मैं कोड के एक टुकड़े के लिए अत्यधिक सुसंगत रनटाइम प्राप्त करने के आसपास कुछ प्रयोग कर रहा हूं। वर्तमान में मैं जो कोड दे रहा हूं वह एक बहुत मनमाना सीपीयू-बाउंड वर्कलोड है:
int cpu_workload_external_O3(){
int x = 0;
for(int ind = 0; ind < 12349560; ind++){
x = ((x ^ 0x123) + x * 3) % 123456;
}
return x;
}
मैंने एक कर्नेल मॉड्यूल लिखा है जो बाधित करता है और फिर उपरोक्त फ़ंक्शन के 10 परीक्षणों को चलाता है, प्रत्येक परीक्षण को समय चक्र के काउंटर से पहले और बाद में अंतर लेते हुए। अन्य बातों पर ध्यान दें:
- मशीन एक एआरएम कॉर्टेक्स-ए 72 है, जिसमें 4 कोर हैं जिनमें से प्रत्येक में 4 कोर हैं (प्रत्येक अपने स्वयं के एल 1 कैश के साथ)
- घड़ी आवृत्ति स्केलिंग बंद है
- हाइपरथ्रेडिंग समर्थित नहीं है
- मशीन कुछ नंगे-हड्डियों सिस्टम प्रक्रियाओं को छोड़कर लगभग कुछ भी नहीं चल रहा है
दूसरे शब्दों में, मेरा मानना है कि सिस्टम परिवर्तनशीलता के अधिकांश / सभी स्रोतों के लिए जिम्मेदार हैं, और, खासकर जब एक कर्नेल मॉड्यूल के रूप में चलाया जाता है spin_lock_irqsave(), जिसके माध्यम से अक्षम किया जाता है , तो कोड को बहुत समान प्रदर्शन रन-टू-रन (शायद एक छोटा प्रदर्शन हिट) प्राप्त करना चाहिए पहली बार चलने पर जब कुछ निर्देश पहली बार कैश में खींचे जाते हैं, लेकिन यह है)।
वास्तव में, जब बेंचमार्क कोड को संकलित किया जाता है -O3, तो मुझे ~ 135,845,192 में से औसतन अधिकांश 200 चक्रों की एक सीमा दिखाई देती है, जिनमें से अधिकांश परीक्षण बिल्कुल समान मात्रा में होते हैं। हालाँकि , जब संकलित किया गया -O0, तो रेंज ने ~ 262,710,916 में से 158,386 चक्रों को गोली मार दी। रेंज से मेरा मतलब है कि सबसे लंबे और सबसे कम समय के बीच का अंतर। इसके अलावा, -O0कोड के लिए, इस बात में बहुत अधिक सामंजस्य नहीं है कि ट्रायल्स में से कौन सा सबसे धीमा / सबसे तेज़ है - काउंटरंटुइवेटली, एक अवसर में सबसे तेज़ सबसे पहले था, और सबसे धीमा एक के बाद एक था!
तो : -O0कोड में परिवर्तनशीलता पर इस उच्च ऊपरी बाध्य का क्या कारण हो सकता है ? विधानसभा को देखते हुए, ऐसा लगता है कि -O3कोड एक रजिस्टर में सब कुछ (?) संग्रहीत करता है, जबकि -O0कोड में संदर्भों का एक गुच्छा होता है spऔर इसलिए यह स्मृति तक पहुंचता है। लेकिन फिर भी, मुझे उम्मीद है कि सब कुछ एल 1 कैश में लाया जाएगा और एक सुंदर नियतकालिक पहुंच समय के साथ वहां बैठेंगे।
कोड
बेंचमार्क किया जा रहा कोड ऊपर के स्निपेट में है। विधानसभा नीचे है। दोनों को gcc 7.4.0छोड़कर -O0और कोई ध्वज के साथ संकलित किया गया था -O3।
-O0
0000000000000000 <cpu_workload_external_O0>:
0: d10043ff sub sp, sp, #0x10
4: b9000bff str wzr, [sp, #8]
8: b9000fff str wzr, [sp, #12]
c: 14000018 b 6c <cpu_workload_external_O0+0x6c>
10: b9400be1 ldr w1, [sp, #8]
14: 52802460 mov w0, #0x123 // #291
18: 4a000022 eor w2, w1, w0
1c: b9400be1 ldr w1, [sp, #8]
20: 2a0103e0 mov w0, w1
24: 531f7800 lsl w0, w0, #1
28: 0b010000 add w0, w0, w1
2c: 0b000040 add w0, w2, w0
30: 528aea61 mov w1, #0x5753 // #22355
34: 72a10fc1 movk w1, #0x87e, lsl #16
38: 9b217c01 smull x1, w0, w1
3c: d360fc21 lsr x1, x1, #32
40: 130c7c22 asr w2, w1, #12
44: 131f7c01 asr w1, w0, #31
48: 4b010042 sub w2, w2, w1
4c: 529c4801 mov w1, #0xe240 // #57920
50: 72a00021 movk w1, #0x1, lsl #16
54: 1b017c41 mul w1, w2, w1
58: 4b010000 sub w0, w0, w1
5c: b9000be0 str w0, [sp, #8]
60: b9400fe0 ldr w0, [sp, #12]
64: 11000400 add w0, w0, #0x1
68: b9000fe0 str w0, [sp, #12]
6c: b9400fe1 ldr w1, [sp, #12]
70: 528e0ee0 mov w0, #0x7077 // #28791
74: 72a01780 movk w0, #0xbc, lsl #16
78: 6b00003f cmp w1, w0
7c: 54fffcad b.le 10 <cpu_workload_external_O0+0x10>
80: b9400be0 ldr w0, [sp, #8]
84: 910043ff add sp, sp, #0x10
88: d65f03c0 ret
-O3
0000000000000000 <cpu_workload_external_O3>:
0: 528e0f02 mov w2, #0x7078 // #28792
4: 5292baa4 mov w4, #0x95d5 // #38357
8: 529c4803 mov w3, #0xe240 // #57920
c: 72a01782 movk w2, #0xbc, lsl #16
10: 52800000 mov w0, #0x0 // #0
14: 52802465 mov w5, #0x123 // #291
18: 72a043e4 movk w4, #0x21f, lsl #16
1c: 72a00023 movk w3, #0x1, lsl #16
20: 4a050001 eor w1, w0, w5
24: 0b000400 add w0, w0, w0, lsl #1
28: 0b000021 add w1, w1, w0
2c: 71000442 subs w2, w2, #0x1
30: 53067c20 lsr w0, w1, #6
34: 9ba47c00 umull x0, w0, w4
38: d364fc00 lsr x0, x0, #36
3c: 1b038400 msub w0, w0, w3, w1
40: 54ffff01 b.ne 20 <cpu_workload_external_O3+0x20> // b.any
44: d65f03c0 ret
कर्नेल मॉड्यूल
ट्रायल चलाने वाला कोड नीचे है। यह PMCCNTR_EL0प्रत्येक पुनरावृत्ति से पहले / बाद में पढ़ता है , एक सरणी में अंतरों को संग्रहीत करता है, और अंत में सभी परीक्षणों के दौरान न्यूनतम / अधिकतम समय प्रिंट करता है। कार्यों cpu_workload_external_O0और cpu_workload_external_O3बाहरी वस्तु फ़ाइलों को अलग से संकलित किया गया है, और उसके बाद में जुड़े हुए में हैं।
#include <linux/init.h>
#include <linux/module.h>
#include <linux/kernel.h>
#include "cpu.h"
static DEFINE_SPINLOCK(lock);
void runBenchmark(int (*benchmarkFunc)(void)){
// Enable perf counters.
u32 pmcr;
asm volatile("mrs %0, pmcr_el0" : "=r" (pmcr));
asm volatile("msr pmcr_el0, %0" : : "r" (pmcr|(1)));
// Run trials, storing the time of each in `clockDiffs`.
u32 result = 0;
#define numtrials 10
u32 clockDiffs[numtrials] = {0};
u32 clockStart, clockEnd;
for(int trial = 0; trial < numtrials; trial++){
asm volatile("isb; mrs %0, PMCCNTR_EL0" : "=r" (clockStart));
result += benchmarkFunc();
asm volatile("isb; mrs %0, PMCCNTR_EL0" : "=r" (clockEnd));
// Reset PMCCNTR_EL0.
asm volatile("mrs %0, pmcr_el0" : "=r" (pmcr));
asm volatile("msr pmcr_el0, %0" : : "r" (pmcr|(((uint32_t)1) << 2)));
clockDiffs[trial] = clockEnd - clockStart;
}
// Compute the min and max times across all trials.
u32 minTime = clockDiffs[0];
u32 maxTime = clockDiffs[0];
for(int ind = 1; ind < numtrials; ind++){
u32 time = clockDiffs[ind];
if(time < minTime){
minTime = time;
} else if(time > maxTime){
maxTime = time;
}
}
// Print the result so the benchmark function doesn't get optimized out.
printk("result: %d\n", result);
printk("diff: max %d - min %d = %d cycles\n", maxTime, minTime, maxTime - minTime);
}
int init_module(void) {
printk("enter\n");
unsigned long flags;
spin_lock_irqsave(&lock, flags);
printk("-O0\n");
runBenchmark(cpu_workload_external_O0);
printk("-O3\n");
runBenchmark(cpu_workload_external_O3);
spin_unlock_irqrestore(&lock, flags);
return 0;
}
void cleanup_module(void) {
printk("exit\n");
}हार्डवेयर
$ lscpu
Architecture: aarch64
Byte Order: Little Endian
CPU(s): 16
On-line CPU(s) list: 0-15
Thread(s) per core: 1
Core(s) per socket: 4
Socket(s): 4
NUMA node(s): 1
Vendor ID: ARM
Model: 3
Model name: Cortex-A72
Stepping: r0p3
BogoMIPS: 166.66
L1d cache: 32K
L1i cache: 48K
L2 cache: 2048K
NUMA node0 CPU(s): 0-15
Flags: fp asimd evtstrm aes pmull sha1 sha2 crc32 cpuid
$ lscpu --extended
CPU NODE SOCKET CORE L1d:L1i:L2 ONLINE
0 0 0 0 0:0:0 yes
1 0 0 1 1:1:0 yes
2 0 0 2 2:2:0 yes
3 0 0 3 3:3:0 yes
4 0 1 4 4:4:1 yes
5 0 1 5 5:5:1 yes
6 0 1 6 6:6:1 yes
7 0 1 7 7:7:1 yes
8 0 2 8 8:8:2 yes
9 0 2 9 9:9:2 yes
10 0 2 10 10:10:2 yes
11 0 2 11 11:11:2 yes
12 0 3 12 12:12:3 yes
13 0 3 13 13:13:3 yes
14 0 3 14 14:14:3 yes
15 0 3 15 15:15:3 yes
$ numactl --hardware
available: 1 nodes (0)
node 0 cpus: 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
node 0 size: 32159 MB
node 0 free: 30661 MB
node distances:
node 0
0: 10
नमूना माप
नीचे कर्नेल मॉड्यूल के एक निष्पादन से कुछ आउटपुट दिए गए हैं:
[902574.112692] kernel-module: running on cpu 15
[902576.403537] kernel-module: trial 00: 309983568 74097394 98796602 <-- max
[902576.403539] kernel-module: trial 01: 309983562 74097397 98796597
[902576.403540] kernel-module: trial 02: 309983562 74097397 98796597
[902576.403541] kernel-module: trial 03: 309983562 74097397 98796597
[902576.403543] kernel-module: trial 04: 309983562 74097397 98796597
[902576.403544] kernel-module: trial 05: 309983562 74097397 98796597
[902576.403545] kernel-module: trial 06: 309983562 74097397 98796597
[902576.403547] kernel-module: trial 07: 309983562 74097397 98796597
[902576.403548] kernel-module: trial 08: 309983562 74097397 98796597
[902576.403550] kernel-module: trial 09: 309983562 74097397 98796597
[902576.403551] kernel-module: trial 10: 309983562 74097397 98796597
[902576.403552] kernel-module: trial 11: 309983562 74097397 98796597
[902576.403554] kernel-module: trial 12: 309983562 74097397 98796597
[902576.403555] kernel-module: trial 13: 309849076 74097403 98796630 <-- min
[902576.403557] kernel-module: trial 14: 309983562 74097397 98796597
[902576.403558] kernel-module: min time: 309849076
[902576.403559] kernel-module: max time: 309983568
[902576.403560] kernel-module: diff: 134492
प्रत्येक परीक्षण के लिए, रिपोर्ट किए गए मान निम्न हैं: # ऑफ साइकल (0x11), # एल 1 डी एक्सेस (0x04), एल 1 आई एक्सेस (0x14) का। मैं इस ARM PMU संदर्भ की धारा 11.8 का उपयोग कर रहा हूं )।
lscpu --extendedसही तरीके से समझ रहा हूं , तो प्रत्येक कोर का अपना एल 1 डेटा और निर्देश कैश है, और फिर प्रत्येक सॉकेट में अपने 4 कोर के लिए एक साझा एल 2 कैश है, इसलिए जब तक एल 1 कैश के भीतर सब कुछ किया जाता है, मैं कोड को बहुत उम्मीद करूंगा बहुत "अपना" बस (जैसा कि यह अपने मूल पर चलने वाली एकमात्र चीज है, पूरा होने तक)। मैं इस स्तर पर हार्डवेयर के बारे में ज्यादा नहीं जानता, हालांकि।
on_each_cpu()हर एक रिपोर्ट में लगभग कोई भी परिवर्तनशीलता नहीं है।