我最近一直在使用perf,我得到了一些我无法理解的结果 . 具体而言,数量或退役货物和商店与我的期望不符 .
我编写了一个非常简单的微基准测试代码,看看在一个非常简单的情况下结果是否有意义:
#include <stdio.h>
#define STREAM_ARRAY_SIZE 10000000
static double a[STREAM_ARRAY_SIZE],
b[STREAM_ARRAY_SIZE],
c[STREAM_ARRAY_SIZE];
int main(){
ssize_t j;
for (j=0; j<STREAM_ARRAY_SIZE; j++) {
a[j] = 1.0;
b[j] = 2.0;
c[j] = 0.0;
}
return 0;
}
我用gcc 4.6.3编译:
gcc -Wall -O benchmark.c -o benchmark
并且它确实编译为一个非常简单的程序集(用objdump -d获得)作为main:
00000000004004b4 <main>:
4004b4: b8 00 00 00 00 mov $0x0,%eax
4004b9: 48 be 00 00 00 00 00 movabs $0x3ff0000000000000,%rsi
4004c0: 00 f0 3f
4004c3: 48 b9 00 00 00 00 00 movabs $0x4000000000000000,%rcx
4004ca: 00 00 40
4004cd: ba 00 00 00 00 mov $0x0,%edx
4004d2: 48 89 34 c5 40 10 60 mov %rsi,0x601040(,%rax,8)
4004d9: 00
4004da: 48 89 0c c5 40 c4 24 mov %rcx,0x524c440(,%rax,8)
4004e1: 05
4004e2: 48 89 14 c5 40 78 e9 mov %rdx,0x9e97840(,%rax,8)
4004e9: 09
4004ea: 48 83 c0 01 add $0x1,%rax
4004ee: 48 3d 80 96 98 00 cmp $0x989680,%rax
4004f4: 75 dc jne 4004d2 <main+0x1e>
4004f6: b8 00 00 00 00 mov $0x0,%eax
4004fb: c3 retq
4004fc: 90 nop
4004fd: 90 nop
4004fe: 90 nop
4004ff: 90 nop
三个mov应该对应于存储器中的三个不同向量 . 我希望退役的商店数量非常接近30M而几乎没有负载因为我刚刚初始化了三个数组 . 然而,这是我在Sandy Bridge机器上得到的结果:
$ perf stat -e L1-dcache-loads,L1-dcache-stores ./benchmark
Performance counter stats for './benchmark':
46,017,360 L1-dcache-loads
75,985,205 L1-dcache-stores
这是一台Nehalem机器:
$ perf stat -e L1-dcache-loads,L1-dcache-stores ./benchmark
Performance counter stats for './benchmark':
45,255,731 L1-dcache-loads
60,164,676 L1-dcache-stores
退役的装载和存储如何计算每个针对内存的mov操作?为什么即使没有实际从内存中读取数据,怎么会有这么多的负载呢?
1 回答
所以我对此有点好奇并做了一些研究 . 主要是为了看看自上次使用它以来,perf框架有多么有用,它在共享开发机器上崩溃内核,另外25个开发人员对我的实验非常不满意 .
首先,让我们验证一下你看到的内容:
对 . 甚至更大的数字 . 那么发生了什么?让我们更好地记录和分析这个:
啊哈,所以内核负责大多数负载和存储 . 我们得到的计数器计算内核和用户空间的缓存访问 .
发生的事情是程序的物理页面(包括数据段和bss)在启动程序时没有映射甚至分配 . 当您第一次触摸它们时(或将来如果它们被分页),内核会将它们排除在外 . 我们可以看到:
我们实际上只是在一次运行期间执行58.7k页错误 . 由于页面大小为4096字节,我们得到
58696*4096=240418816
,这大约是数组的240000000字节,其余的是程序,堆栈以及运行时所需的libc和ld.so中的各种垃圾 .所以现在我们可以弄清楚这些数字 . 让我们先看看商店,因为他们应该是最容易弄明白的 .
80623804*0.3828=30862792.1712
,这样才有意义 . 我们预计有3000万家商店,我们有30.9家 . 由于性能计数器采样并且不完全准确,因此这是预期的 . 内核确实溢出的一些负载已经计入程序 . 在其他运行中,我获得的用户数不到30M .用户区以相同的方式获得2.4M负载 . 我怀疑这些实际上并不是在用户空间中加载,而是出于某种原因,一些访问内核在从陷阱中返回时会对您的程序进行处理 . 或类似的东西 . 我不确定那些,我不喜欢它们,但让我们看看我们是否可以消除噪音,并检查它与页面错误导致的垃圾数据有关的理论 .
这是您的测试的更新版本:
我确保在
setup
期间获得所有页面错误,然后在bench
期间溢出的任何计数器应该具有非常小的内核噪声 .你有它 . 页面错误发生在调用
memset
期间,有些是在动态链接期间,以前主要的噪音现在发生在memset
,bench
本身没有任何负载和大约3000万个商店 . 就像我们预期的那样 . 这里有一个有趣的注意事项是memset
知道如何在这台机器上有效率,并且只有一半的商店与你的测试相比,以填充相同数量的内存 .__memset_sse2
中的"sse2"是一个很好的提示 .我刚刚意识到有一件事可能不太清楚,我不会把它放在这里 . 性能计数器会对事件进行准确计数,但据我所知,如果您想知道这些事件发生的位置,CPU每次记录X事件时都只能生成一个陷阱 . 因此,工具不确定X是否至少为10000.因此,如果函数
bench
只触及堆栈一次并且发生了生成L1-dcache-load溢出陷阱,那么_2906756_函数将在bench
函数中得到58593)也通过L1缓存解决,并将计入 . 所以无论你做什么,你都永远不会得到你期望的数字 .