相关疑难解决方法(0)

在64位指针中使用额外的16位

我读到64位机器实际上只使用48位地址(具体来说,我使用的是英特尔酷睿i7).

我希望额外的16位(位48-63)与地址无关,并将被忽略.但是当我尝试访问这样的地址时,我收到了一个信号EXC_BAD_ACCESS.

我的代码是:

int *p1 = &val;
int *p2 = (int *)((long)p1 | 1ll<<48);//set bit 48, which should be irrelevant
int v = *p2; //Here I receive a signal EXC_BAD_ACCESS.
Run Code Online (Sandbox Code Playgroud)

为什么会这样?有没有办法使用这16位?

这可用于构建更多缓存友好的链表.不是将8个字节用于下一个ptr,而是将8个字节用于密钥(由于对齐限制),可以将密钥嵌入到指针中.

64-bit pointers x86-64 memory-access

6
推荐指数
3
解决办法
4559
查看次数

如何在x86_64上准确地对准未对齐的访问速度

在答案中,我已经声明未对齐访问的速度与对齐访问的速度几乎相同(在x86/x86_64上).我没有任何数字来支持这个陈述,所以我已经为它创建了一个基准.

你看到这个基准测试有什么缺陷吗?你可以改进它(我的意思是,增加GB /秒,所以它更好地反映了真相)?

#include <sys/time.h>
#include <stdio.h>

template <int N>
__attribute__((noinline))
void loop32(const char *v) {
    for (int i=0; i<N; i+=160) {
        __asm__ ("mov     (%0), %%eax" : : "r"(v) :"eax");
        __asm__ ("mov 0x04(%0), %%eax" : : "r"(v) :"eax");
        __asm__ ("mov 0x08(%0), %%eax" : : "r"(v) :"eax");
        __asm__ ("mov 0x0c(%0), %%eax" : : "r"(v) :"eax");
        __asm__ ("mov 0x10(%0), %%eax" : : "r"(v) :"eax");
        __asm__ ("mov 0x14(%0), %%eax" : : "r"(v) :"eax");
        __asm__ ("mov 0x18(%0), %%eax" : : "r"(v) :"eax"); …
Run Code Online (Sandbox Code Playgroud)

performance benchmarking x86 x86-64 inline-assembly

5
推荐指数
1
解决办法
881
查看次数

VIPT缓存:TLB和缓存之间的连接?

我只是想澄清这个概念,并且可以找到足够详细的答案,这些答案可以说明一切在硬件中的实际效果.请提供任何相关细节.

在VIPT高速缓存的情况下,存储器请求并行发送到TLB和高速缓存.

从TLB我们得到了经过翻译的物理地址.从缓存索引中我们得到标签列表(例如,来自属于一组的所有缓存行).

然后将翻译的TLB地址与标签列表匹配以找到候选者.

  • 我的问题是这次检查在哪里进行?
    • 在缓存中?
    • 如果不在Cache中,还有哪些地方?
  • 如果在Cache中执行检查,则
    • 是否有从TLB到Cache模块的边带连接,以获得与标签地址进行比较所需的翻译物理地址?

请问某人"实际上"如何实现这一点以及Cache模块和TLB(MMU)模块之间的连接?

我知道这依赖于具体的架构和实现.但是,当有VIPT缓存时,您知道的实现是什么?

谢谢.

caching cpu-architecture tlb cpu-cache mmu

4
推荐指数
1
解决办法
1169
查看次数

PyPy比Python快17倍.Python可以加速吗?

解决了最近出现的代码问题,我发现我的默认Python比PyPy慢约40倍.通过在函数中运行限制调用和限制全局查找,我能够通过此代码将其降低到大约17倍len.

现在,e.py在python 3.6.3上运行5.162秒,在我的机器上在PyPy上运行.297秒.

我的问题是:这是JIT的不可缩短的加速,还是有某种方法可以加速CPython的回答?(没有极端的意思:我可以去Cython/Numba或其他什么?)我如何说服自己,我无能为力?


请参阅gist以获取数字输入文件列表.

如问题陈述中所述,它们代表跳跃偏移.position += offsets[current],并将当前偏移量增加1.当跳转将您带到列表外时,您就完成了.

这是给出的示例(需要5秒的完整输入更长,并且具有更大的数字):

(0) 3  0  1  -3  - before we have taken any steps.
(1) 3  0  1  -3  - jump with offset 0 (that is, don't jump at all). Fortunately, the instruction is then incremented to 1.
 2 (3) 0  1  -3  - step forward because of the instruction we just modified. The first instruction is incremented again, …
Run Code Online (Sandbox Code Playgroud)

python performance benchmarking pypy

3
推荐指数
2
解决办法
2634
查看次数

性能:Mod 和赋值与条件和赋值

我在 ISR 中有一个计数器(由 50us 的外部 IRQ 触发)。计数器递增并环绕 MAX_VAL (240)。

我有以下代码:

if(condition){
  counter++;
  counter %= MAX_VAL;
  doStuff(table[counter]);
}
Run Code Online (Sandbox Code Playgroud)

我正在考虑另一种实现:

if(condition){
  //counter++;//probably I would increment before the comparison in production code
  if(++counter >= MAX_VAL){
    counter=0;
  }
  doStuff(table[counter]);
}
Run Code Online (Sandbox Code Playgroud)

我知道人们建议不要尝试这样优化,但这让我想知道。在 x86 上什么更快?MAX_VAL 的什么值可以证明第二个实现是合理的?

大约每 50us 调用一次,因此减少指令集并不是一个坏主意。if(++counter >= MAX_VAL) 将被预测为 false,因此在绝大多数情况下它将删除对 0 的赋值。出于我的目的,我更喜欢 %= 实现的一致性。

c x86 assembly micro-optimization

3
推荐指数
1
解决办法
355
查看次数

班级成员的顺序会影响访问速度吗?

我正在编写一个应该绝对没有开销的委托库。因此,尽可能快地访问函数指针很重要。

所以我的问题是:访问速度是否取决于班级中的成员位置?我听说最重要的成员应该是成员声明中的第一个成员,这对我来说很有意义,因为这意味着this类的指针指向与重要成员相同的地址(假设是非虚拟类)。而如果重要成员将在任何其他位置,CPU 将不得不通过添加this和类布局中的偏移量来计算它的位置。

另一方面,我知道编译器将该地址表示为 a qword-ptr,其中包含偏移量的信息。

所以我的问题归结为:解决 a 是否qword-ptr需要一个恒定的时间,或者如果偏移量不是,它会增加0吗?行为在不同平台上是否保持相同?

c++ performance micro-optimization class-members addressing-mode

3
推荐指数
1
解决办法
127
查看次数

具有多个特定于页面大小的 TLB 的地址转换

对于 Intel 64 和 IA-32 处理器,对于独立的数据和代码,可能同时存在 4KB TLB 和大页面(2MB、1GB)TLB(LTLB)。在这种情况下,地址转换如何工作?

  1. 知道不会发生双重命中,硬件是否能够简单地并行访问两者?
  2. 在 LTLB 中,条目将如何组织?我想,当条目最初是从页面结构条目填充时,LTLB 条目可能包含有关如何继续点击该条目的信息?

任何人都有对当前微体系结构的参考?

cpu-architecture tlb

2
推荐指数
1
解决办法
476
查看次数

作为单个指令的延迟,多个值或范围意味着什么?

我对https://uops.info/上的指令延迟有疑问。

对于某些指令,例如PCMPEQB(XMM, M128)Skylake 表条目中的延迟被列为[1;?8]

我对延迟有一点了解,但我知道它只是一个数字!!!例如,1 或 2 或 3 或...但这是什么[1;?8]!!!???这意味着延迟取决于内存,它在 1 到 8 之间?

如果是真的,什么时候是 1 .. 什么时候是 3,等等?

例如,它的延迟是多少:

pcmpeqb xmm0, xword [.my_aligned_data]

....
....

align 16
.my_aligned_data db 5,6,7,2,5,6,7,2,5,6,7,2,5,6,7,2
Run Code Online (Sandbox Code Playgroud)

这里的确切延迟值是多少pcmpeqb xmm0, xword [.my_aligned_data]???

或者例如,

PMOVMSKB (R32, XMM)
Run Code Online (Sandbox Code Playgroud)

该指令的延迟是 (?3) !!! 什么意思 ?!这是否意味着延迟在 1 到 3 之间?如果是,则此指令仅适用于寄存器!!!那么什么时候是1 与更高的数字呢?

performance x86 assembly cpu-architecture micro-optimization

2
推荐指数
1
解决办法
102
查看次数

简单的 5 级处理器的各个级需要多少个时钟周期?

5 级流水线 CPU 具有以下阶段顺序:

\n
    \n
  • IF \xe2\x80\x93 从指令存储器中获取指令。

    \n
  • \n
  • RD \xe2\x80\x93 指令译码和寄存器读取。

    \n
  • \n
  • EX \xe2\x80\x93 执行:ALU 运算,用于数据和地址计算。

    \n
  • \n
  • MA \xe2\x80\x93 数据存储器访问 \xe2\x80\x93 用于写访问,使用 RD 状态下的寄存器读取。

    \n
  • \n
  • WB \xe2\x80\x93 寄存器写回。

    \n
  • \n
\n

现在我知道,例如,指令提取是从内存中获取的,这可能需要 4 个周期(L1 缓存)或最多约 150 个周期(RAM)。但是,在每个流水线图中,我都会看到类似的内容,其中每个阶段都分配一个周期。

\n

现在,我当然知道真正的处理器具有超过 19 个阶段的复杂管道,并且每种架构都是不同的。但是,我在这里错过了什么吗?如果在 IF 和 MA 中进行内存访问,那么这个 5 级流水线是否需要几十个周期?

\n

cpu-architecture pipelining cpu-cache risc

2
推荐指数
1
解决办法
2436
查看次数

为什么添加 if(!memcmp()) 会加速循环,使随机短步跨过一个巨大的字节数组?

抱歉,我一直不明白这里的规则。我已经删除了所有重复的帖子。这是第一个相关问题。\n请不要将此帖子标记为我另一篇帖子的重复(执行次数减少 3 倍,但执行效率几乎不变。在 C 中),即使代码有些相似,他们提出了截然不同的问题。这也是我同一天发现的两个问题。类似的帖子因“误判”而被重复,然后被关闭。可能是我没有把这个问题说清楚。我真的很希望得到答案,所以我重新发布了它。希望大家能够看清问题,非常感谢!

\n

在下面的C代码中,我在第一次测试时间的循环中添加了一个“if”语句,执行时间完全相同。从理论上讲,它应该更慢。尽管分支预测可以使它们的性能几乎相同,但它实际上变得更快。这是什么原理呢?我尝试使用clang和gcc编译器分别在Mac和Linux环境中运行,并尝试了各种优化级别。为了防止缓存受到影响,我让速度较快的先执行,但有冗余代码的循环执行得更快。

\n

如果您认为我的描述不可信,请将以下代码编译到您的计算机中并运行。希望有人能为我回答这个问题\xef\xbc\x8c谢谢。

\n

C代码:

\n
#include <stdio.h>\n#include <time.h>\n#include <stdlib.h>\n#include <string.h>\n\n#define TLen 300000000\n#define SLen 10\n\nint main(int argc, const char * argv[]) {\n    srandom((unsigned)time(NULL));\n    \n    // An array to increase the index,\n    // the range of its elements is 1-256\n    int rand_arr[128];\n    for (int i = 0; i < 128; ++i)\n        rand_arr[i] = random()%256+1;\n    \n    // A random text(very long), the range of its elements is 0-127\n    char *tex = malloc((sizeof *tex) * …
Run Code Online (Sandbox Code Playgroud)

c performance x86-64 cpu-architecture

1
推荐指数
1
解决办法
470
查看次数

我应该如何在笔记本电脑的 CPU 中找到管道阶段的数量

我想研究最新的处理器与标准 RISC V 实现(RISC V 具有 5 级管道 - 提取、解码、内存、ALU、回写)有何不同,但无法找到我应该如何开始解决问题以找到当前处理器流水线的实现

我尝试参考 i7-4510U 文档的英特尔文档,但没有太大帮助

x86 pipeline intel cpu-architecture microbenchmark

0
推荐指数
1
解决办法
729
查看次数