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(CPU cycles), 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(CPU Cache). 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. 下面是CPU Cache的简单示意图.

随着多核的发展, CPU Cache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L1 Cache(准确地说每个核上有两个L1 Cache, 一个存数据 L1d Cache, 一个存指令 L1i Cache). L2 Cache 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L2 Cache; L3 Cache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L3 Cache.

从CPU到大约需要的CPU周期大约需要的时间(单位ns)寄存器1 cycleL1 Cache~3-4 cycles~0.5-1 nsL2 Cache~10-20 cycles~3-7 nsL3 Cache~40-45 cycles~15 ns跨槽传输~20 ns内存~120-240 cycles~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


//java学习交流:737251827  进入可领取学习资源及对十年开发经验大佬提问，免费解答！

$ 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(Cache miss) 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(Cache line)
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Java long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CPU Cache, 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, 在我的32位笔记本上运行时的内存分布如图:

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L1 Cache, 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 cache miss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


//java学习交流:737251827  进入可领取学习资源及对十年开发经验大佬提问，免费解答！

Performance counter stats 
for 
'java L1CacheMiss'
: 




164
,
625
,
965 
L1
-dcache
-load
-misses 




13.273572184 seconds time elapsed

一共164,625,965次L1 cache miss, 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L1 Cache满了之后才会发生的cache miss. 其实cache miss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cache miss, 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.

ITPub博客

从Java视角理解系统结构（二）CPU缓存

最新文章