %6.0f us, Mean: %6.0f us, B/W: %4.0f MB/s\n", stride, max_time, min_time, mean_time, NREAD/min_time);
    free(buf);
    free(flusher);
    return jnk;
}

int main(int argc, char* argv[]) {
    SetThreadAffinityMask(GetCurrentThread(), 1);  // pin to core 1 to avoid weirdness
    // run the tests
    readTest(1);    readTest(2);    readTest(4);    readTest(6);    readTest(8);
    readTest(12);   readTest(16);   readTest(24);   readTest(32);   readTest(48);
    readTest(64);   readTest(96);   readTest(128);  readTest(192);  readTest(256);
    readTest(384);  readTest(512);  readTest(768);  readTest(1024); readTest(1536);
    return 0;
}

        // here's the timed loop
        for(ofs=0; ofs<NREAD*stride; ofs+=stride) jnk += buf[ofs];
00F410AF  xor         eax,eax  
00F410B1  test        edi,edi  
00F410B3  jle         readTest+0C2h (0F410C2h)  
00F410B5  mov         edx,dword ptr [buf]  
00F410B8  add         bl,byte ptr [eax+edx]  
00F410BB  add         eax,dword ptr [stride]  
00F410BE  cmp         eax,edi  
00F410C0  jl          readTest+0B5h (0F410B5h)  

Stride =    1, Max:   2362 us, Min:    937 us, Mean:    950 us, B/W: 1119 MB/s
Stride =    2, Max:   1389 us, Min:    968 us, Mean:    978 us, B/W: 1083 MB/s
Stride =    4, Max:   1694 us, Min:   1026 us, Mean:   1037 us, B/W: 1022 MB/s
Stride =    6, Max:   2418 us, Min:   1098 us, Mean:   1124 us, B/W:  955 MB/s
Stride =    8, Max:   2835 us, Min:   1234 us, Mean:   1252 us, B/W:  850 MB/s
Stride =   12, Max:   4203 us, Min:   1527 us, Mean:   1559 us, B/W:  687 MB/s
Stride =   16, Max:   5130 us, Min:   1816 us, Mean:   1849 us, B/W:  577 MB/s
Stride =   24, Max:   7370 us, Min:   2408 us, Mean:   2449 us, B/W:  435 MB/s
Stride =   32, Max:  10039 us, Min:   2901 us, Mean:   3014 us, B/W:  361 MB/s
Stride =   48, Max:  14248 us, Min:   4652 us, Mean:   4731 us, B/W:  225 MB/s
Stride =   64, Max:  19149 us, Min:   6340 us, Mean:   6447 us, B/W:  165 MB/s
Stride =   96, Max:  28848 us, Min:   8475 us, Mean:   8615 us, B/W:  124 MB/s
Stride =  128, Max:  37449 us, Min:   9900 us, Mean:  10160 us, B/W:  106 MB/s
Stride =  192, Max:  51718 us, Min:  11282 us, Mean:  11563 us, B/W:   93 MB/s
Stride =  256, Max:  62193 us, Min:  11558 us, Mean:  11924 us, B/W:   91 MB/s
Stride =  384, Max:  86943 us, Min:  11829 us, Mean:  12260 us, B/W:   89 MB/s
Stride =  512, Max: 108661 us, Min:  11847 us, Mean:  12401 us, B/W:   89 MB/s
Stride =  768, Max: 167951 us, Min:  11797 us, Mean:  12946 us, B/W:   89 MB/s
Stride = 1024, Max: 211700 us, Min:  12893 us, Mean:  13979 us, B/W:   81 MB/s
Stride = 1536, Max: 332214 us, Min:  12967 us, Mean:  15077 us, B/W:   81 MB/s