缓存一致性

由于通过提升cpu频率提升性能的道路遇到了能耗墙，进一步提升频率可能会造成CPU温度过高，影响稳定性。为了进一步提升cpu性能，多核CPU逐渐发展起来。然而多核也面临着诸多问题，包括正确性和可扩展性。下面我们就谈谈多核中的缓存一致性。

多核高速缓存架构

主流的多核处理器均采用共享内存，但访问内存耗时较长，因此在CPU和内存之间设立了高速缓存，一个典型的高速缓存架构如图所示，分为L1、L2、L3 Cache。告诉缓存以缓存行 (Cacheline) 作为最小操作粒度，大小一般为64字节。

在这种架构中，不同核心访问时延会依据缓存行所在位置有所差别。如核心0访问本地的L2 cache会远快于访问另一个L2 cache。这种缓存架构被称为 非一致性缓存访问。除了非一致性缓存访问以外，更重要的问题就是缓存一致性问题。

缓存一致性的问题

1. 多个核心对同一缓存行的高频修改会导致严重的性能开销，影响多核的可扩展性。由于缓存一致性协议同一时刻只允许一个核心独占修改该缓存行，会造成多核执行流串行化，无法充分发挥出多核的性能优势；此外，多个核心对于同一缓存行的高频修改还会导致高速互联总线中产生大量缓存一致性流量，从而造成性能瓶颈。
2. 伪共享(False Sharing)。伪共享是指本身无需在多核之间共享的内容被错误地划分到同一个缓存行中，并引起了多核环境下对于单一缓存行的竞争，从而导致无谓的性能开销。

单一缓存行竞争

下面举例说明对单一缓冲行高频修改带来的性能断崖，在多个核心中执行一个线程，竞争一个全局的互斥锁，并更新一个全局计数器。如图所示，当核数量提升到一定数量时，性能会出现断崖式下跌。

由于自旋锁是通过修改全局单一变量 *lock 来获取和释放锁，因此多核对该缓存行进行高频修改时，缓存行的状态与拥有者也不断改变，最终消耗大量时间在缓存一致性协议上，导致互斥锁无法快速有效地在不同的核心之间传递。

通过 Backoff Lock 或者 MCS 锁可以一定程度解决自旋锁的问题，在此我们不详述，可以参阅[1]获取更多内容。

伪共享

伪共享的问题可以举一个简单的例子，如果多个核的任务是自增对同一数组的不同位置数据，理论上应该是互不干扰的。但如果这些数据在同一个缓存行，就会导致一次只有一个核可以写数据，造成伪共享。

可以通过一段代码来检验伪共享造成的性能损失：

#include<thread>
#include <algorithm>    // std::for_each
#include<vector>
#include <functional>

using namespace std;

bool SetCPUaffinity(int param){
    cpu_set_t mask;         // CPU核的集合

    CPU_ZERO(&mask);        // 置空
    CPU_SET(param,&mask);   // 设置亲和力值,第一个参数为零的时候默认为调用线程
    sched_setaffinity(0, sizeof(mask), &mask); // 设置线程CPU亲和力
}

int num0;
int num1;

void thread0(int index){
    SetCPUaffinity(index);
    int count = 100000000;  // 1亿
    while(count--){
        num0++;
    }
    return;
}

void thread1(int index){
    SetCPUaffinity(index);
    int count = 100000000;
    while(count--){
        num1++;
    }
    return;
}

int main(){
    thread proc0(thread0, 0);
    thread proc1(thread1, 1);
    proc0.join();
    proc1.join();
    return 0;
}

这段代码功能很简单，就是把用两个线程把 num0 和 num1 增加到100000000，为了使得两个线程跑在不同的核上，我们需要设置CPU亲和性。通过time命令可以获取运行时间，可以看到实际需要跑0.65s：

修改代码，让两个线程串行执行，即把main()函数修改如下：

int main(){
    thread proc0(thread0, 0);
    proc0.join();
    thread proc1(thread1, 1);
    proc1.join();
    return 0;
}

可以看到时间直接减少为原来的二分之一。本应是并行的程序却比串行的程序花费了两倍的时间，这些多的时间都消耗在缓存一致性和伪共享上。

将num0和num1放到不同的缓存行，可以通过如下方式：

int num0;
int num[1000];
int num1;

再运行并行代码，运行时间如图所示，可以看到只需要0.18s，接近串行的二分之一时间，和预料中一致。

因此伪共享不仅不会提升系统性能，反而会因为竞争同一缓存行造成性能损失。

参考

1. 银杏书-多核与多处理器

2. Linux中的CPU亲和性

3. 从false sharing 到缓存一致性