6

以下のプログラムには、2.6.x カーネルを実行している 64 Linux ホスト上で 64 バイトに整列されたバッファーと 16 バイトに整列されたバッファーの 2 つのバッファーがあります。

キャッシュ ラインの長さは 64 バイトです。したがって、このプログラムでは、一度に 1 つのキャッシュ ラインにアクセスするだけです。posix_memalignedアライメントされていないバッファよりも高速ではないにしても、同等であることを期待していました。ここにいくつかの指標があります

./readMemory 10000000

time taken by posix_memaligned buffer: 293020299 
time taken by standard buffer: 119724294 

./readMemory 100000000

time taken by posix_memaligned buffer: 548849137 
time taken by standard buffer: 211197082 


#include <errno.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <linux/time.h>

void now(struct timespec * t);

int main(int argc, char **argv)
{        
  char *buf;        
  struct timespec st_time, end_time;        
  int runs;        
  if (argc !=2) 
  {
             printf("Usage: ./readMemory <number of runs>\n");                
             exit(1);        
  }        
  errno = 0;        
  runs = strtol(argv[1], NULL, 10);        
  if (errno !=0)        {
            printf("Invalid number of runs: %s \n", argv[1]);
            exit(1);
    }

    int returnVal = -1;

    returnVal = posix_memalign((void **)&buf, 64, 1024);
    if (returnVal != 0)
    {
            printf("error in posix_memaligh\n");
    }

    char tempBuf[64];
    char * temp = buf;

    size_t cpyBytes = 64;

    now(&st_time);
    for(int x=0; x<runs; x++) {
    temp = buf;
    for(int i=0; i < ((1024/64) -1); i+=64)
    {
            memcpy(tempBuf, temp, cpyBytes);
            temp += 64;
    }
    }
    now(&end_time);

    printf("time taken by posix_memaligned buffer: %ld \n", (end_time.tv_nsec - st_time.tv_nsec));

    char buf1[1024];        
    temp = buf1;        
    now(&st_time);        
    for(int x=0; x<runs; x++) 
    {        
      temp = buf1;        
      for(int i=0; i < ((1024/64) -1); i+=64)        
     {                
        memcpy(tempBuf, temp, cpyBytes);                
        temp += 64;        
      }          
    }        
    now(&end_time);        
    printf("time taken by standard buffer: %ld \n", (end_time.tv_nsec - st_time.tv_nsec));
    return 0;
}

void now(struct timespec *tnow)
{
    if(clock_gettime(CLOCK_MONOTONIC_RAW, tnow) <0 )
    {
            printf("error getting time");
            exit(1);
    }
}

最初のループの分解は

    movq    -40(%rbp), %rdx        
    movq    -48(%rbp), %rcx        
    leaq    -176(%rbp), %rax
    movq    %rcx, %rsi
    movq    %rax, %rdi
    call    memcpy
    addq    $64, -48(%rbp)
    addl    $64, -20(%rbp)

2 番目のループの分解は、

    movq    -40(%rbp), %rdx
    movq    -48(%rbp), %rcx
    leaq    -176(%rbp), %rax
    movq    %rcx, %rsi
    movq    %rax, %rdi
    call    memcpy
    addq    $64, -48(%rbp)
    addl    $64, -4(%rbp)
4

3 に答える 3

1

ベンチマークにはいくつかの問題があります。

  • 実行時間が短すぎるため、多くのノイズ/ジッターが発生している可能性があります。
  • CPU周波数スケーリングを有効にしている場合、CPUがフル/ターボ周波数に切り替わる前に最初のループが実行されている可能性があります。最初にCPUをウォームアップするか、ベンチマーク中に周波数スケーリングをオフにする必要があります。
  • リアルタイムの優先順位で実行していないため、スケジューリングを監視している可能性があります。
  • 実行ごとに1つのサンプルしか取得できません。あらゆる種類の科学的判断を下すには、少なくとも30回の実行が必要です（1つのサンプルを使用した科学的研究は一般に逸話と呼ばれます）。
于 2012-11-21T09:26:28.793 に答える
1

その理由は、バッファーの相対的な配置である可能性があります。

memcpyワード境界で整列されたデータ (32/64 ビット) をコピーするときに最も高速に動作します。
両方のバッファが適切に配置されていれば、すべて問題ありません。
両方のバッファが同じように位置合わせされていない場合はmemcpy、小さいプレフィックスをバイト単位でコピーし、残りに対して単語単位で実行することによって処理します。

しかし、一方のバッファーがワード境界で整列されていて、もう一方がそうでない場合、読み取りと書き込みの両方をワード境界で整列させる方法はありません。そのmemcpyため、単語ごとに機能しますが、メモリアクセスの半分は正しく整列されていません。

両方のスタック バッファが同じように整列されていない (たとえば、両方のアドレスが 8*x+2 である) が、バッファからのバッファposix_memalignが整列されている場合、表示内容を説明できます。

于 2012-11-21T08:55:20.087 に答える