问题标签 [false-sharing]

如果我有一个具有 OpenMP 并行化的 C++ 程序，其中不同的线程不断使用一些小的共享数组仅用于从中读取数据，在这种情况下是否会发生错误共享？换句话说，错误共享仅与内存写入操作有关，或者它也可能发生在内存读取操作中。

我想利用 OpenMP 使我的任务并行。

我需要对数组的所有元素减去相同的数量并将结果写入另一个向量。两个数组都是动态分配的malloc，第一个数组是用文件中的值填充的。每个元素都是 type uint64_t。

我shift想从vec. size是 和 的长度，vec大约new_vec为 200k。

g++ -fopenmp我在 Arch Linux 上编译代码。我在 Intel Core i7-6700HQ 上，我使用 8 个线程。当我使用 OpenMP 版本时，运行时间要高 5 到 6 倍。当我运行 OpenMP 版本时，我可以看到所有内核都在工作。

我认为这可能是由虚假共享问题引起的，但我找不到。

我正在研究错误共享，我有一个关于如何通过填充数组来避免它的示例：

只要确保我理解正确，这只有在我们使用 8 字节整数时才有效，对吧？如果我们使用 4 字节整数，整个数组将是 64 字节，它不会避免错误共享。

在 ECS 中存储组件的一种缓存有效的方法是将组件类型划分为大型数组，然后让每个系统对组件进行迭代。但是，假设我还想避免渲染和物理线程之间的错误共享，试图同时访问实体的坐标。

让我们假设一个高速缓存行是 64 字节大。假设我有一个 1 GiB 的“位置”数组。我可以将它分成 64 字节的页面，我只需要一个布尔值来存储页面是否繁忙（正在写入）。使用std::vector<bool>, 每个布尔值仅使用 1 位，这将占用 2 Mib 的内存。

到目前为止，这听起来是可行的。但是，我仍然没有办法有效地处理工作线程发现页面繁忙的情况。

我应该忙着等吗？有没有解决这个问题的通用模式？

或者更重要的是，这是无痛的过度工程吗？我只是想让我的“家庭作业”框架扩展证明，以供学习。从来没有做过大型引擎，我不知道在这种情况下，虚假共享是否真的是一个值得注意的性能上限。

看看这个片段：

这个小程序从四个不同的线程中多次递增四个相邻字节。之前，我使用的规则是：不要使用来自不同线程的相同缓存行，因为缓存行共享是不好的。所以我预计四线程版本 ( N=4) 比单线程版本 ( ) 慢得多N=1。

但是，这些是我的测量结果（在 Haswell CPU 上）：

• N=1：1 秒
• N=4：1.2 秒

所以N=4也不会慢很多。如果我使用不同的缓存行（替换*1为*64），那么N=4会变得更快一点：1.1 秒。

原子访问的相同度量（交换注释typedef），相同的缓存行：

• N=1：3.1 秒
• N=4：48 秒

所以这个N=4案子要慢得多（正如我所料）。如果使用不同的高速缓存行，则N=4具有类似的性能N=1：3.3 秒。

我不明白这些结果背后的原因。为什么我不会严重减慢非原子N=4案例？四个核心在它们的缓存中具有相同的内存，所以它们必须以某种方式同步它们，不是吗？它们如何能几乎完美地并行运行？为什么只有原子案例会严重放缓？

我想我需要了解在这种情况下内存是如何更新的。一开始，缓存中没有内核buffer。在一次for迭代后（in fn），所有 4 个内核都buffer在其缓存行中，但每个内核写入不同的字节。这些缓存行如何同步（在非原子情况下）？缓存如何知道哪个字节是脏的？还是有其他机制来处理这种情况？为什么这种机制比原子机制便宜很多（实际上，它几乎是免费的）？

下面的示例代码是我的工作代码的简化版本。在此代码中，写入共享变量仅在std::vector::push_back调用的最后一行完成。

我想知道这个push_back操作是否会导致错误共享，让我有机会通过摆脱它来进一步优化。在深入研究这个问题之前，我决定先做一些基准测试。

使用chrono，我分别测量了挂钟some_heavy_work()和临界区的执行时间。后者的执行时间大约是前者的10^(-4)倍，所以我得出的结论是，无论是否涉及虚假共享，优化这部分几乎没有任何好处。

无论如何，我仍然很好奇虚假共享是否是这里的一个问题。我是否必须查看 的内部实现std::vector？任何启示将不胜感激。（我在VS2015上）

我正在使用 C 语言中的 OpenMP 来并行化我的程序。我的程序中有一个部分将计算值插入到数组中。代码将是这样的：

从我了解到的情况来看，我认为这段代码会在数组中出现 False Sharing 问题arr。为了避免这个问题，我找到了几种方法，例如：

1. 数组填充
2. 用块调度

这两种方法要求我知道我的处理器缓存大小有多大。假设我想在一个未知系统上运行我的程序（我不知道缓存大小有多大）。此代码是否有不需要我知道缓存大小的解决方法？或者可能是一个可以读取程序正在运行的系统的缓存大小的 C 代码？

在以下状态下是否会发生错误共享：

两个线程同时修改 x 和 y？还是无法判断编译器可能会将 x 和 y 优化为寄存器？

在我的代码中，我有以下部分（简化）

并行化时，速度会急剧下降。我怀疑存在错误共享的问题，并且使用 valgrind 我发现在给定的执行中存在很多缓存未命中。

我没有提供关于 get_new_x 中发生的事情的详细信息，因为我想一次只专注于一件事；猜测在运行到函数调用的部分中发生了一些错误的共享是否合理？每个线程都有自己的 x,y,z,w 局部变量，但它们都将从同一个数组中读取。这是否足以导致缓存未命中？同样，我怀疑从 get_new_x 写入 out[] 时可能存在缓存冲突问题。

我想所有这些都是错误共享的可能原因，但是有什么方法可以解决它？是否有任何操作（读取与写入）或多或少会导致错误共享问题？

我使用上面的代码来演示虚假共享对性能的影响。但令我惊讶的是，填充似乎根本没有加速程序。有趣的是，如果两者a都是b原子变量，则有明显的改进。有什么不同？