CPU Cache伪共享问题

　　先看下这两段代码：

　　代码段1：

const int row = 10240;
const int col = 10240;
int matrix[row][col];
int TestRow() {
  //按行遍历
  int sum_row = 0;
  for (int r = 0; r < row; r++) {
    for (int c = 0; c < col; c++) {
      sum_row += matrix[r][c];
    }
  }
  return sum_row;
}

 

代码段2：

 

int TestCol() {
  //按列遍历
  int sum_col = 0;
  for (int c = 0; c < col; c++) {
    for (int r = 0; r < row; r++) {
      sum_col += matrix[r][c];
    }
  }
  return sum_col;
}

　　两段代码的目的相同，都是为了计算矩阵中所有元素的总和。

　　但有些区别：一个是按行遍历元素做计算，一个是按列遍历元素做计算。

　　它俩的运行速度有什么区别吗？

　　如图：

　　

　　

　　图中可以看到，行遍历的代码速度比列遍历的代码速度快很多。

　　为什么按行遍历的代码比按列遍历的代码速度快？这里就是CPU Cache在起作用。

　　什么是CPU Cache？

　　可以先看下这个存储器相关的金字塔图：

　　

　　从下到上，空间虽然越来越小，但是处理速度越来越快，相应的，设备价格也越来越贵。

　　图中的寄存器和主存估计大家都知道，那中间的L1 、L2、L3是什么？它们起到了什么作用？

　　它们就是CPU 的Cache，如下图：

　　

　　可以理解为CPU Cache就是CPU与主存之间的桥梁。

　　当CPU想要访问主存中的元素时，会先查看Cache中是否存在，如果存在（称为Cache Hit），直接从Cache中获取，如果不存在（称为Cache Miss），才会从主存中获取。Cache的处理速度比主存快得多。

　　所以，如果每次访问数据时，都能直接从Cache中获取，整个程序的性能肯定会更高。

　　那，如何提高CPU Cache的命中率？

　　但CPU Cache这里还有个小问题，看下这两段代码：

　　代码段1：

struct Point {
  std::atomic x;
  // char a[128];
  std::atomic y;
};
void Test() {
  Point point;
  std::thread t1(
      [](Point *point) {
        for (int i = 0; i < 100000000; ++i) {
          point->x += 1;
        }
      },
      &point);
  std::thread t2(
      [](Point *point) {
        for (int i = 0; i < 100000000; ++i) {
          point->y += 1;
        }
      },
      &point);
  t1.join();
  t2.join();
}

代码段2：

struct Point {
  std::atomic x;
  char a[128];
  std::atomic y;
};
void Test() {
  Point point;
  std::thread t1(
      [](Point *point) {
        for (int i = 0; i < 100000000; ++i) {
          point->x += 1;
        }
      },
      &point);
  std::thread t2(
      [](Point *point) {
        for (int i = 0; i < 100000000; ++i) {
          point->y += 1;
        }
      },
      &point);
  t1.join();
  t2.join();
}

　　两端代码的核心逻辑都是对Point结构体中的x和y不停+1。只有一点区别就是在中间塞了128字节的数组。

　　它们的执行速度却相差很大。

　　

　　

　　带128的比不带128的代码，执行速度快很多。

　　为什么？

　　看过我上面文章的同学应该就知道，每个CPU都有自己的L1和L2 Cache，而Cache line的大小一般是64字节，如果x和y之间没有128字节的填充，它俩就会在同一个Cache line上。

　　代码中开了两个线程，两个线程大概率会运行在不同的CPU上，每个CPU有自己的Cache。

　　当CPU1操作x时，会把y装载到Cache中，其他CPU对应的的Cache line失效。

　　然后CPU2加载y，会触发Cache Miss，它后面又把x装载到了自己的Cache中，其他CPU对应的Cache line失效。

　　然后CPU1操作x时，又触发Cache Miss。

　　它俩就会是大体这个流程：

　　

　　频繁的触发Cache Miss，导致程序的性能相当差。

　　而如果x和y中间加了128字节的填充，x和y不在同一个Cache line上，不同CPU之前不会影响，它俩都会频繁的命中自己的Cache，整个程序性能就会很高，这就是传说中的False Sharing问题。

　　所以我们写代码时，可以基于此做深一层思考，如果我们写单线程程序，最好保证访问的数据能够相邻，在一个Cache line上，可以尽可能的命中Cache。

　　如果写多线程程序，最好保证访问的数据有间隔，让它们不在一个Cache line上，减少False Sharing的频率。

　　审核编辑：郭婷