如何改進CPU性能發(fā)展瓶頸問題？

通常一個處理器包含多個核心（Core），集成 Cache 子系統(tǒng)，內(nèi)存子系統(tǒng)通過內(nèi)部或外部總線與其通信。在經(jīng)典CPU中一般有兩個常用的組件:北橋（North Bridge）和南橋（South Bridge）。它們是處理器和內(nèi)存以及其他外設(shè)溝通的渠道。圖1給出了處理器、內(nèi)存、南北橋以及其他總線之間的關(guān)系。

圖1

從圖一可以看到：

1）處理器訪問內(nèi)存需要通過北橋。

2）處理器訪問所有的外設(shè)都需要通過北橋。

3）掛在南橋的所有設(shè)備訪問內(nèi)存也需要通過北橋。

那么CPU訪問南橋上的外部設(shè)備和北橋上的DDR內(nèi)存的訪問速率受CPU的主頻、Local Bus帶寬、南橋外設(shè)總線的速率、CPU取指令機制等多方面所影響。

處理器主頻和集成度在過去二十年里一直按照摩爾定律在發(fā)展，從單核到多核以及超線程。處理器的性能提高不少，同時處理器的功耗也正比于主頻的三次方在增加。因為使用的晶體管柵極材料存在漏電現(xiàn)象，高頻率下電子遷移顯著，勢必為導(dǎo)致產(chǎn)熱量增加，散熱帶了重大問題。CPU歡快的朝著頻率越來越高的方向發(fā)展，受到物理極限的挑戰(zhàn)，又轉(zhuǎn)為核數(shù)越來越多的方向發(fā)展。由于所有CPU Core都是通過共享一個北橋來讀取內(nèi)存，隨著核數(shù)如何的發(fā)展，北橋在響應(yīng)時間上的性能瓶頸越來越明顯當北橋出現(xiàn)擁塞時，所有的設(shè)備和處理器都要癱瘓。這種系統(tǒng)設(shè)計的另外一個瓶頸體現(xiàn)在對內(nèi)存的訪問上。不管是處理器或者顯卡，還是南橋的硬盤、網(wǎng)卡或者光驅(qū)，都需要頻繁訪問內(nèi)存，當這些設(shè)備都爭相訪問內(nèi)存時，增大了對北橋帶寬的競爭，而且北橋到內(nèi)存之間也只有一條總線。

為了改善對內(nèi)存的訪問瓶頸，出現(xiàn)了另外一種系統(tǒng)設(shè)計，內(nèi)存控制器并沒有被集成在北橋中，而是被單獨隔離出來以協(xié)調(diào)北橋與某個相應(yīng)的內(nèi)存之間的交互。系統(tǒng)結(jié)構(gòu)如圖2所示。

圖 2 所示的這種架構(gòu)增加了內(nèi)存的訪問帶寬，緩解了不同設(shè)備對同一內(nèi)存訪問的擁塞問題，但是卻沒有改進單一北橋芯片的瓶頸的問題。

圖2

為了解決北橋北橋在響應(yīng)時間上的性能瓶頸，把內(nèi)存控制器（原本北橋中讀取內(nèi)存的部分）也做個拆分，平分到了每個CPU上。于是NUMA（Non-Uniform Memory Access）就出現(xiàn)了。內(nèi)存控制器集成到CPU內(nèi)部，Intel第二代酷睿I系列以及將主板北橋合并到CPU內(nèi)部，所以Intel第二代酷睿I系列沒有北橋，只有南橋。AMD沒有吞并北橋。順便補充一下Intel 單個socket只支持單個node,AMD 單個socket配對多個node。（Node，socket，core，thread）是NUMA中的概念，linux下查看cpu參數(shù)通過如下命令：

a)lscpu

圖3

圖3可以看出CPU是小端模式，每個CPU有一個core，每一個core有一個thread。三級cache大小，F(xiàn)lags查看支持的大頁內(nèi)存，比如pse 代表支持2MB的內(nèi)存頁，pdpe1gb代表支持1G內(nèi)存頁。

b）cat /proc/cpuinfo

圖4

從圖4可以到Core ID、超線程數(shù)、Core的16進制編碼（在DPDK應(yīng)用中會用到這些參數(shù)）。

NUMA設(shè)計框架如圖5所示。紅色綠色箭頭代表訪問處理器本地內(nèi)存（Local memory），紅色箭頭訪問遠程內(nèi)存（remote memory），即其他處理器的本地內(nèi)存，需要通過額外的總線！

NUMA中，雖然內(nèi)存直接attach在CPU上，但是由于內(nèi)存被平均分配在了各個die上。只有當CPU訪問自身直接attach內(nèi)存對應(yīng)的物理地址時，才會有較短的響應(yīng)時間（后稱Local Access）。而如果需要訪問其他CPU attach的內(nèi)存的數(shù)據(jù)時，就需要通過inter-connect通道訪問，響應(yīng)時間就相比之前變慢了（后稱Remote Access）。所以NUMA（Non-Uniform Memory Access）就此得名。

圖5

從前面分析發(fā)現(xiàn)，確實提高了CPU訪問內(nèi)存和外設(shè)的速率，奈何CPU處理速率遠遠超過了內(nèi)存的吞吐速率，這里就帶來了CPU不必要的開銷。一般來說，當CPU從DDR中取指令時，大概要花費幾百個時鐘周期，在這幾百個時鐘周期內(nèi)，處理器除了等待什么也不能做。在這種環(huán)境下，才提出了Cache的概念，其目的就是為了匹配處理器和內(nèi)存之間存在的巨大的速度鴻溝。

Cache 由三級組成，之所以對Cach 進行分級，也是從成本和生產(chǎn)工藝的角度考慮的。一級（L1）最快，但是容量最小，一級cache分為指令cache和數(shù)據(jù)cache,圖3中可以查看；三級（LLC， Last Level Cache）最慢，但是容量最大。當CPU需要訪問某個地址時候，首先在cache中目錄表中查詢是否有該內(nèi)容，有就直接取指令或者數(shù)據(jù)，沒有就從DDR中取取指令或者數(shù)據(jù)。在cache有對應(yīng)的數(shù)據(jù)簡稱指令命中，反之指令沒有命中。L3 cache命中，大約需要40個時鐘周期，L3 cache沒命中，一個內(nèi)存讀需要140個時鐘周期。

Cache 的預(yù)取指令分為時間局部性和空間局部性。時間局部性是指程序即將用到的指令/數(shù)據(jù)可能就是目前正在使用的指令數(shù)據(jù)。因此，當前用到的指令/數(shù)據(jù)在使用完畢之后以暫時存放在Cache中，可以在將來的時候再被處理器用到?？臻g局部性是指程序即將用到的指/數(shù)據(jù)可能與目前正在使用的指令/數(shù)據(jù)在空間上相鄰或者相近。因此，在處理器處理當前指令/數(shù)據(jù)時，可以從內(nèi)存中把相鄰區(qū)域的指令/數(shù)據(jù)讀取到Cache中，當處理器需要處理相鄰內(nèi)存區(qū)域的指令/數(shù)據(jù)時，可以直接從Cache中讀取，節(jié)省訪問內(nèi)存的時間。這里可以創(chuàng)建一個二維數(shù)組，然后順序橫向a[i][j]和豎向a[j][i]賦值計算時間做對比，由于a[j][i]地址是跳躍性的賦值，cache不能命中，所以消耗的時間遠遠大于連續(xù)地址的賦值。

提高CPU性能還可以采用多核并行計算，一個時鐘周期讀取N條指令。在軟件上也可以做適當?shù)南到y(tǒng)優(yōu)化和算法優(yōu)化，比如配置CPU 親和性，CPU 親和性（Core affinity）就是一個特定的任務(wù)要在某個定的 CPU 上盡量長時間地運行而不被遷移到其他處理器上的傾向性。