Tag: cpu architecture

与单个进程方案相比，多进程方案中的访问时间意外较低

我从program1访问共享库（共享数组数据结构），并找到访问该时间来读取该数组的所有元素。 我得到大约17000个滴答，而只有Program1单独执行。 现在，当我首先在另一个选项卡中执行program2（具有空的while循环以保持终止）时，然后运行program1并测量访问时间以读取该数组的所有元素。 令我惊讶的是，与之前只有Program1执行的情况相比，我获得了8000ticks。 看起来只有program1执行时才需要花费更多时间来读取数组，而有2个程序时，program1正在执行与之前相同的任务，而program2通过while循环保持CPU忙。 预计存在program1的访问时间会更长，而实际结果则相反。 为什么会这样？ 这是共享库 #include static const int DATA[1024]={1 ,2 ,3,…..1024]; inline void foo(void) { int j, k=0,count=0; for(j=0;j<1024;j++) { k=DATA[j]; } k+=0; } PROGRAM1 int main(void) { foo(); start=timer(); foo(); end=timer(); printf(“Time1=%llu\n”,end-start); start=timer(); foo(); end=timer(); printf(“Time2=%llu\n”,end-start); start=timer(); foo(); end=timer(); printf(“Time3=%llu\n”,end-start); sleep(1); start=timer(); foo(); end=timer(); printf(“after sleep(1)\n”); printf(“Time4=%llu\n”,end-start); start=timer(); foo(); end=timer(); […]

GCC最高指令集与多种架构兼容

我在由具有不同体系结构的计算机组成的集群上运行作业： gcc -march=native -Q –help=target | grep — ‘-march=’ | cut -f3 gcc -march=native -Q –help=target | grep — ‘-march=’ | cut -f3 gcc -march=native -Q –help=target | grep — ‘-march=’ | cut -f3给我其中一个： broadwell ， haswell ， ivybridge ， sandybridge或skylake 。 可执行文件需要是相同的，所以我不能使用-march=native但同时架构有共同点（我认为它们都支持AVX？）。 我知道gcc （与Intel icc相反）不允许在单个可执行文件中存在多个目标。 我想知道的是，是否有办法向gcc询问与上面列出的所有架构兼容的最高指令集。 gcc版本：8.1.1

如何在Windows / Linux C上检查CPU名称，型号，速度？

我想获得一些关于硬件的C信息： 我有多少CPU 每个核心有多少个核心 每个CPU中每个核心有多少个逻辑核心 CPU名称+型号 CPU速度+频率 CPU架构（x86，x64） 我知道在类似Linux的操作系统上我可以解析/proc/cpuinfo但由于它不是普通文件，我认为它不安全。 在SO上看到这个答案，但它并没有给我我需要的每一个信息。 我应该调用cat /proc/cpuinfo > file.txt然后解析file.txt吗？ 我知道cpuid.h （我正在使用GCC）但是找不到关于这个标题的任何文档（无论如何 – 使用它是个好主意吗？）

cpu cacheline和prefetch策略

我读了这篇文章http://igoro.com/archive/gallery-of-processor-cache-effects/ 。 文章说因为缓存行延迟，代码： int[] arr = new int[64 * 1024 * 1024]; // Loop 1 for (int i = 0; i < arr.Length; i++) arr[i] *= 3; // Loop 2 for (int i = 0; i < arr.Length; i += 16) arr[i] *= 3; 将几乎有相同的执行时间，我写了一些示例c代码来测试它。 我使用Ubuntu 64位运行Xeon（R）E3-1230 V2上的代码，使用Debian运行ARMv6兼容处理器rev 7，并在Core 2 T6600上运行它。 所有结果都不是文章所说的。 我的代码如下： long int […]

检测目标CPU上的对齐内存要求

我目前正在尝试构建一个代码，该代码可用于各种机器，从手持式口袋和传感器到数据中心的大型服务器。 这些体系结构之间的（许多）差异之一是对齐内存访问的要求。 “标准”x86 CPU不需要对齐的内存访问，但是如果不遵守规则，许多其他CPU需要它并产生exception。 到目前为止，我一直在使用packed属性（或pragma）强制编译器对已知存在风险的特定数据访问保持谨慎。 它工作正常。 问题是，编译器非常谨慎，以至于在此过程中会丢失大量性能。 由于性能很重要，我们最好重写代码的某些部分以专门处理严格对齐的cpus。 另一方面，这样的代码在cpus上会更慢，它支持未对齐的内存访问（例如x86），因此我们只想在需要严格对齐内存访问的cpus上使用它。 现在的问题是：如何在编译时检测目标架构是否需要严格对齐的内存访问？ （或反过来）

您如何从用户模式代码中一般性地检测缓存行关联性？

我正在为valgrind中的cachegrind / callgrind工具编写一个小补丁，它将使用完全通用的代码，CPU指令和缓存配置自动检测（现在只有x86 / x64自动配置，而其他架构不提供CPUID类型配置为非特权代码）。 此代码需要完全在非特权上下文中执行，即纯用户模式代码。 它还需要可以在非常不同的POSIX实现中移植，因此grokking / proc / cpuinfo不会这样做，因为我们的目标系统之一没有这样的东西。 检测CPU的频率，高速缓存的数量，它们的大小，甚至高速缓存行大小都可以使用100％通用POSIX代码完成，该代码没有任何特定于CPU的操作码（只是很多合理的假设，例如添加两个数字在一起，如果没有内存或寄存器依赖性停顿，可能会在一个周期内执行）。 这部分相当简单。 什么不是那么简单，为什么我问StackOverflow，是如何检测给定缓存的缓存行关联性？ 关联性是缓存中可以包含来自主内存的给定缓存行的位数。 我可以看到可以检测到L1缓存关联，但L2缓存？ 当然L1关联性会受到影响吗？ 我很欣赏这可能是一个无法解决的问题。 但我把它扔到StackOverflow上，希望有人知道我不知道的事情。 请注意，如果我们在这里失败，我将简单地在四方的关联性默认值中进行硬编码，假设它不会对结果产生巨大影响。 谢谢， 尼尔

CLFLUSH如何处理尚未缓存的地址？

我们正在尝试使用Intel CLFLUSH指令在用户空间中刷新Linux中进程的缓存内容。 我们创建了一个非常简单的C程序，它首先访问一个大型数组，然后调用CLFLUSH来刷新整个数组的虚拟地址空间。 我们测量CLFLUSH刷新整个arrays所需的延迟。 程序中arrays的大小是一个输入，我们将输入从1MB变为40MB，步长为2MB。 根据我们的理解，CLFLUSH应该刷新缓存中的内容。 所以我们期望看到整个arrays的刷新延迟首先在arrays大小方面线性增加，然后在arrays大小大于20MB（这是我们程序的LLC的大小）之后延迟应该停止增加。 然而，实验结果非常令人惊讶，如图所示。 数组大小超过20MB后，延迟不会停止增加。 我们想知道如果地址不在缓存中，CLFLUSH是否可能在CLFLUSH将地址刷出缓存之前引入地址？ 我们还尝试在英特尔软件开发人员手册中进行搜索，但没有找到任何解释，如果地址不在缓存中，CLFLUSH会做什么。 以下是我们用于绘制图形的数据。 第一列是以KB为单位的数组大小，第二列是以秒为单位刷新整个数组的延迟。 任何建议/建议都不仅仅是值得赞赏的。 [改性] 以前的代码是不必要的。 尽管CLFLUSH具有相似的性能，但它可以更容易地在用户空间中完成。 所以我删除了凌乱的代码以避免混淆。 SCENARIO=Read Only 1024,.00158601000000000000 3072,.00299244000000000000 5120,.00464945000000000000 7168,.00630479000000000000 9216,.00796194000000000000 11264,.00961576000000000000 13312,.01126760000000000000 15360,.01300500000000000000 17408,.01480760000000000000 19456,.01696180000000000000 21504,.01968410000000000000 23552,.02300760000000000000 25600,.02634970000000000000 27648,.02990350000000000000 29696,.03403090000000000000 31744,.03749210000000000000 33792,.04092470000000000000 35840,.04438390000000000000 37888,.04780050000000000000 39936,.05163220000000000000 SCENARIO=Read and Write 1024,.00200558000000000000 3072,.00488687000000000000 5120,.00775943000000000000 7168,.01064760000000000000 9216,.01352920000000000000 11264,.01641430000000000000 13312,.01929260000000000000 15360,.02217750000000000000 17408,.02516330000000000000 19456,.02837180000000000000 21504,.03183180000000000000 23552,.03509240000000000000 […]

包容性还是排他性？ 英特尔酷睿IvyBridge处理器中的L1，L2缓存

我使用的是Intel Core IvyBridge处理器，Intel（R）Core（TM）i7-3770 CPU @ 3.40GHz（L1-32KB，L2-256KB，L3-8MB）。 我知道L3是包容性的，并且在多个核心之间共享。 我想知道关于我的系统的以下内容 第1部分 ： L1是包容性还是排他性？ L2是包容性还是排他性？ 第2部分 ： 如果L1和L2都包含在内，那么为了找到L2的访问时间，我们首先声明一个大小超过L2缓存（256KB）的数组（1MB），然后开始访问整个数组以加载到L2缓存中。 之后，我们从开始索引到结束索引访问数组元素，步长为64B，因为缓存行大小为64B。 为了获得更准确的结果，我们重复这个过程（在索引，开始端访问数组元素）多次，比如100万次并取平均值。 我理解为什么这种方法给出了如下正确的结果 – 当我们访问大小超过L2高速缓存大小的数组时，整个数组从主存储器加载到L3，然后从L3加载到L2，然后L2加载到L1。 最近访问的是整个arrays的最后32KB在L1中。 由于包含属性和高速缓存一致性，整个arrays也存在于L2和L3高速缓存中。 现在，当我开始从启动索引再次访问数组时，该索引不在 L1缓存中，而是在L2缓存中，因此将存在缓存未命中，并且它将从L2缓存加载。 这样，整个arrays的所有元素都需要更长的访问时间，总的来说，我将获得整个arrays的总访问时间。 为了获得单一访问权限，我将取总访问量的平均值。 我的问题是 – 我是否正确？ 提前致谢 。

为什么按位运算比旧微处理器上的加/减操作稍快？

我今天看到了这段摘录： 在大多数较旧的微处理器上，按位运算比加法和减法运算稍快，并且通常比乘法和除法运算快得多。 在现代体系结构中，情况并非如此：按位运算通常与添加速度相同（尽管仍然比乘法更快）。 我很好奇为什么按位操作比旧微处理器上的加/减操作稍快一些。 我能想到的只会导致延迟的是，实现加/减的电路取决于几级逻辑门（并行加法器和诸如此类），而按位运算则具有更简单的电路实现。 这是什么原因？ 我知道算术和按位运算都在现代处理器的一个时钟内执行，但纯粹谈到电路的传播时间，理论上现在处理器中的延迟是不是仍然存在？ 最后，我有一个关于按位移位操作执行的概念C问题： unsigned x = 1; x <<= 5; unsigned y = 0; y += 32; x和y都应该保持值32 ，但是它需要5个单独的左移来获得x到该值（如通过管道实现的按位移位）？ 为了澄清，我纯粹是在询问电路行为而不是时钟周期数。

CPU和数据对齐

请原谅我，如果你觉得这已被无数次回答，但我需要回答以下问题！ 为什么数据必须对齐（在4字节/ 8字节/ 2字节边界上）？ 这里我怀疑的是，当CPU具有地址线Ax Ax-1 Ax-2 … A2 A1 A0时，可以顺序寻址存储器位置。 那么为什么需要在特定边界对齐数据呢？ 在编译代码和生成可执行代码时如何找到对齐要求？ 如果例如数据对齐是4字节边界，那是否意味着每个连续字节位于模4偏移处？ 我怀疑的是，如果数据是4字节对齐，那意味着如果一个字节是1004那么下一个字节是1008（或1005）？