Linux 性能启动开销：为什么执行MOV+；SYS_exit有这么多暂停循环（和指令）？

我试图理解如何衡量性能，并决定编写一个非常简单的程序：

section .text
    global _start

_start:
    mov rax, 60
    syscall

我用

perf stat./bin运行了这个程序，令我惊讶的是
停止循环的前端
太高了

      0.038132      task-clock (msec)         #    0.148 CPUs utilized          
             0      context-switches          #    0.000 K/sec                  
             0      cpu-migrations            #    0.000 K/sec                  
             2      page-faults               #    0.052 M/sec                  
       107,386      cycles                    #    2.816 GHz                    
        81,229      stalled-cycles-frontend   #   75.64% frontend cycles idle   
        47,654      instructions              #    0.44  insn per cycle         
                                              #    1.70  stalled cycles per insn
         8,601      branches                  #  225.559 M/sec                  
           929      branch-misses             #   10.80% of all branches        

   0.000256994 seconds time elapsed

据我所知，暂停周期前端意味着CPU前端必须等待某些操作（如总线事务）的结果完成

那么，在这种最简单的情况下，是什么导致CPU前端等待了大部分时间呢

和2页错误？为什么？我没有读取内存页。
页面错误包括代码页

perf stat
包括启动开销

IDK了解
perf
如何开始计数的详细信息，但它可能必须在内核模式下对性能计数器进行编程，因此它们在CPU切换回用户模式时计数（暂停许多周期，特别是在具有使TLB失效的熔毁防御的内核上）

我想大部分记录的
47654
指令都是内核代码。可能包括页面错误处理程序

我猜您的进程永远不会进入用户->内核->用户，整个过程是内核->用户->内核（启动，
syscall
调用
sys\u exit
，然后再也不会返回到用户空间），所以无论如何TLB都不会很热，除了在
sys\u exit
系统调用后在内核内运行时。无论如何，TLB未命中并不是页面错误，但这可以解释很多停滞周期

用户->内核转换本身解释了大约150个暂停周期，顺便说一句。
syscall
比缓存未命中要快（除了它没有流水线，事实上会刷新整个流水线；即特权级别没有重命名。）
你怎么不担心47654指令呢？：）不确定perf具体计算的是什么，但很可能它执行的其他任何东西（内核代码？）也会导致暂停。如果您复制/粘贴真实代码（和构建指令），它本来就不可能存在。始终这样做，而不是重新键入代码。如果您正在编写代码，并且没有在任何地方对其进行过测试，则只能在中键入代码。@PeterCordes正是缺少的
\u start:
标签使我认为正常初始化已执行。另外，对于libc链接是如何被抑制的问题也缺乏描述：如果您没有明确尝试这样做，那么要生成没有这些内容的可执行文件是非常困难的。无论如何，不管我的猜测是否正确，我都不会删除我的评论：链接非常好，其他读者可能也感兴趣。@cmaster:
ld foo.o-o foo
在Linux上生成一个静态可执行文件。不，动态链接的原因不是对内核头的依赖（用户空间ABI是稳定的，您不需要不同的glibc来匹配您的内核）。原因是libc没有嵌入到每个二进制文件中，glibc错误修复也不需要重新编译所有文件。加上通常的记忆优势。使用gcc，要使用自定义的
\u start
创建静态可执行文件，请使用
gcc foo.o-nostlib-static
。或者将libc动态链接到您自己的
\u start
，
gcc foo.o-nostartfiles
（glibc init funcs仍在运行）@ CMASTER：GLUBC init函数运行在动态加载的C++库中运行构造函数的相同机制：<代码> LIBC。因此，6 < /COD>在“代码”>“全局代码”//COD>数组或类似的东西中有必要的init函数的地址，动态链接器在跳到如果gcc告诉链接器，则链接器仅“将代码插入…调用
main
”（即CRT（C运行时）启动文件）。如果运行
gcc-vfoo.c
，您将看到编译器、汇编程序和链接器命令行（
ld
通过
collect2
包装器调用，但您可以看到
gcc
显式传递的
crt0.o
），这是一个快速的部分答案；我希望看到一个答案，它能够准确地解释哪些指令（大概是内核指令）包含在
perf stat
计算为启动/关闭开销的部分中。如果你能控制它；我认为x86性能计数器可以编程为仅在用户模式或内核+用户模式下计数。它统计了10519个事件。最上面是下面一行
35.55%perf[kernel.kallsyms]
。这是否意味着在这种简单的情况下，性能计数TLB未命中开销非常重要？@St.Antario：显然是的。但你有47k指令的10k TLB失误？这听起来高得难以置信。听起来我们需要一个真正的答案来回答这个问题，而不仅仅是我的手在
perf
上挥舞，包括一些启动开销。但是如果
perf
启动开销太高。。。我们如何使用它编写微/纳米基准测试？甚至可能吗？@St.Antario：将代码放入一个至少运行50毫秒的循环中。我有一个
testloop.asm
和一个assembly+link+
perf stat
命令行，我可以很容易地找到它，它使用
mov ebp，100000000
作为
dec ebp/jnz
循环的循环计数器。如果循环中的代码超过几个快速UOP，我可以根据需要添加或删除零。使用
perf stat-r4
，我获得了非常好的重复性和准确性，在0.1到1秒左右的运行时间内，预期结果在10k或100k的1部分之内。看见