使用valgrind檢查cache命中率，提高程序性能

Valgrind為一個debugging 和 profiling的工具包，檢查內存問題只是其最知名的一個用途。今天介紹一下，valgrind工具包中的cachegrind。關於cachegrind的具體介紹，請參見valgrind的在線文檔http://www.valgrind.org/docs/manual/cg-manual.html

下面使用一個古老的cache示例：

#include <stdio.h>
#include <stdlib.h>

#define SIZE 100

int main(int argc, char **argv)
{
    int array[SIZE][SIZE] = {0};
    int i,j;

#if 1
    for (i = 0; i < SIZE; ++i) {
        for (j = 0; j < SIZE; ++j) {
            array[i][j] = i + j;
        }
    }
#else
    for (j = 0; j < SIZE; ++j) {
        for (i = 0; i < SIZE; ++i) {
            array[i][j] = i + j;
        }
    }
#endif

    return 0;
}

這個示例代碼從很久就開始用於說明利用局部性來增加cache的命中率。傳統的答案是第一個for循環的性能要優於第二個循環。 我使用條件編譯，在沒有打開任何優化開關的條件下，第一種情況生成文件為test1，第二種情況生成文件為test2。 下面是輸出

  1. [fgao@fgao-vm-fc13 test]$ valgrind --tool=cachegrind ./test1
  2. ==2079== Cachegrind, a cache and branch-prediction profiler
  3. ==2079== Copyright (C) 2002-2009, and GNU GPL'd, by Nicholas Nethercote et al.
  4. ==2079== Using Valgrind-3.5.0 and LibVEX; rerun with -h for copyright info
  5. ==2079== Command: ./test1
  6. ==2079==
  7. ==2079==
  8. ==2079== I refs: 219,767
  9. ==2079== I1 misses: 614
  10. ==2079== L2i misses: 608
  11. ==2079== I1 miss rate: 0.27%
  12. ==2079== L2i miss rate: 0.27%
  13. ==2079==
  14. ==2079== D refs: 124,402 (95,613 rd + 28,789 wr)
  15. ==2079== D1 misses: 2,041 ( 621 rd + 1,420 wr)
  16. ==2079== L2d misses: 1,292 ( 537 rd + 755 wr)
  17. ==2079== D1 miss rate: 1.6% ( 0.6% + 4.9% )
  18. ==2079== L2d miss rate: 1.0% ( 0.5% + 2.6% )
  19. ==2079==
  20. ==2079== L2 refs: 2,655 ( 1,235 rd + 1,420 wr)
  21. ==2079== L2 misses: 1,900 ( 1,145 rd + 755 wr)
  22. ==2079== L2 miss rate: 0.5% ( 0.3% + 2.6% )

  24. [fgao@fgao-vm-fc13 test]$ valgrind --tool=cachegrind ./test2
  25. ==2080== Cachegrind, a cache and branch-prediction profiler
  26. ==2080== Copyright (C) 2002-2009, and GNU GPL'd, by Nicholas Nethercote et al.
  27. ==2080== Using Valgrind-3.5.0 and LibVEX; rerun with -h for copyright info
  28. ==2080== Command: ./test2
  29. ==2080==
  30. ==2080==
  31. ==2080== I refs: 219,767
  32. ==2080== I1 misses: 614
  33. ==2080== L2i misses: 608
  34. ==2080== I1 miss rate: 0.27%
  35. ==2080== L2i miss rate: 0.27%
  36. ==2080==
  37. ==2080== D refs: 124,402 (95,613 rd + 28,789 wr)
  38. ==2080== D1 misses: 1,788 ( 621 rd + 1,167 wr)
  39. ==2080== L2d misses: 1,292 ( 537 rd + 755 wr)
  40. ==2080== D1 miss rate: 1.4% ( 0.6% + 4.0% )
  41. ==2080== L2d miss rate: 1.0% ( 0.5% + 2.6% )
  42. ==2080==
  43. ==2080== L2 refs: 2,402 ( 1,235 rd + 1,167 wr)
  44. ==2080== L2 misses: 1,900 ( 1,145 rd + 755 wr)
  45. ==2080== L2 miss rate: 0.5% ( 0.3% + 2.6% )

結果有點出人意料，第一種情況在D1的命中率反而低於第二種情況。

這個結果其實是應該可以理解的。

  1. 現在的CPU的cache是以line為單位的。這樣，當數組的size不大時，第二種情況的循環，雖然沒有使用局部性原則，但是並不會因此降低cache的命中率，並且可能可以迅速的將數據填到cache中
  2. 現在的CPU的cache空間較大。這樣，當數組的size不大時，即使沒有使用局部性原則，也不會導致cache的頻繁更新。 由於我對cache的理解，也比較粗淺，所以不能明確的指出這個結果的根本原因。根據上面的兩個條件，基本上也可以理解為什麼第二種情況更快。

為了使cachegrind的結果與傳統的答案一樣，我們就需要破壞上面兩個條件。那麼，現在將SIZE從100增大的1000。再次看一下輸出結果：

  1. [fgao@fgao-vm-fc13 test]$ valgrind --tool=cachegrind ./test1
  2. ==2094== Cachegrind, a cache and branch-prediction profiler
  3. ==2094== Copyright (C) 2002-2009, and GNU GPL'd, by Nicholas Nethercote et al.
  4. ==2094== Using Valgrind-3.5.0 and LibVEX; rerun with -h for copyright info
  5. ==2094== Command: ./test1
  6. ==2094==
  7. ==2094==
  8. ==2094== I refs: 11,519,463
  9. ==2094== I1 misses: 617
  10. ==2094== L2i misses: 611
  11. ==2094== I1 miss rate: 0.00%
  12. ==2094== L2i miss rate: 0.00%
  13. ==2094==
  14. ==2094== D refs: 7,305,498 (6,038,310 rd + 1,267,188 wr)
  15. ==2094== D1 misses: 125,791 ( 621 rd + 125,170 wr)
  16. ==2094== L2d misses: 125,763 ( 595 rd + 125,168 wr)
  17. ==2094== D1 miss rate: 1.7% ( 0.0% + 9.8% )
  18. ==2094== L2d miss rate: 1.7% ( 0.0% + 9.8% )
  19. ==2094==
  20. ==2094== L2 refs: 126,408 ( 1,238 rd + 125,170 wr)
  21. ==2094== L2 misses: 126,374 ( 1,206 rd + 125,168 wr)
  22. ==2094== L2 miss rate: 0.6% ( 0.0% + 9.8% )

  24. [fgao@fgao-vm-fc13 test]$ valgrind --tool=cachegrind ./test2
  25. ==2095== Cachegrind, a cache and branch-prediction profiler
  26. ==2095== Copyright (C) 2002-2009, and GNU GPL'd, by Nicholas Nethercote et al.
  27. ==2095== Using Valgrind-3.5.0 and LibVEX; rerun with -h for copyright info
  28. ==2095== Command: ./test2
  29. ==2095==
  30. ==2095==
  31. ==2095== I refs: 11,519,463
  32. ==2095== I1 misses: 617
  33. ==2095== L2i misses: 611
  34. ==2095== I1 miss rate: 0.00%
  35. ==2095== L2i miss rate: 0.00%
  36. ==2095==
  37. ==2095== D refs: 7,305,498 (6,038,310 rd + 1,267,188 wr)
  38. ==2095== D1 misses: 1,063,300 ( 621 rd + 1,062,679 wr)
  39. ==2095== L2d misses: 116,261 ( 595 rd + 115,666 wr)
  40. ==2095== D1 miss rate: 14.5% ( 0.0% + 83.8% )
  41. ==2095== L2d miss rate: 1.5% ( 0.0% + 9.1% )
  42. ==2095==
  43. ==2095== L2 refs: 1,063,917 ( 1,238 rd + 1,062,679 wr)
  44. ==2095== L2 misses: 116,872 ( 1,206 rd + 115,666 wr)
  45. ==2095== L2 miss rate: 0.6% ( 0.0% + 9.1% )

對比紅色的兩行，第一種情況的miss率為1.7%，而第二種情況的miss率高達14.5%。現在符合了傳統答案。

總結一下：

  1. 我們可以使用cachegrind來檢查cache的命中率，提高程序性能；
  2. 盡信書不如無書。書中的一些結果面對現在的環境，很可能是錯誤的。畢竟IT技術更新太快。還是自己動手實踐一下更好！

注：Valgrind對於cache的測量，只是一種模擬。但是按照valgrind的文檔，結果的可靠性還是有保證的。