时间戳

首页 > 解决方案 > x86_64 和 ARM64 上对齐与非对齐内存访问的不同运行时

performance - x86_64 和 ARM64 上对齐与非对齐内存访问的不同运行时

问题描述

我创建了一个简单的演示来展示未对齐的内存存储/加载在 x86_64 和 ARM64 架构上通常不是原子的。该演示包含一个创建两个线程的 C++ 程序——第一个十亿次调用一个名为 的函数store，第二个对一个名为 的函数执行相同的操作load。该程序的源代码在这里：

#include <cstdint>
#include <cstdlib>
#include <iostream>
#include <thread>

extern "C" void store(void*);
extern "C" uint16_t load(void*);

alignas(64) char buf[65];
char* ptr;

static long n = 1'000'000'000L;

void f1()
{
  for (long i = 0; i < n; i++)
    store(ptr);
}

void f2()
{
  long v0x0000 = 0;
  long v0x0101 = 0;
  long v0x0100 = 0;
  long v0x0001 = 0;
  long other = 0;

  for (long i = 0; i < n; i++)
  {
    uint16_t a = load(ptr);

    if (a == 0x0000) v0x0000++;
    else if (a == 0x0101) v0x0101++;
    else if (a == 0x0100) v0x0100++;
    else if (a == 0x0001) v0x0001++;
    else other++;
  }

  std::cout << "0x0000: " << v0x0000 << std::endl;
  std::cout << "0x0101: " << v0x0101 << std::endl;
  std::cout << "0x0100: " << v0x0100 << std::endl;
  std::cout << "0x0001: " << v0x0001 << std::endl;
  std::cout << "other: " << other << std::endl;
}

int main(int arc, char* argv[])
{
  int offset = std::atoi(argv[1]);
  ptr = buf + offset;

  std::thread t1(f1);
  std::thread t2(f2);

  t1.join();
  t2.join();
}

和函数在汇编源文件中单独定义store。load对于 x86_64 如下：

    .intel_syntax noprefix 

    .global store
    .global load

    .text

store:
    mov eax, 0
    mov WORD PTR [rdi], ax
    mov eax, 0x0101
    mov WORD PTR [rdi], ax
    ret

load:
    movzx eax, WORD PTR [rdi]
    ret

并且，对于 ARM64 如下：

    .global store
    .global load

    .text

store:
    mov w1, 0x0000
    strh w1, [x0]
    mov w1, 0x0101
    strh w1, [x0]
    ret

load:
    ldrh w0, [x0]
    ret

当我运行程序时，一切都按预期工作。当我通过偏移量 0 时，存储/加载是对齐的，并且只是值0x0000，并且0x0101在读取线程中被观察到。当我通过偏移量 63 时，存储/加载未对齐并跨越缓存行边界，并且值0x0100和0x0001也被观察到。这适用于两种架构。

但是，我注意到这些测试运行的执行时间存在很大差异。我观察到的一些典型时间：

在x86_64上，当两个缓存行涉及未对齐的情况时，运行时间会慢几倍。但在ARM64上，运行时间稍慢一些。我想知道这两种架构之间的这种行为有何不同。（我对缓存一致性机制不太熟悉。）

用于实验的特定处理器是Intel Xeon E5-2680 v3和Cortex-A72。前者在双插槽服务器中，但我将两个线程都限制在单个插槽中（通过tasksetor numactl）。后者在 Raspberry Pi 4 设备中。两个系统都运行 Linux，而且我使用 GCC 进行构建。

标签： performancex86-64cpu-architecturememory-alignmentarm64

解决方案

推荐阅读