Whiskey Lake i7-8565U
我正在尝试学习如何手动编写基准测试(不使用任何基准测试框架),该示例以内存复制例程为例,其中常规写入和非临时写入WB内存,并希望进行某种审查。
宣言:
void *avx_memcpy_forward_llss(void *restrict, const void *restrict, size_t);
void *avx_nt_memcpy_forward_llss(void *restrict, const void *restrict, size_t);
定义:
avx_memcpy_forward_llss:
shr rdx, 0x3
xor rcx, rcx
avx_memcpy_forward_loop_llss:
vmovdqa ymm0, [rsi + 8*rcx]
vmovdqa ymm1, [rsi + 8*rcx + 0x20]
vmovdqa [rdi + rcx*8], ymm0
vmovdqa [rdi + rcx*8 + 0x20], ymm1
add rcx, 0x08
cmp rdx, rcx
ja avx_memcpy_forward_loop_llss
ret
avx_nt_memcpy_forward_llss:
shr rdx, 0x3
xor rcx, rcx
avx_nt_memcpy_forward_loop_llss:
vmovdqa ymm0, [rsi + 8*rcx]
vmovdqa ymm1, [rsi + 8*rcx + 0x20]
vmovntdq [rdi + rcx*8], ymm0
vmovntdq [rdi + rcx*8 + 0x20], ymm1
add rcx, 0x08
cmp rdx, rcx
ja avx_nt_memcpy_forward_loop_llss
ret
基准代码:
#include <stdio.h>
#include <inttypes.h>
#include <unistd.h>
#include <fcntl.h>
#include <string.h>
#include <immintrin.h>
#include <x86intrin.h>
#include "memcopy.h"
#define BUF_SIZE 128 * 1024 * 1024
_Alignas(64) char src[BUF_SIZE];
_Alignas(64) char dest[BUF_SIZE];
static inline void warmup(unsigned wa_iterations, void *(*copy_fn)(void *, const void *, size_t));
static inline void cache_flush(char *buf, size_t size);
static inline void generate_data(char *buf, size_t size);
uint64_t run_benchmark(unsigned wa_iteration, void *(*copy_fn)(void *, const void *, size_t)){
generate_data(src, sizeof src);
warmup(4, copy_fn);
cache_flush(src, sizeof src);
cache_flush(dest, sizeof dest);
__asm__ __volatile__("mov $0, %%rax\n cpuid":::"rax", "rbx", "rcx", "rdx", "memory");
uint64_t cycles_start = __rdpmc((1 << 30) + 1);
copy_fn(dest, src, sizeof src);
__asm__ __volatile__("lfence" ::: "memory");
uint64_t cycles_end = __rdpmc((1 << 30) + 1);
return cycles_end - cycles_start;
}
int main(void){
uint64_t single_shot_result = run_benchmark(1024, avx_memcpy_forward_llss);
printf("Core clock cycles = %" PRIu64 "\n", single_shot_result);
}
static inline void warmup(unsigned wa_iterations, void *(*copy_fn)(void *, const void *, size_t)){
while(wa_iterations --> 0){
copy_fn(dest, src, sizeof src);
copy_fn(dest, src, sizeof src);
copy_fn(dest, src, sizeof src);
copy_fn(dest, src, sizeof src);
copy_fn(dest, src, sizeof src);
copy_fn(dest, src, sizeof src);
copy_fn(dest, src, sizeof src);
copy_fn(dest, src, sizeof src);
}
}
static inline void generate_data(char *buf, size_t sz){
int fd = open("/dev/urandom", O_RDONLY);
read(fd, buf, sz);
}
static inline void cache_flush(char *buf, size_t sz){
for(size_t i = 0; i < sz; i+=_SC_LEVEL1_DCACHE_LINESIZE){
_mm_clflush(buf + i);
}
}
结果:
avx_memcpy_forward_llss
中位数:44479368核心周期
UPD:时间
real 0m0,217s
user 0m0,093s
sys 0m0,124s
avx_nt_memcpy_forward_llss
中位数:24053086核心周期
UPD:时间
real 0m0,184s
user 0m0,056s
sys 0m0,128s
UPD:在运行基准测试时获得结果 taskset -c 1 ./bin
因此,两次内存复制例程实现之间的核心周期差异几乎达到了2倍。我将其解释为在将常规存储到WB存储器的情况下,我们有RFO请求在IOM / 3.6.12(强调我的)中规定的总线带宽上竞争:
尽管由于 非临时性存储而导致的完整64字节总线写入的数据带宽是总线写入WB存储器的数据带宽的两倍,但传输8字节块会浪费总线请求带宽并显着降低数据带宽。
问题1:单发情况下如何进行基准分析?由于性能启动开销和预热迭代开销,性能计数器似乎没有用。
问题2:这样的基准是否正确?我cpuid
一开始就进行了说明,以便开始使用干净的CPU资源进行测量,以避免由于先前的飞行指令而造成停顿。我添加了内存碎片作为编译屏障,并lfence
避免rdpmc
被执行OoO。
基准测试应尽可能以尽可能允许“健全性检查”的方式报告结果。在这种情况下,启用这种检查的几种方法包括:
其他重要的“最佳实践”原则:
如果我假设您的处理器在测试过程中以其最大Turbo频率4.6 GHz运行,则报告的周期数分别对应于9.67毫秒和5.23毫秒。将这些插入“健全性检查”中将显示:
这些“健全性检查”的失败告诉我们,该频率不可能高达4.6 GHz(并且可能不高于3.0 GHz),但是大部分只是指出需要明确地测量经过的时间...。
您在优化手册中对流存储效率低下的报价仅适用于无法合并为完整缓存行传输的情况。您的代码将遵循“最佳实践”建议存储到输出缓存行的每个元素(写入同一行的所有存储指令都将连续执行,并且每个循环仅生成一个存储流)。不可能完全防止硬件破坏流媒体商店,但是在您的情况下,它应该极为罕见-可能只有百万分之一。检测部分流存储是一个非常高级的主题,要求在“非核心”中使用文档记录不佳的性能计数器,和/或通过查找升高的DRAM CAS计数(可能是由于其他原因)间接检测部分流存储。http://sites.utexas.edu/jdm4372/2018/01/01/notes-on-non-temporal-aka-streaming-stores/
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句