从Java视角理解CPU缓存(CPU Cache)

从Java视角理解系统结构连载, 关注我的微博(链接)了解最新动态

众所周知, CPU是计算机的大脑, 它负责执行程序的指令; 内存负责存数据, 包括程序自身数据. 同样大家都知道, 内存比CPU慢很多. 其实在30年前, CPU的频率和内存总线的频率在同一个级别, 访问内存只比访问CPU寄存器慢一点儿. 由于内存的发展都到技术及成本的限制, 现在获取内存中的一条数据大概需要200多个CPU周期(CPU cycles), 而CPU寄存器一般情况下1个CPU周期就够了.

CPU缓存
网页浏览器为了加快速度,会在本机存缓存以前浏览过的数据; 传统数据库或NoSQL数据库为了加速查询, 常在内存设置一个缓存, 减少对磁盘(慢)的IO. 同样内存与CPU的速度相差太远, 于是CPU设计者们就给CPU加上了缓存(CPU Cache). 如果你需要对同一批数据操作很多次, 那么把数据放至离CPU更近的缓存, 会给程序带来很大的速度提升. 例如, 做一个循环计数, 把计数变量放到缓存里,就不用每次循环都往内存存取数据了. 下面是CPU Cache的简单示意图. 

随着多核的发展, CPU Cache分成了三个级别: L1, L2, L3. 级别越小越接近CPU, 所以速度也更快, 同时也代表着容量越小. L1是最接近CPU的, 它容量最小, 例如32K, 速度最快,每个核上都有一个L1 Cache(准确地说每个核上有两个L1 Cache, 一个存数据 L1d Cache, 一个存指令 L1i Cache). L2 Cache 更大一些,例如256K, 速度要慢一些, 一般情况下每个核上都有一个独立的L2 Cache; L3 Cache是三级缓存中最大的一级,例如12MB,同时也是最慢的一级, 在同一个CPU插槽之间的核共享一个L3 Cache.

从CPU到	大约需要的CPU周期	大约需要的时间(单位ns)
寄存器	1 cycle
L1 Cache	~3-4 cycles	~0.5-1 ns
L2 Cache	~10-20 cycles	~3-7 ns
L3 Cache	~40-45 cycles	~15 ns
跨槽传输		~20 ns
内存	~120-240 cycles	~60-120ns

感兴趣的同学可以在Linux下面用cat /proc/cpuinfo, 或Ubuntu下lscpu看看自己机器的缓存情况, 更细的可以通过以下命令看看:

$ cat /sys/devices/system/cpu/cpu0/cache/index0/size
32K
$ cat /sys/devices/system/cpu/cpu0/cache/index0/type
Data
$ cat /sys/devices/system/cpu/cpu0/cache/index0/level 
1
$ cat /sys/devices/system/cpu/cpu3/cache/index3/level   
3

就像数据库cache一样, 获取数据时首先会在最快的cache中找数据, 如果没有命中(Cache miss) 则往下一级找, 直到三层Cache都找不到,那只要向内存要数据了. 一次次地未命中,代表取数据消耗的时间越长.

缓存行(Cache line)
为了高效地存取缓存, 不是简单随意地将单条数据写入缓存的.  缓存是由缓存行组成的, 典型的一行是64字节. 读者可以通过下面的shell命令,查看cherency_line_size就知道知道机器的缓存行是多大.

 $ cat /sys/devices/system/cpu/cpu0/cache/index0/coherency_line_size 
 64

CPU存取缓存都是按行为最小单位操作的. 在这儿我将不提及缓存的associativity问题, 将问题简化一些. 一个Java long型占8字节, 所以从一条缓存行上你可以获取到8个long型变量. 所以如果你访问一个long型数组, 当有一个long被加载到cache中, 你将无消耗地加载了另外7个. 所以你可以非常快地遍历数组.

实验及分析
我们在Java编程时, 如果不注意CPU Cache, 那么将导致程序效率低下. 例如以下程序, 有一个二维long型数组, 在我的32位笔记本上运行时的内存分布如图:

32位机器中的java的数组对象头共占16字节(详情见 链接), 加上62个long型一行long数据一共占512字节. 所以这个二维数据是顺序排列的.

public class L1CacheMiss {
	private static final int RUNS = 10;
	private static final int DIMENSION_1 = 1024 * 1024;
	private static final int DIMENSION_2 = 62;

	private static long[][] longs;

	public static void main(String[] args) throws Exception {
		Thread.sleep(10000);
		longs = new long[DIMENSION_1][];
		for (int i = 0; i < DIMENSION_1; i++) {
			longs[i] = new long[DIMENSION_2];
			for (int j = 0; j < DIMENSION_2; j++) {
				longs[i][j] = 0L;
			}
		}
		System.out.println("starting....");

		final long start = System.nanoTime();
		long sum = 0L;
		for (int r = 0; r < RUNS; r++) {
//			for (int j = 0; j < DIMENSION_2; j++) {
//				for (int i = 0; i < DIMENSION_1; i++) {
//					sum += longs[i][j];
//				}
//			}

			for (int i = 0; i < DIMENSION_1; i++) {
				for (int j = 0; j < DIMENSION_2; j++) {
					sum += longs[i][j];
				}
			}
		}
		System.out.println("duration = " + (System.nanoTime() - start));
	}
}

编译后运行,结果如下

$ java L1CacheMiss 
starting....
duration = 1460583903

然后我们将22-26行的注释取消, 将28-32行注释, 编译后再次运行,结果是不是比我们预想得还糟?

$ java L1CacheMiss 
starting....
duration = 22332686898

前面只花了1.4秒的程序, 只做一行的对调要运行22秒. 从上节我们可以知道在加载longs[i][j]时, longs[i][j+1]很可能也会被加载至cache中, 所以立即访问longs[i][j+1]将会命中L1 Cache, 而如果你访问longs[i+1][j]情况就不一样了, 这时候很可能会产生 cache miss导致效率低下.
下面我们用perf来验证一下,先将快的程序跑一下.

$ perf stat -e L1-dcache-load-misses java L1CacheMiss 
starting....
duration = 1463011588

 Performance counter stats for 'java L1CacheMiss':

       164,625,965 L1-dcache-load-misses                                       

      13.273572184 seconds time elapsed

一共164,625,965次L1 cache miss, 再看看慢的程序

$ perf stat -e L1-dcache-load-misses java L1CacheMiss 
starting....
duration = 21095062165

 Performance counter stats for 'java L1CacheMiss':

     1,421,402,322 L1-dcache-load-misses                                       

      32.894789436 seconds time elapsed

这回产生了1,421,402,322次 L1-dcache-load-misses, 所以慢多了.

以上我只是示例了在L1 Cache满了之后才会发生的cache miss. 其实cache miss的原因有下面三种:
1. 第一次访问数据, 在cache中根本不存在这条数据, 所以cache miss, 可以通过prefetch解决.
2. cache冲突, 需要通过补齐来解决.
3. 就是我示例的这种, cache满, 一般情况下我们需要减少操作的数据大小, 尽量按数据的物理顺序访问数据.
具体的信息可以参考这篇论文.

下一篇将介绍CPU cache的另一种误区: 伪共享(False Sharing).

评论

11 楼 zhang0000jun 2016-10-09  

在jdk1.8中执行正好和楼主的结果相反，请指教

10 楼 在世界的中心呼喚愛 2016-05-07  

forenroll 写道

请问楼主的那个分析工具cachemiss.bin是什么啊？

这个工具找到？

9 楼 xgj1988 2016-03-14  

我这里打出的结果是：

0 L1-dcache-load-misses 都没有 出现 命中失败。何解？

8 楼 forenroll 2013-09-12  

请问楼主的那个分析工具cachemiss.bin是什么啊？

7 楼 rmn190 2012-09-26  

1, 多谢楼主分享这么有深度的文章。
2，希望lz多介绍些，从底层的性能考虑，写Java代码时注意的事项。
3，perf工具的使用。 这是我第一次接触这个工具。同样感谢~

6 楼 7ero 2012-08-11  

那个

for (int i = 0; i < DIMENSION_1; i++) { 
                for (int j = 0; j < DIMENSION_2; j++) { 
                    sum += longs[i][j]; 
                } 
            } 

这种运算，在 C 中有可能是

long* lpoint = longs;

int c = DIMENSION_1 * DIMENSION_2;
long sum = 0;
for (int i = 0; i < c; i++)
{
    sum += lpoint[i];
}

不知道Java的编译器会不会做类似这样的优化。

5 楼 coderplay 2012-05-30  

pingyuyue 写道

coderplay 写道

pingyuyue 写道

"就像数据库cache一样, 获取数据时首先会在最快的cache中找数据, 如果没有命中(Cache miss) 则往下一级找, 直到三层Cache都找不到,那只要向内存要数据了. 一次次地未命中,代表取数据消耗的时间越长. "

求这句话的出处或者依据，感觉如果这样设计的话，效率非常低

《深入理解计算机系统》存储器的层次结构中写道：当程序需要K+1层中的某个数据对象d时，它首先会在第k层的一个块中查找d。。。。

出处就是我这儿~

假如有个数据不在cache中，有3层缓存的话，就意味着要失效3次才能找到数据；

其实数据不在cache中的情况是非常普遍的，所以我感觉不是这样的，不会直接先从最快的，然后一层一层的往下找

感觉是没有用的, 你可以做个测试. 不断地变大线程要操作的数据集, 然后看Cache miss

4 楼 pingyuyue 2012-05-30  

coderplay 写道

pingyuyue 写道

"就像数据库cache一样, 获取数据时首先会在最快的cache中找数据, 如果没有命中(Cache miss) 则往下一级找, 直到三层Cache都找不到,那只要向内存要数据了. 一次次地未命中,代表取数据消耗的时间越长. "

求这句话的出处或者依据，感觉如果这样设计的话，效率非常低

《深入理解计算机系统》存储器的层次结构中写道：当程序需要K+1层中的某个数据对象d时，它首先会在第k层的一个块中查找d。。。。

出处就是我这儿~

假如有个数据不在cache中，有3层缓存的话，就意味着要失效3次才能找到数据；

其实数据不在cache中的情况是非常普遍的，所以我感觉不是这样的，不会直接先从最快的，然后一层一层的往下找

3 楼 coderplay 2012-05-30  

pingyuyue 写道

"就像数据库cache一样, 获取数据时首先会在最快的cache中找数据, 如果没有命中(Cache miss) 则往下一级找, 直到三层Cache都找不到,那只要向内存要数据了. 一次次地未命中,代表取数据消耗的时间越长. "

求这句话的出处或者依据，感觉如果这样设计的话，效率非常低

《深入理解计算机系统》存储器的层次结构中写道：当程序需要K+1层中的某个数据对象d时，它首先会在第k层的一个块中查找d。。。。

出处就是我这儿~

2 楼 pingyuyue 2012-05-29  

"就像数据库cache一样, 获取数据时首先会在最快的cache中找数据, 如果没有命中(Cache miss) 则往下一级找, 直到三层Cache都找不到,那只要向内存要数据了. 一次次地未命中,代表取数据消耗的时间越长. "

求这句话的出处或者依据，感觉如果这样设计的话，效率非常低

《深入理解计算机系统》存储器的层次结构中写道：当程序需要K+1层中的某个数据对象d时，它首先会在第k层的一个块中查找d。。。。

1 楼 wang_scu 2012-04-15  

非常好的文章 顶  多写些关于jvm与系统交互的一些东西 不错 很受用