如何解决对于顺序复制和分散存储的循环,如何解释Xeon处理器的性能不佳?
在某些Intel Xeon处理器上运行以下c++
代码时,我偶然发现了一个特殊的性能问题:
// array_a contains permutation of [0,n - 1]
// array_b and inverse are initialized arrays
for (int i = 0; i < n; ++i) {
array_b[i] = array_a[i];
inverse[array_b[i]] = i;
}
循环的第一行将array_a
依次复制到array_b
中(预计很少有高速缓存未命中)。第二行计算array_b
的倒数(由于array_b
是随机排列,因此许多高速缓存未命中)。我们还可以将代码分成两个单独的循环:
for (int i = 0; i < n; ++i)
array_b[i] = array_a[i];
for (int i = 0; i < n; ++i)
inverse[array_b[i]] = i;
我希望这两个版本(单循环和双循环)在相对较新的硬件上几乎具有相同的性能。但是,执行单循环版本时,某些Xeon处理器的运行速度似乎令人难以置信。
在下面的代码中,您可以看到在一系列不同的处理器上运行该代码段时的墙壁时间(以纳秒为单位)除以n
。为了进行测试,在带有Xeon E5-4620v4的系统上使用带有标志-O3 -funroll-loops -march=native
的GCC 7.5.0编译了代码。然后,在所有系统上使用相同的二进制文件,在具有多个NUMA域的系统上使用numactl -m 0 -N 0
。
已使用的代码在github上可用。有趣的东西在文件runner.cpp中。
[编辑:]程序集提供了here。
[编辑:]包括AMD EPYC在内的新结果。
在各种i7型号上,结果大部分都与预期相同。使用单循环仅比双循环稍慢。 Xeon E3-1271v3也是如此,该硬件与i7-4790基本相同。迄今为止,AMC EPYC 7452的性能最佳,单回路和双回路实施之间几乎没有区别。但是,在至强E5-2690v4和E5-4620v4系统上,使用单循环的速度非常慢。
在以前的测试中,我还观察到了Xeon E5-2640和E5-2640v4系统上这个奇怪的性能问题。与此相反,在多个AMD EPYC和Opteron系统上没有性能问题,在Intel i5和i7移动处理器上也没有问题。
因此,我对CPU专家的问题是:为什么与其他CPU相比,英特尔最高端的产品线性能如此差?我到目前为止还不是CPU体系结构方面的专家,因此非常感谢您的知识和想法!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。