[英]Why does cmp instruction cost too much time?
我正在尝试使用 libunwind(使用 linux perf)进行分析,使用perf top
监视目标进程,我得到了这个组装时间成本屏幕:
0.19 │ mov %rcx,0x18(%rsp) ▒
│ trace_lookup(): ▒
1.54 │ mov 0x8(%r9),%rcx ▒
│ _ULx86_64_tdep_trace(): ▒
0.52 │ and $0x1,%edx ◆
0.57 │ mov %r14d,0xc(%rsp) ▒
0.40 │ mov 0x78(%rsp),%r10 ▒
1.24 │ sub %rdx,%r15 ▒
│ trace_lookup(): ▒
0.35 │ shl %cl,%r12d ▒
│ _ULx86_64_tdep_trace(): ▒
2.18 │ mov 0x90(%rsp),%r8 ▒
│ trace_lookup(): ▒
0.46 │ imul %r15,%r13 ▒
│ _ULx86_64_tdep_trace(): ▒
0.59 │ mov %r15,0x88(%rsp) ▒
│ trace_lookup(): ▒
0.50 │ lea -0x1(%r12),%rdx ▒
1.22 │ shr $0x2b,%r13 ▒
0.37 │ and %r13,%rdx ▒
0.57 │177: mov %rdx,%rbp ▒
0.43 │ shl $0x4,%rbp ▒
1.33 │ add %rdi,%rbp ▒
0.49 │ mov 0x0(%rbp),%rsi ▒
24.40 │ cmp %rsi,%r15 ▒
│ ↓ jne 420 ▒
│ _ULx86_64_tdep_trace(): ▒
2.10 │18e: movzbl 0x8(%rbp),%edx ▒
3.68 │ test $0x8,%dl ▒
│ ↓ jne 370 ▒
1.27 │ mov %edx,%eax ▒
0.06 │ shl $0x5,%eax ▒
0.73 │ sar $0x5,%al ▒
1.70 │ cmp $0xfe,%al ▒
│ ↓ je 380 ▒
0.01 │ ↓ jle 2f0 ▒
0.01 │ cmp $0xff,%al ▒
│ ↓ je 3a0 ▒
0.02 │ cmp $0x1,%al ▒
│ ↓ jne 298 ▒
0.01 │ and $0x10,%edx ▒
│ movl $0x1,0x10(%rsp) ▒
│ movl $0x1,0x1c8(%rbx) ▒
0.00 │ ↓ je 393
对应的源码在这里trace_lookup source code ,如果我没有看错的话,这条热路径cmp
指令对应的代码行数是296行,但是不知道为什么这一行这么慢,而且大部分时间都在消耗?
命令cmp %rsi,%r15
被标记为具有巨大的开销,因为它等待通过mov 0x0(%rbp),%rsi
命令从缓存或 memory 加载数据。 该命令可能存在 L1 甚至 L2 缓存未命中。
对于代码片段
│ trace_lookup():
0.50 │ lea -0x1(%r12),%rdx
1.22 │ shr $0x2b,%r13
0.37 │ and %r13,%rdx
0.57 │177: mov %rdx,%rbp
0.43 │ shl $0x4,%rbp
1.33 │ add %rdi,%rbp
0.49 │ mov 0x0(%rbp),%rsi
24.40 │ cmp %rsi,%r15
│ ↓ jne 420
当前 function 的分析事件的 24% 占到了 cmp 指令。 采样分析的默认事件是“cycles”(CPU 时钟周期的硬件事件)或“cpu-clock”(线性时间的软件事件)。 因此,大约 24% 的采样中断确实中断了这个 function 被报告为这个 cmp 命令的指令地址。 分析和现代乱序 CPU 可能存在系统性偏差,当报告成本不是针对运行缓慢的命令,而是针对未快速完成执行(退出)的命令。 如果 %rsi 寄存器值不等于 %r15 寄存器值,则此 cmp+jne 命令对(融合 uop)将更改程序的指令流。 对于古代这样的命令应该只读取两个寄存器并比较它们的值,这是快速的并且不应该花费 function 执行时间的 1/4。 但是现代 CPU 寄存器不仅仅是存储值的 32 位或 64 位位置,它们还有一些用于乱序引擎的隐藏标志(或重命名技术)。 在您的示例中,有mov 0x0(%rbp),%rsi
确实更改了 %rsi 寄存器。 这个命令是从 memory 通过地址 *%rbp 加载的。 CPU 确实开始将此加载到缓存/内存子系统中,并将 %rsi 寄存器标记为“从内存加载挂起”,继续执行指令。 下一条指令有可能不需要该加载的结果(这需要一些时间,例如Haswell :L1 命中 4 个 cpu 周期,L2 命中 12 个,L3 命中 36-66 个,额外 50-100 ns缓存未命中和 RAM 读取)。 但是在你的情况下,下一条指令是 cmp+jne 并从 %rsi 读取,并且在将来自 memory 的数据写入 %rsi 之前,该指令无法完成(CPU 可能会在 cmp+jne 执行过程中阻塞或多次重启那个命令)。 因此, cmp 有 24% 的开销,因为 mov 确实错过了最近的缓存。 使用更高级的计数器,您可以估计它错过了哪个缓存,以及哪个缓存/内存层最常为请求提供服务。
对应的源码在这里trace_lookup源码,如果我没有看错的话,这个hot path cmp指令对应的代码行数是296行,但是不知道为什么这一行这么慢,而且大部分时间都是耗费的?
对于如此短的 asm 片段,很难在 trace_lookup 的源代码中找到相应的代码行,也很难找到什么值以及为什么不在 L1/L2 缓存中。 您应该尝试编写简短的可重现示例。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.