实际测试内存在顺序IO和随机IO时的访问延时差异

开发内功修炼

发布于 2022-03-24 18:03:49

1.3K00

代码可运行

文章被收录于专栏：开发内功修炼开发内功修炼

运行总次数：0

代码可运行

我们理解了内存IO的内部实现过程，知道了内存的随机IO比顺序IO要慢，并对延迟时间进行了大概的估算。那么我们今天来用代码的方式来实践一下，看看在我们的项目工程中，内存访问的在不同的访问场景下延时究竟是个什么表现。

先测顺序IO情况

测试原理就是定义一个指定大小的double（8字节）数组，然后以指定的步长去循环。这里面的变量有两个。核心代码如下：

void init_data(double *data, int n){
 int i;
 for (i = 0; i < n; i++) {
 data[i] = i;
 }
} 
void seque_access(int elems, int stride) {
 int i;
 double result = 0.0;
 volatile double sink;
 
 for (i = 0; i < elems; i += stride) {
 result += data[i];
 }
 sink = result;
}

在这个核心代码的基础上，我们有两个可调节变量：

一是数组大小，数组越小，高速缓存命中率越高，平均延时就会越低。
二是循环步长，步长越小，顺序性越好，同样也会增加缓存命中率，平均延时也低。我们在测试的过程中采取的办法是，固定其中一个变量，然后动态调节另外一个变量来查看效果。

另外说明一下，这个代码测试中考虑的几个额外的开销的处理情况。 1.加法开销：由于加法指令简单，一个CPU周期就可完成，CPU周期比内存周期要快，所以暂且忽略它。 2.耗时统计：这涉及到高开销的系统调用，本实验通过跑1000次取一次耗时的方式来降低影响。

场景一：固定数组大小2K，调节步长

图1 固定数组2k，动态调节步长

数组足够小的时候，L1 cache全部都能装的下。内存IO发生较少，大部分都是高效的缓存IO，所以我这里看到的内存延时只有1ns左右，这其实只是虚拟地址转换+L1访问的延时。

场景二：固定步长为8，数组从32K到64M

图2 固定步长，动态调节数组从32K到64M

当数组越来越大，Cache装不下，导致穿透高速缓存，到内存实际IO的次数就会变多，平均耗时就增加

场景三：步长为32，数组从32K到64M

图3 固定步长为32，动态调节数组从32K到64M

和场景二相比，步长变大以后，局部性变差，穿透的内存IO进一步增加。虽然数据量一样大，但是平均耗时就会继续有所上涨。不过虽然穿透增加，但由于访问地址仍然相对比较连续，所以即使发生内存IO也绝大部分都是行地址不变的顺序IO情况。所以耗时在9ns左右，和之前估算大致相符！

另外注意一个细节，就是随着数组从64M到32M变化的过程中。耗时有几个明显的下降点，分别是8M，256K和32K。这是因为本机的CPU的L1大小是32K，L2是256K，L3是12M。在数据集32K的时候，L1全能装的下，所有基本都是高速缓存IO。256K的时候、8M的时候，虽然L1命中率下降，但是L2、L3访问速度仍然比真正的内存IO快。但是超过12M以后越多，真正的内存IO就越来越多了。

再测随机IO情况

在顺序的实验场景里，数组的下标访问都是比较有规律地递增。在随机IO的测试中，我们要彻底打乱这个规律，提前随机好一个下标数组，实验时不停地访问数组的各个随机位置。

void init_data(double *data, int n){
 int i;
 for (i = 0; i < n; i++) {
 data[i] = i;
 }
}
 
void random_access(int* random_index_arr, int count) {
 int i;
 double result = 0.0;
 volatile double sink;
 
 for (i = 0; i < count; i++) {
 result += data[*(random_index_arr+i)];
 }
 sink = result;
}