英特尔酷睿i7处理器和高速缓存行为

Question

我已经运行以下汇编代码：（它通过1000万个元素，每个4字节数组重复1000次）在Intel Core i7 CPU（具有32KB L1数据高速缓存和64B L1高速缓存行大小）

main: 
.LFB0: 
    .cfi_startproc 
    mov edx, 1000 
    jmp .L2 
.L3: 
    mov ecx, DWORD PTR v[0+eax*4] 
    add eax, 1 

    cmp eax, 10000000 
    jl .L3 
    sub edx, 1 
    je .L4 
.L2: 
    mov eax, 0 
    jmp .L3 
.L4: 
    mov eax, 0 
    ret 
    .cfi_endproc 

逆足给出下列数据：

10,135,716,950  L1-dcache-loads 
601,544,266  L1-dcache-load-misses  # 5.93% of all L1-dcache hits 
4.747253821 seconds time elapsed 

这使得完全感，因为我访问1 000 * 10 000 000 = 10 000 000 000在存储器元件，和所述缓存行是64B（带有一个向量为4 B的元素），这意味着在e处一个L1缓存未命中非常16个元素（因此约625 000 000个L1缓存未命中）。

现在，我已经“展开”循环的一部分，代码为：

.cfi_startproc 
    mov  edx, 1000 
    jmp  .L2 
.L3: 
    mov  ecx, DWORD PTR v[0+eax*4] 
    mov  ecx, DWORD PTR v[0+eax*4 + 4] 
    mov  ecx, DWORD PTR v[0+eax*4 + 8] 
    mov  ecx, DWORD PTR v[0+eax*4 + 12] 

    add  eax, 4 

    cmp  eax, 2500000 
    jl  .L3 
    sub  edx, 1 
    je  .L4 
.L2: 
    mov  eax, 0 
    jmp  .L3 
.L4: 
    mov  eax, 0 
    ret 
    .cfi_endproc 

逆足如何给出了如下数据：

2,503,436,639  L1-dcache-loads 
123,835,666  L1-dcache-load-misses  # 4.95% of all L1-dcache hits 
0.629926637 seconds time elapsed 

我不明白为什么？

1）因为我正在访问相同数量的数据，所以L1缓存负载较少？

2）代码运行速度比第一个版本快6倍？我知道它有 与无序执行和超标量执行有关，但我无法详细解释这一点（我想明白导致这种加速的确切原因）。

Answer 1

坏消息 - 你必须在第二个错误;）

原始代码

.L3: 
    mov ecx, DWORD PTR v[0+eax*4] 
    add eax, 1 
    cmp eax, 10000000 
    jl .L3 

第二个版本

.L3: 
    mov  ecx, DWORD PTR v[0+eax*4] 
    mov  ecx, DWORD PTR v[0+eax*4 + 4] 
    mov  ecx, DWORD PTR v[0+eax*4 + 8] 
    mov  ecx, DWORD PTR v[0+eax*4 + 12] 
    add  eax, 4 
    cmp  eax, 2500000 <- here 
    jl  .L3 

在您需要加载10个亿元素两种情况。在两种情况下访问的最大元素地址必须相同，对吗？

因此，在第一种情况下最大地址是：

(10.000.000-1)*4 = 39.999.996 

和第二：少

(2.500.000-4)*4+12 = 9.999.996 

正好是4倍。

只需修复第二个例子cmp eax, 10000000。