আমি কিছু অংশের কোডের জন্য অত্যন্ত সামঞ্জস্যপূর্ণ রানটাইম পাওয়ার আশেপাশে কিছু পরীক্ষা নিরীক্ষা করছি running আমি বর্তমানে যে কোডটি টাইম করছি তা হ'ল একটি সুন্দর স্বেচ্ছাসেবক সিপিইউযুক্ত কাজের চাপ:
int cpu_workload_external_O3(){
int x = 0;
for(int ind = 0; ind < 12349560; ind++){
x = ((x ^ 0x123) + x * 3) % 123456;
}
return x;
}
আমি একটি কার্নেল মডিউল লিখেছি যা বাধা নিষ্ক্রিয় করে এবং তারপরে উপরের ফাংশনটির 10 টি ট্রায়াল চালায়, প্রতিটি পরীক্ষার সময় এবং আগে ঘড়ির চক্রের পার্থক্য নিয়ে প্রতিটি সময় নির্ধারণ করে। অন্যান্য বিষয় লক্ষণীয়:
- মেশিনটি একটি এআরএম কর্টেক্স-এ 72, 4 টি সকেট সহ 4 টি কোর (প্রতিটি তার নিজস্ব এল 1 ক্যাশে সহ)
- ঘড়ির ফ্রিকোয়েন্সি স্কেলিং বন্ধ
- হাইপারথ্রেডিং সমর্থিত নয়
- মেশিনটি কিছু খালি-হাড় সিস্টেম প্রক্রিয়া ব্যতীত কার্যত কিছুই চলছে না
অন্য কথায়, আমি বিশ্বাস করি সিস্টেমের পরিবর্তনশীলতার সর্বাধিক / সমস্ত উত্স হিসাবে গণিত হয় এবং বিশেষত যখন কার্নেল মডিউল হিসাবে চালানো হয় যখন বাধা দিয়ে অক্ষম করা হয় spin_lock_irqsave()তখন কোডটি খুব বেশি অভিন্ন পারফরম্যান্স রান-টু-রান করা উচিত (সম্ভবত একটি ছোট পারফরম্যান্স হিট) প্রথম দৌড়ে যখন কোনও নির্দেশ প্রথমে ক্যাশে টানা হয়, তবে এটিই)।
প্রকৃতপক্ষে, যখন বেঞ্চমার্কযুক্ত কোডটি সংকলিত হয়েছে -O3, তখন আমি গড়ে প্রায় 135,845,192 ডলারের মধ্যে বেশিরভাগ 200 চক্রের ব্যাপ্তি দেখেছি, বেশিরভাগ পরীক্ষাগুলি ঠিক একই পরিমাণে সময় নেয়। যাইহোক , যখন সংকলন করা হয়েছিল তখন -O0পরিসীমাটি 2 262,710,916 এর মধ্যে 158,386 চক্রের চেয়ে বেশি বেড়েছে। পরিসীমা দ্বারা আমি দীর্ঘতম এবং স্বল্পতম চলমান সময়ের মধ্যে পার্থক্য বোঝাতে চাই mean অধিকন্তু, জন্য -O0কোড, সেখানে নেই অনেক দৃঢ়তা এর বিচারের যা হয় ধীরতম / দ্রুততম - counterintuitively, এক অনুষ্ঠানে দ্রুততম ছিল খুব প্রথম, এবং ধীরতম পর এক ডান ছিল!
সুতরাং : -O0কোডের পরিবর্তনশীলতার উপর এই উচ্চ আপার বাউন্ডের কারণ কী হতে পারে ? সমাবেশটি দেখে মনে হচ্ছে -O3কোডটি একটি রেজিস্টারে সমস্ত কিছু (?) সংরক্ষণ করে, যেখানে -O0কোডটিতে অনেকগুলি রেফারেন্স রয়েছে spএবং তাই মনে হয় এটি মেমরি অ্যাক্সেস করছে। তবে তারপরেও, আমি প্রত্যাশা করব যে সমস্ত কিছু এল 1 ক্যাশে আনা হবে এবং সেখানে একটি সুন্দর নির্বোধের অ্যাক্সেস সময় নিয়ে বসবেন।
কোড
কোডটি বেঞ্চমার্ক করা হচ্ছে উপরের স্নিপেটে রয়েছে। সমাবেশটি নীচে রয়েছে। উভয় সঙ্গে সংকলিত করা হয়েছে gcc 7.4.0ছাড়া কোন পতাকা -O0এবং -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
কার্নেল মডিউল
ট্রায়ালগুলি চলমান কোডটি নীচে। এটি PMCCNTR_EL0প্রতিটি পুনরাবৃত্তির আগে / পরে পঠন করে, একটি অ্যারেতে পার্থক্যগুলি সংরক্ষণ করে এবং শেষ পর্যন্ত সর্বনিম্ন / সর্বোচ্চ বার সমস্ত পরীক্ষাগুলি প্রিন্ট করে। ফাংশনগুলি cpu_workload_external_O0এবং cpu_workload_external_O3বাহ্যিক অবজেক্ট ফাইলে থাকে যা আলাদাভাবে সংকলিত হয় এবং তারপরে সংযুক্ত থাকে।
#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");
}
হার্ডওয়্যারের
$ 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
নমুনা পরিমাপ
নীচে কার্নেল মডিউলটির একটি নির্বাহ থেকে কিছু আউটপুট দেওয়া হয়েছে:
[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
প্রতিটি পরীক্ষার জন্য, উল্লিখিত মানগুলি হ'ল: # চক্রের (0x11), # 1 L1D অ্যাক্সেসের (0x04), # এল 1 আই অ্যাক্সেসের (0x14)। আমি এই এআরএম পিএমইউ রেফারেন্সের ১১.৮ ধারা ব্যবহার করছি )।
lscpu --extendedসঠিকভাবে বুঝতে পারি , তবে প্রতিটি কোরের নিজস্ব এল 1 ডেটা এবং নির্দেশাবলীর ক্যাশে রয়েছে এবং তারপরে প্রতিটি সকেটের 4 টি কোরের জন্য একটি ভাগ করা এল 2 ক্যাশে রয়েছে, যতক্ষণ না এল 1 ক্যাশে সমস্ত কিছু করা হয় আমি কোডটি বেশ সুন্দর আশা করব এটির "অনেক বেশি" নিজস্ব বাস (এটি সম্পূর্ণরূপী হওয়া অবধি কেবলমাত্র এটির মূল অংশে চলমান)। যদিও এই স্তরের হার্ডওয়্যার সম্পর্কে আমি বেশি কিছু জানি না।
on_each_cpu()প্রত্যেকে 100 টি ট্রায়াল জুড়ে প্রায় কোনও পরিবর্তনশীলতার খবর দেয়।