从Java视角理解系统结构连载,关注我的微博(链接)了解最新动态众所周知,CPU是计算机的大脑,它负责执行程序的指令;内存负责存数据,包括程序自身数据.同样大家都知道,内存比CPU慢很多.其实在30年前,CPU的频率和内存总线的频率在同一个级别,访问内存只比访问CPU寄存器慢一点儿.由于内存的发展都到技术及成本的限制,现在获取内存中的一条数据大概需要200多个CPU周期(CPUcycles),而CPU寄存器一般情况下1个CPU周期就够了.
CPU缓存
网页浏览器为了加快速度,会在本机存缓存以前浏览过的数据;传统数据库或NoSQL数据库为了加速查询,常在内存设置一个缓存,减少对磁盘(慢)的IO.同样内存与CPU的速度相差太远,于是CPU设计者们就给CPU加上了缓存(CPUCache).如果你需要对同一批数据操作很多次,那么把数据放至离CPU更近的缓存,会给程序带来很大的速度提升.例如,做一个循环计数,把计数变量放到缓存里,就不用每次循环都往内存存取数据了.
随着多核的发展,CPUCache分成了三个级别:L1,L2,L3.级别越小越接近CPU,所以速度也更快,同时也代表着容量越小.L1是最接近CPU的,它容量最小,例如32K,速度最快,每个核上都有一个L1Cache(准确地说每个核上有两个L1Cache,一个存数据L1dCache,一个存指令L1iCache).L2Cache更大一些,例如256K,速度要慢一些,一般情况下每个核上都有一个独立的L2Cache;L3Cache是三级缓存中最大的一级,例如12MB,同时也是最慢的一级,在同一个CPU插槽之间的核共享一个L3Cache.
| 从CPU到 | 大约需要的CPU周期 | 大约需要的时间(单位ns) |
| 寄存器 | 1cycle | |
| L1Cache | ~3-4cycles | ~0.5-1ns |
| L2Cache | ~10-20cycles | ~3-7ns |
| L3Cache | ~40-45cycles | ~15ns |
| 跨槽传输 | ~20ns | |
| 内存 | ~120-240cycles | ~60-120ns |
感兴趣的同学可以在Linux下面用cat/proc/cpuinfo,或Ubuntu下lscpu看看自己机器的缓存情况,更细的可以通过以下命令看看:
$ cat /sys/devices/system/cpu/cpu0/cache/index0/size 32K $ cat /sys/devices/system/cpu/cpu0/cache/index0/type Data $ cat /sys/devices/system/cpu/cpu0/cache/index0/level 1 $ cat /sys/devices/system/cpu/cpu3/cache/index3/level 3
就像数据库cache一样,获取数据时首先会在最快的cache中找数据,如果没有命中(Cachemiss)则往下一级找,直到三层Cache都找不到,那只要向内存要数据了.一次次地未命中,代表取数据消耗的时间越长.
缓存行(Cacheline)
为了高效地存取缓存,不是简单随意地将单条数据写入缓存的.缓存是由缓存行组成的,典型的一行是64字节.读者可以通过下面的shell命令,查看cherency_line_size就知道知道机器的缓存行是多大.
$ cat /sys/devices/system/cpu/cpu0/cache/index0/coherency_line_size 64
CPU存取缓存都是按行为最小单位操作的.在这儿我将不提及缓存的associativity问题,将问题简化一些.一个Javalong型占8字节,所以从一条缓存行上你可以获取到8个long型变量.所以如果你访问一个long型数组,当有一个long被加载到cache中,你将无消耗地加载了另外7个.所以你可以非常快地遍历数组.实验及分析
我们在Java编程时,如果不注意CPUCache,那么将导致程序效率低下.例如以下程序,有一个二维long型数组
32位机器中的java的数组对象头共占16字节(详情见链接),加上62个long型一行long数据一共占512字节.所以这个二维数据是顺序排列的.
public class L1CacheMiss {
private static final int RUNS = 10;
private static final int DIMENSION_1 = 1024 * 1024;
private static final int DIMENSION_2 = 62;
private static long[][] longs;
public static void main(String[] args) throws Exception {
Thread.sleep(10000);
longs = new long[DIMENSION_1][];
for (int i = 0; i < DIMENSION_1; i++) {
longs[i] = new long[DIMENSION_2];
for (int j = 0; j < DIMENSION_2; j++) {
longs[i][j] = 0L;
}
}
System.out.println(“starting….”);
final long start = System.nanoTime();
long sum = 0L;
for (int r = 0; r < RUNS; r++) {
// for (int j = 0; j < DIMENSION_2; j++) {
// for (int i = 0; i < DIMENSION_1; i++) {
// sum += longs[i][j];
// }
// }
for (int i = 0; i < DIMENSION_1; i++) {
for (int j = 0; j < DIMENSION_2; j++) {
sum += longs[i][j];
}
}
}
System.out.println(“duration = ” + (System.nanoTime() - start));
}
}编译后运行,结果如下
$ java L1CacheMiss starting…. duration = 1460583903
然后我们将22-26行的注释取消,将28-32行注释,编译后再次运行,结果是不是比我们预想得还糟?
$ java L1CacheMiss starting…. duration = 22332686898
前面只花了1.4秒的程序,只做一行的对调要运行22秒.从上节我们可以知道在加载longs[i][j]时,longs[i][j+1]很可能也会被加载至cache中,所以立即访问longs[i][j+1]将会命中L1Cache,而如果你访问longs[i+1][j]情况就不一样了,这时候很可能会产生cachemiss导致效率低下.下面我们用perf来验证一下,先将快的程序跑一下.
$ perf stat -e L1-dcache-load-misses java L1CacheMiss
starting….
duration = 1463011588
Performance counter stats for ‘java L1CacheMiss’:
164,625,965 L1-dcache-load-misses
13.273572184 seconds time elapsed一共164,625,965次L1cachemiss,再看看慢的程序
$ perf stat -e L1-dcache-load-misses java L1CacheMiss
starting….
duration = 21095062165
Performance counter stats for ‘java L1CacheMiss’:
1,421,402,322 L1-dcache-load-misses
32.894789436 seconds time elapsed这回产生了1,421,402,322次L1-dcache-load-misses,所以慢多了.
以上我只是示例了在L1Cache满了之后才会发生的cachemiss.其实cachemiss的原因有下面三种:
1.第一次访问数据,在cache中根本不存在这条数据,所以cachemiss,可以通过prefetch解决.
2.cache冲突,需要通过补齐来解决.
3.就是我示例的这种,cache满,一般情况下我们需要减少操作的数据大小,尽量按数据的物理顺序访问数据.
具体的信息可以参考这篇论文.
下一篇将介绍CPUcache的另一种误区:伪共享(FalseSharing).
