Linux上的线程局部变量访问速度有多快

Question

Linux中访问线程局部变量的速度有多快。从gcc编译器生成的代码中，我可以看到使用了fs段寄存器。显然，访问线程局部变量不应该花费额外的周期。

但是，我一直在阅读关于线程局部变量访问缓慢的恐怖故事。怎么来的？当然，有时不同的编译器会使用与使用段寄存器fs不同的方法，但是通过fs段寄存器访问线程局部变量也是慢的吗？

Answer 1

如何快速在Linux中

正在访问线程局部变量这取决于，在很多事情。

某些处理器（i*86）具有特殊段（fs或模式）。其他处理器不会（但通常他们将有一个保留用于访问当前线程的寄存器，并且使用该专用寄存器很容易找到TLS）。

在i*86上，使用fs，访问是几乎与直接存储器访问一样快。

我一直在阅读有关的线程局部变量的访问

如果您提供链接到一些这样的恐怖故事，这将有助于缓慢的恐怖故事。没有这些链接，就不可能说出他们的作者是否知道他们在谈论什么。

Answer 2

但是，我一直在阅读有关线程局部变量访问缓慢的恐怖故事。怎么来的？

让我演示Linux x86_64上线程局部变量的缓慢程度，我从http://software.intel.com/en-us/blogs/2011/05/02/the-hidden-performance-cost-of-accessing-thread-local-variables取得了一个示例。

1. 没有__thread变量，没有缓慢。

   我会用这个测试的性能作为基础。

   #include "stdio.h" 
       #include "math.h" 
   
       double tlvar; 
       //following line is needed so get_value() is not inlined by compiler 
       double get_value() __attribute__ ((noinline)); 
       double get_value() 
       { 
        return tlvar; 
       } 
       int main() 
   
       { 
        int i; 
        double f=0.0; 
        tlvar = 1.0; 
        for(i=0; i<1000000000; i++) 
        { 
        f += sqrt(get_value()); 
        } 
        printf("f = %f\n", f); 
        return 1; 
       } 
   

   这是的get_value的汇编代码（）

   Dump of assembler code for function get_value: 
   => 0x0000000000400560 <+0>:  movsd 0x200478(%rip),%xmm0  # 0x6009e0 <tlvar> 
       0x0000000000400568 <+8>:  retq 
   End of assembler dump. 
   

   这是如何快速运行：

   $ time ./inet_test_no_thread 
   f = 1000000000.000000 
   
   real 0m5.169s 
   user 0m5.137s 
   sys  0m0.002s 
   

2. 有__thread变量在一个可执行文件（未在共享库） ，仍然没有缓慢。

   #include "stdio.h" 
   #include "math.h" 
   
   __thread double tlvar; 
   //following line is needed so get_value() is not inlined by compiler 
   double get_value() __attribute__ ((noinline)); 
   double get_value() 
   { 
       return tlvar; 
   } 
   
   int main() 
   { 
       int i; 
       double f=0.0; 
   
       tlvar = 1.0; 
       for(i=0; i<1000000000; i++) 
       { 
       f += sqrt(get_value()); 
       } 
       printf("f = %f\n", f); 
       return 1; 
   } 
   

   这是（的get_value的汇编代码）

   (gdb) disassemble get_value 
   Dump of assembler code for function get_value: 
   => 0x0000000000400590 <+0>:  movsd %fs:0xfffffffffffffff8,%xmm0 
       0x000000000040059a <+10>: retq 
   End of assembler dump. 
   

   这是如何快速运行：

   $ time ./inet_test 
   f = 1000000000.000000 
   
   real 0m5.232s 
   user 0m5.158s 
   sys  0m0.007s 
   

   所以，这是很明显的是，当__thread VAR是可执行文件它和普通的全球变量一样快。

3. 有一个__thread变量，它在共享库中，有缓慢。

   可执行文件：

   $ cat inet_test_main.c 
   #include "stdio.h" 
   #include "math.h" 
   int test(); 
   
   int main() 
   { 
       test(); 
       return 1; 
   } 
   

   共享库：

   $ cat inet_test_lib.c 
   #include "stdio.h" 
   #include "math.h" 
   
   static __thread double tlvar; 
   //following line is needed so get_value() is not inlined by compiler 
   double get_value() __attribute__ ((noinline)); 
   double get_value() 
   { 
       return tlvar; 
   } 
   
   int test() 
   { 
       int i; 
       double f=0.0; 
       tlvar = 1.0; 
       for(i=0; i<1000000000; i++) 
       { 
       f += sqrt(get_value()); 
       } 
       printf("f = %f\n", f); 
       return 1; 
   } 
   

   这是的get_value（）的汇编代码，看看它是多么的不同 - 它调用__tls_get_addr()：

   Dump of assembler code for function get_value: 
   => 0x00007ffff7dfc6d0 <+0>:  lea 0x200329(%rip),%rdi  # 0x7ffff7ffca00 
       0x00007ffff7dfc6d7 <+7>:  callq 0x7ffff7dfc5c8 <__tls_get_addr@plt> 
       0x00007ffff7dfc6dc <+12>: movsd 0x0(%rax),%xmm0 
       0x00007ffff7dfc6e4 <+20>: retq 
   End of assembler dump. 
   
   (gdb) disas __tls_get_addr 
   Dump of assembler code for function __tls_get_addr: 
       0x0000003c40a114d0 <+0>:  push %rbx 
       0x0000003c40a114d1 <+1>:  mov %rdi,%rbx 
   => 0x0000003c40a114d4 <+4>:  mov %fs:0x8,%rdi 
       0x0000003c40a114dd <+13>: mov 0x20fa74(%rip),%rax  # 0x3c40c20f58 <_rtld_local+3928> 
       0x0000003c40a114e4 <+20>: cmp %rax,(%rdi) 
       0x0000003c40a114e7 <+23>: jne 0x3c40a11505 <__tls_get_addr+53> 
       0x0000003c40a114e9 <+25>: xor %esi,%esi 
       0x0000003c40a114eb <+27>: mov (%rbx),%rdx 
       0x0000003c40a114ee <+30>: mov %rdx,%rax 
       0x0000003c40a114f1 <+33>: shl $0x4,%rax 
       0x0000003c40a114f5 <+37>: mov (%rax,%rdi,1),%rax 
       0x0000003c40a114f9 <+41>: cmp $0xffffffffffffffff,%rax 
       0x0000003c40a114fd <+45>: je  0x3c40a1151b <__tls_get_addr+75> 
       0x0000003c40a114ff <+47>: add 0x8(%rbx),%rax 
       0x0000003c40a11503 <+51>: pop %rbx 
       0x0000003c40a11504 <+52>: retq 
       0x0000003c40a11505 <+53>: mov (%rbx),%rdi 
       0x0000003c40a11508 <+56>: callq 0x3c40a11200 <_dl_update_slotinfo> 
       0x0000003c40a1150d <+61>: mov %rax,%rsi 
       0x0000003c40a11510 <+64>: mov %fs:0x8,%rdi 
       0x0000003c40a11519 <+73>: jmp 0x3c40a114eb <__tls_get_addr+27> 
       0x0000003c40a1151b <+75>: callq 0x3c40a11000 <tls_get_addr_tail> 
       0x0000003c40a11520 <+80>: jmp 0x3c40a114ff <__tls_get_addr+47> 
   End of assembler dump. 
   

   它运行速度差不多慢两倍！：

   $ time ./inet_test_main 
   f = 1000000000.000000 
   
   real 0m9.978s 
   user 0m9.906s 
   sys  0m0.004s 
   

   最后 - 这就是perf报告 - __tls_get_addr - CPU利用率为21％：

   $ perf report --stdio 
   # 
   # Events: 10K cpu-clock 
   # 
   # Overhead   Command  Shared Object    Symbol 
   # ........ .............. ................... .................. 
   # 
       58.05% inet_test_main libinet_test_lib.so [.] test 
       21.15% inet_test_main ld-2.12.so   [.] __tls_get_addr 
       10.69% inet_test_main libinet_test_lib.so [.] get_value 
       5.07% inet_test_main libinet_test_lib.so [.] get_value@plt 
       4.82% inet_test_main libinet_test_lib.so [.] __tls_get_addr@plt 
       0.23% inet_test_main [kernel.kallsyms] [k] 0xffffffffa0165b75 
   

所以，你可以看到，当一个线程局部变量是在共享库（声明为静态并仅用于共享库）它比较慢。如果一个共享库中的线程局部变量很少被访问，那么这对性能来说不是问题。如果它在这个测试中经常使用，那么开销会很大。

在评论中提到的文档http://www.akkadia.org/drepper/tls.pdf讨论了四种可能的TLS访问模型。坦率地说，我不明白什么时候使用“Initial exec TLS model”，但是对于其他三种型号，只有当__thread变量位于可执行文件中并且从可执行文件访问时，才有可能避免调用__tls_get_addr()。