本机 C++ microbench

对应 个人性能测试记录。Linux x86-64、C++20，无第三方 benchmark 库。源码入口在 microbench.cpp 的 main()，每组实验是一个独立函数。

编译与运行

cd /home/martins3/data/vn/docs/benchmark/microbench
./run.sh

脚本重新编译，创建独立的 results/日期时间.随机后缀/，保存环境、原始 CSV、进度日志和运行后的 load average。完整采样每个配置 5 次；最大同时使用 32 个逻辑 CPU，主要内存分配峰值约 512 MiB。不会清理系统缓存、更改 governor、关闭安全防护或者重启机器。二进制以 .out 结尾。

本机同时有 Nix 和系统工具链，因此 Makefile 使用 /usr/bin/g++ -B/usr/bin/，保证系统编译器、链接器和运行库配套；否则 PATH 中的 Nix 链接器可能注入另一版本的 glibc。编译参数为 -O3 -g -std=c++20 -march=native。如需其他工具链，可同时覆盖 CXX 和 CXXFLAGS。-march=native 的产物只应在兼容 CPU 上运行。

make smoke
./microbench.out --group memory --samples 5 > memory.csv
./microbench.out --group compute --cpu 16 --samples 5 > compute-e-core.csv
./microbench.out --group scaling --samples 7 > scaling.csv
./microbench.out --group context --samples 5 > context.csv
sudo ./microbench.out --group syscall --samples 5 > syscall-pmu.csv

--quick 减少大部分循环次数，用于功能检查，不作为正式结果。大工作集指针链仍至少访问两遍。--cpu 指定串行实验和通信发起者；scaling 始终使用程序启动时允许的整个 CPU 集合。可以通过 taskset -c 限制这个集合。程序自动按 sysfs 的 socket/core/sibling 信息分组，不把连续编号误当成独立物理核。smt_cores 指具备 SMT 的核，single_thread_cores 指没有 SMT sibling 的核；仅在这台已核实的 13900K 上分别解释为 P/E 核。

stdout 只有 CSV，stderr 是进度、PMU 可用性和最终 checksum。perf_event_paranoid 阻止内核态计数时仍执行耗时测试，并明确提示 PMU 不可用，不填伪造的零。

实验与计量边界

分组 / 函数	测试方法	输出和限制
compute / compute()	64 位无符号整数乘加，一条依赖链与四条独立链	ns/update；一次 update 是一次乘加，包含循环开销，不是单条指令延迟。禁止 SIMD 合并，体现标量指令级并行
branch / branch_loop()	同一组 64 KiB 的 0/1 数据，各占一半；排序与随机打乱	ns/branch；内联汇编固定条件跳转，避免被优化为 cmov。差值包含预测和流水线等影响，不是直接测得的单次预测失败惩罚
memory / memory()、chase()	4 KiB 到 256 MiB，每 64 B 一节点，固定种子构造遍历所有节点的随机环	ns/load；真正串行依赖的 pointer chasing，无法通过并发访存隐藏延迟。使用 MADV_NOHUGEPAGE，因此大工作集也包含 TLB miss/page walk，不能称为纯 DRAM 延迟
memory / memory()	32 KiB、1 MiB、16 MiB、256 MiB 的 libc memcpy	GB/s 是有效载荷字节数/时间，十进制 GB；实际访存流量可能包含读、写和 RFO。CSV 工作集大小是单个缓冲区，源+目标占两倍
syscall / syscalls()	循环基线、raw getpid、libc clock_gettime、raw clock_gettime、向 /dev/null 写 1 B	ns/call。raw 路径用 syscall()，避免把 vDSO 当成陷入内核；libc 时钟路径在本机使用 vDSO
syscall_cpu / Usage	用 getrusage(RUSAGE_THREAD) 观察批量操作的用户态/内核态 CPU 时间	user_ns/call、system_ns/call；有记账粒度和测量边界开销，用于解释 us/sys，不适合推断极短操作的精确分账
syscall_pmu / Counters	当前线程的 perf cycles/instructions 事件组，包含内核态，排除 hypervisor	cycles/call、instructions/call；包含用户态循环、libc 包装及极少的计时/PMU 控制开销。不是 syscall 内核函数单独的指令数，也不是指令种类分布。若发生 multiplexing 则报错，不盲目缩放
scaling / scaling()	多种核放置，分别执行依赖链和四条独立链；每个配置的总工作量固定	Mupdates/s；预热和创建线程不计时，起止 barrier 计时。配置顺序逐轮轮换。包含不同核的频率差异、同步开销和尾部慢核影响
coherence / coherence()	两线程在同一 atomic token 上 acquire-load/release-store 交替，自旋等待，使用 pause	ns/roundtrip；一次完整往返，不是单向延迟。包含轮询和线程执行时间；SMT sibling 共享资源，不能统一解释为核间互连延迟
sharing / coherence()	两线程分别对两个 atomic counter 做 relaxed fetch_add；同一 cache line 与两个独立 line 对比	ns/increment 是总墙钟时间除以两个线程的总操作数，即吞吐量的倒数，不是单次 RMW 的响应时间。计数结束后验证结果
context / context()	两条 pipe 传 1 B，pthread 与 fork 进程，比较同一逻辑 CPU、SMT sibling、不同物理核	ns/roundtrip；含四次读写 syscall、pipe、阻塞、唤醒、调度及数据传递，不是纯 switch_to() 或内核线程切换开销
context_switches / context()	发起线程的 ru_nvcsw 和 ru_nivcsw 差值	每轮自愿/非自愿切换次数；只统计发起者，不能当作双方总数。跨核两端可并行执行

防止测到错误东西

• 主线程、每个工作线程和子进程都显式绑定 CPU，亲和性设置失败则终止。拓扑从绑定前的允许集合读取。
• 每项先预热，再计时；内存分配、随机排列、首次缺页和线程创建在计时外。内存预触摸不保证后续绝无回收或中断干扰。
• 使用 steady_clock 批量计时，除以操作次数；没有将 TSC tick 直接称为 CPU cycle，也没有从墙钟和标称频率推导 cycles。
• 计算结果保留到 checksum；编译器屏障防止消除乘加和 memcpy。可用 objdump -d -C microbench.out 查看 chain()、independent()、branch_loop()、chase()。
• CSV 保存每次样本，不仅保存最好的一轮；正文给出中位数及必要的 min/max。少量批次的最大值不是单操作 p99。
• 没有锁定睿频、隔离 CPU 或暂停其他本机任务。运行中的负载、温度、频率和共享 LLC 会影响数据，结论只适用于记录中的这次实验。
• 缓存行按本机核实的 64 B 编写。此套件不是任意架构的自动调参工具。

CSV 字段

group,case,cpus,working_set_bytes,sample,operations,elapsed_ns,unit,value

cpus 用 + 连接 CPU 编号，避免与 CSV 分隔符冲突；sample 从 0 开始。operations 在 memcpy 行表示累计载荷字节，在其他行表示该项定义的迭代、乘加、往返或原子增量次数。对 (group, case, cpus, working_set_bytes, unit) 分组后取 value 的中位数即可复现正文统计。所有时间结果越小越好，GB/s 和 Mupdates/s 越大越好。

与原始笔记的关系

core-to-core-latency 通过固定两线程的 CPU 来测缓存一致性通信。本实现使用 load/store token 往返而非相同 CAS 协议，数值不能直接和它的表格混用。

Tsuna 的 context-switch 文章 是原笔记的参考阅读；这里明确把 pipe 往返称为调度和通信的组合测试，不把往返除二当作纯上下文切换耗时。

内核完整构建、VM host/guest 对照、真实编辑器输入到显示的延迟、安全防护开关的 reboot A/B，以及指令类别分布，都需要进一步的专项实验。当前 microbench 不替代它们。

STREAM 式物理内存带宽

stream.cpp 是独立的 AVX2/FMA 测试，不是官方 STREAM 提交版本。默认每数组 512 MiB，共三个数组，比较 4 KiB 页和 THP；每配置预热一批，再测七批， 每批连续扫描四遍。输出到 stdout 的是逐批 CSV，stderr 是中位数和 min/max。

make stream
./stream.out > stream.csv 2> stream.log
./stream.out --pages thp,4k --mib 1024 --samples 9 --passes 8 --threads 1,2,4,8
./stream.out --pages thp --cpus 16,17,18,19,20,21,22,23 --threads 1,2,4,8
./stream.out --pages hugetlb --mib 512 --threads 1,2,4,8

• cpu_order() 从当前允许的 CPU 集合及 sysfs 拓扑取每物理核一个线程，最后才添加 SMT siblings。--cpus 可显式指定顺序；--threads 取该列表前 N 个 CPU。 默认线程数扫 1/2/4/8/16/24/32 以及可用 CPU 总数。CSV 的 cpus 保留真实放置。
• Mapping 用 MADV_NOHUGEPAGE 强制 4 KiB 页，THP 用 2 MiB 对齐映射、 MADV_HUGEPAGE，并在系统头文件支持时请求 MADV_COLLAPSE。 huge_kib_before/after 来自本次三个数组的 /proc/self/smaps，表示计时前后 实际大页覆盖的 KiB 数。THP 请求可能只部分成功，必须检查覆盖率。
• --pages hugetlb 显式请求 2 MiB MAP_HUGETLB，需要足够的大页池及权限； 程序不会修改系统大页池，申请失败直接报错，不会静默降级。默认不运行该模式。
• run_op() 在计时外并行初始化、核实页映射和创建工作线程；工作线程跨样本复用。 起止 barrier 的 completion function 记录墙钟，计时包含同步唤醒与慢线程拖尾。 分块边界为 128 B 的倍数，支持 3、7、24 等线程数，不越界、不共享边界缓存行。 数组在同一页模式内复用，改变线程数不会迁移已有物理页；跨 NUMA 机器需另外控制 内存放置。本次物理机只有一个 NUMA node。
• read_avx() 使用四个独立 AVX 累加器；普通写和 NT 写显式使用不同存储指令， triad/triad_nt 使用 FMA。每次扫描包含编译器屏障，存储循环末尾执行 fence， 但 fence 不会把所有普通脏缓存行强制写回 DRAM。
• 每配置结束后在计时外检查三个数组的每个元素及读操作 checksum，校验成功才输出。 小数组可用于校验程序，但会测到缓存，不能纳入 DRAM 峰值。正式结果应独立复测， 并用更大数组排查缓存影响。

GB/s = payload_bytes / elapsed_ns，均为十进制。计数口径如下：

操作	每个 double 的计数字节	典型 DRAM 流量模型
read	8	8
write	8	16（含 RFO）
copy	16	24（含 RFO）
triad	24	32（含 RFO）
write_nt	8	8
copy_nt	16	16
triad_nt	24	24

这些模型不能代替内存控制器硬件计数器：缓存命中、写回时机和处理器优化都可能 改变实际流量。copy 的有效读写带宽是复制文件常用的“源数据字节数/时间”的两倍。 测试不锁频、不暂停其他程序、不清缓存；输出的最大样本是观察到的最好一批， 不是机器在所有条件下的硬件极限。

页模式依据：Linux THP 文档、 HugeTLB 文档； 计数口径依据：STREAM FAQ。

本站所有文章转发 CSDN 将按侵权追究法律责任，其它情况随意。