Performance 如何解释Xeon处理器在同时具有顺序拷贝和分散存储的循环中性能不佳？

在某些英特尔至强处理器上运行以下

c++

代码时，我偶然发现了一个特殊的性能问题：

//数组a包含[0，n-1]的置换
//数组_b和逆数组是初始化的数组
对于（int i=0；i

循环的第一行按顺序将

array_a

复制到

array_b

（预期很少有缓存未命中）。第二行计算

array_b

的倒数（由于

array_b

是一种随机排列，因此预期会出现许多缓存未命中）。我们还可以将代码拆分为两个单独的循环：

for（int i=0；i

我本以为这两个版本（单循环与双循环）在相对现代的硬件上的性能几乎相同。然而，似乎有些Xeon处理器在执行单循环版本时速度非常慢

在下面，您可以看到在一系列不同的处理器上运行代码片段时，墙时间（以纳秒为单位）除以

n

。出于测试目的，在配备Xeon E5-4620v4的系统上，使用GCC 7.5.0编译代码，并带有标志

-O3-funroll loops-march=native

。然后，在所有系统上使用相同的二进制文件，在具有多个NUMA域的系统上使用

numactl-m0-n0

所用代码可在上找到。有趣的东西在档案里

[编辑：]提供了组件。

[编辑：]包括AMD EPYC在内的新结果。

在各种i7模型上，结果与预期基本一致。使用单循环仅比双循环稍微慢一点。这也适用于Xeon E3-1271v3，它与i7-4790的硬件基本相同。AMC EPYC 7452迄今为止表现最好，单环和双环实现几乎没有区别。然而，在Xeon E5-2690v4和E5-4620v4系统上，使用单回路速度非常慢

在以前的测试中，我也在Xeon E5-2640和E5-2640v4系统上观察到了这个奇怪的性能问题。与此相反，AMD EPYC和Opteron系统上没有性能问题，Intel i5和i7移动处理器上也没有性能问题

---

因此，我向CPU专家提出的问题是：为什么英特尔最高端的产品线与其他CPU相比表现如此糟糕？我目前还不是CPU体系结构方面的专家，因此非常感谢您的知识和想法

我认为这是一个很好且有趣的问题，尽管我不确定它是否比堆栈溢出更适合超级用户。Xeon E5-2640不是v3还是其他什么？那是一只笨重的旧山猫？i、 e.“英特尔最高端的产品线”，在AMD系统出现之前的十年中，在i7-6800k Broadwell出现之前的几年中。顺便说一句，像这样的性能调优问题完全是关于堆栈溢出的；我们有一个完整的标签，其中肯定包括这样的问题。同样相关的：（尽管您的问题更多的是分散访问，而不是太多的带宽）。发生在“笨重的旧”Xeon E5-2640，以及更新的Xeon E5-2640v4和E5-4640v4上。一般来说，在哪台机器上编译代码并不重要——即使我在Xeon上编译时使用

-march=native

，然后在AMD系统上使用生成的二进制文件（反之亦然）。问题依然存在。最好在每个系统上运行相同的二进制文件，并提供两种核心函数变体的反汇编。