为什么在重复调用clock_gettime时会看到400x异常值时序？

Question

我试图通过使用物理时钟来测量c ++中某些命令的执行时间,但是我遇到了一个问题,即从计算机上的物理时钟读取测量值的过程可能需要很长时间.这是代码:

#include <string>
#include <cstdlib>
#include <iostream>
#include <math.h>
#include <time.h>

int main()
{
      int64_t mtime, mtime2, m_TSsum, m_TSssum, m_TSnum, m_TSmax;
      struct timespec t0;
      struct timespec t1;
      int i,j;
      for(j=0;j<10;j++){
      m_TSnum=0;m_TSsum=0; m_TSssum=0; m_TSmax=0;
      for( i=0; i<10000000; i++) {
            clock_gettime(CLOCK_REALTIME,&t0);
            clock_gettime(CLOCK_REALTIME,&t1);
            mtime = (t0.tv_sec * 1000000000LL + t0.tv_nsec);
            mtime2= (t1.tv_sec * 1000000000LL + t1.tv_nsec);

            m_TSsum += (mtime2-mtime);
            m_TSssum += (mtime2-mtime)*(mtime2-mtime);
            if( (mtime2-mtime)> m_TSmax ) { m_TSmax = (mtime2-mtime);}
            m_TSnum++;
      }
      std::cout << "Average "<< (double)(m_TSsum)/m_TSnum
            << " +/- " << floor(sqrt( (m_TSssum/m_TSnum  - ( m_TSsum/m_TSnum ) *( m_TSsum/m_TSnum ) ) ) )
            << " ("<< m_TSmax <<")" <<std::endl;
      }
}

接下来我在专用核心上运行它(或者系统管理员告诉我),以避免调度程序将进程移动到后台的任何问题:

$ taskset -c 20 ./a.out

这是我得到的结果:

Average 18.0864 +/- 10 (17821)
Average 18.0807 +/- 8 (9116)
Average 18.0802 +/- 8 (8107)
Average 18.078 +/- 6 (7135)
Average 18.0834 +/- 9 (21240)
Average 18.0827 +/- 8 (7900)
Average 18.0822 +/- 8 (9079)
Average 18.086 +/- 8 (8840)
Average 18.0771 +/- 6 (5992)
Average 18.0894 +/- 10 (15625)

很明显,这需要大约18纳秒(在这个特定的服务器上)clock_gettime(),但是我无法理解为什么"最大"时间似乎要长300到1000倍？

如果我们假设的核心是真正致力于这一进程,并没有使用其他的东西(这可能是也可能不是真的;当专用内核没有运行的平均时间是一样的,但SD/Max是稍大)还有什么可能导致这些"减速"(缺乏一个更好的名字)？

Answer 1

为何选择异常值？

当您通过两次clock_gettime调用迭代1000万次时,有许多软件和硬件相关的原因可能会导致您看到异常事件(以及非异常值变化).这些原因包括:

• 上下文切换:调度程序可能决定在CPU之间迁移您的进程,即使您将进程固定到CPU,操作系统也可能会定期决定在逻辑CPU上运行其他操作.
• SMT:假设这是在带有SMT的CPU上(例如,x86上的超线程),调度程序可能会定期在兄弟核心上安排一些事情(与您的进程相同的物理核心).这可能会极大地影响代码的整体性能,因为两个线程正在竞争相同的核心资源.此外,SMT和非SMT执行之间可能存在过渡期,其中没有任何执行,因为当SMT执行开始时核心必须重新占用一些资源.
• 中断:典型系统将至少每秒接收数百个中断,包括网卡,图形设备,硬件时钟,系统定时器,音频设备,IO设备,跨CPU IPI等.尝试一下watch -n1 cat /proc/interrupts,看看你可能认为是一个空闲系统的动作是如何发生的.
• 硬件暂停:CPU本身可能由于各种原因(例如电源或热量限制)或仅仅因为CPU正在经历频率转换而周期性地停止执行指令.
• 系统管理模式:除了操作系统看到和处理的中断外,x86 CPU还有一种"隐藏中断",它允许在CPU上执行SMM功能,唯一明显的影响是用于测量的周期计数器中的周期性意外跳转即时的.
• 正常的性能变化:您的代码每次都不会以完全相同的方式执行.初始迭代将遭受数据和指令缓存未命中,并且对于诸如分支方向之类的事情具有未经训练的预测器.即使处于明显的"稳定状态",您仍可能会受到超出您控制范围的性能差异.
• 不同的代码路径:你可能希望你的循环每次执行完全相同的指令¹:毕竟,没有什么是真正改变的,对吧？好吧,如果你深入了解你的内部,clock_gettime可能会发现一些分支,当发生一些溢出时,或者通过更新等从VDSO比赛中的调整因子读取时采取不同的路径.

这甚至不是一个全面的列表,但至少应该让你尝试一些可能导致异常值的因素.您可以消除或减少其中一些的影响,但在x86 上的现代非实时²操作系统上通常无法完全控制.

我猜

如果我不得不猜测,基于典型的~8000 ns的异常值,这对于上下文切换中断可能太小,您可能会看到由于TurboBoost比率变化导致的处理器频率缩放的影响.这是一个满口,但基本上现代的x86芯片以不同的"最大涡轮"速度运行,具体取决于活动的核心数量.例如,如果一个核心处于活动状态,我的i7-6700HQ将以3.5 GHz运行,但如果2,3或4个核心处于活动状态,则分别仅运行3.3,3.2或3.1 GHz.

这意味着即使您的进程从未中断,任何在另一个CPU上运行的工作都可能导致频率转换(例如,因为您从1个转换为2个活动核心),并且在此类转换期间CPU处于空闲状态在电压稳定的同时进行数千次循环.您可以在这个答案中找到一些详细的数字和测试,但结果是在测试的CPU上稳定大约需要20,000个周期,非常符合您观察到的~8000纳秒的异常值.有时您可能会在一段时间内获得两次转换,从而使影响加倍,依此类推.

缩小范围

获得分发

如果您仍想知道异常值的原因,可以采取以下步骤并观察对异常值行为的影响.

首先,您应该收集更多数据.您应该收集具有合理铲斗尺寸的直方图(例如100 ns,甚至更好的某种类型的几何铲斗尺寸,以便在更短的时间内提供更高的分辨率),而不是仅重新编码超过10,000,000次迭代.这将是一个巨大的帮助,因为你将能够准确地看到时间聚集的位置:完全有可能你有其他效果,而不是你注意到"最大"的6000 - 17000 ns异常值,他们可以有不同的原因.

直方图还可以让您了解异常值频率,您可以将其与可以测量的事物的频率相关联,以查看它们是否匹配.

现在添加直方图代码也可能为定时循环增加更多的差异,因为(例如)你将根据时间值访问不同的缓存行,但这是可管理的,特别是因为时间的记录发生在"定时区域".

发布特定缓解措施

有了这些,您可以尝试系统地检查我上面提到的问题,看看它们是否是原因.以下是一些想法:

1. 超线程:只需在运行单线程基准测试时在BIOS中将其关闭,这样就可以一举消除整个问题.总的来说,我发现这也导致了细粒度基准差异的巨大减少,因此这是一个很好的第一步.

2. 频率调整:在Linux上,您通常可以通过将性能调控器设置为"性能"来禁用子标称频率调整.您可以通过设置禁用超标称(又名涡轮增压)/sys/devices/system/cpu/intel_pstate/no_turbo到0如果您使用的intel_pstate驱动程序.如果您有其他驱动程序,也可以通过MSR直接操作turbo模式,或者如果其他所有驱动程序都失败,您可以在BIOS中执行此操作.在链接的问题中,当turbo被禁用时,异常值基本消失,因此首先要尝试.

   假设您实际上希望在生产中继续使用turbo,您可以手动将最大turbo比限制为适用于N个核心(例如,2个核心)的某个值,然后使其他CPU脱机,因此最多这个数量的核心将永远积极点.然后,无论有多少核心处于活动状态,您都可以始终以新的最大涡轮增压器运行(当然,在某些情况下,您可能仍会受到功率,电流或热量限制).

3. 中断:您可以搜索"中断亲和性"以尝试将中断移入固定核心,并查看对异常值分布的影响.您还可以计算中断的数量(例如,通过/proc/interrupts),并查看计数足以解释异常值.如果你发现特定的定时器中断是原因,你可以探索内核提供的各种"无滴漏"(又名"NOHZ")模式,以减少或消除它们.您也可以通过HW_INTERRUPTS.RECEIVEDx86 上的性能计数器直接计算它们.
4. 上下文切换:您可以使用实时优先级或isolcpus来防止其他进程在您的CPU上运行.请记住,上下文切换问题虽然通常被定位为主要/唯一问题,但实际上相当罕见:最多它们通常以HZ速率发生(现代内核通常为250 /秒) - 但在大多数闲置时它很少见调度程序实际上决定在繁忙的CPU上调度另一个进程的系统.如果您使基准测试循环变短,通常几乎可以完全避免上下文切换.
5. 代码相关的性能变化:您可以使用各种分析工具检查是否发生这种情况perf.您可以仔细设计数据包处理代码的核心,以避免诸如缓存未命中之类的异常事件,例如通过预先触摸缓存行,并且可以尽可能避免使用具有未知复杂性的系统调用.

虽然上述部分内容仅用于调查目的,但其中许多内容都可以帮助您确定导致暂停的原因并减轻它们.

我不知道所有问题的缓解 - 像SMM这样的东西你可能需要专门的硬件或BIOS来避免.

¹好吧,除非if( (mtime2-mtime)> m_TSmax )条件被触发 - 但这应该是罕见的(也许你的编译器已经使它无分支,在这种情况下只有一个执行路径).

²实际上,即使使用硬实时操作系统,您也无法获得"零差异":某些特定于x86的因素(如SMM模式和DVFS相关的停顿)似乎是不可避免的.

Answer 2

这在现代 C++ 中要容易得多

#include <chrono>
auto start = std::chrono::steady_clock::now();
.....
auto stop = std::chrono::steady_clock::now();
auto duration = stop - start;

对于非实时操作系统来说 18 纳秒已经相当快了。您真的需要测量比这更准确的东西吗？根据我的计算，18ns 在 4GHz CPU 上仅为 72 个时钟周期。