多个nop指令的执行时间不一定比单个nop指令的时间长

Question

我正在使用rdtsc在C ++中定时多个NOP指令和单个NOP指令。但是，执行NOP所需的周期数不会与执行的NOP数量成比例地增加。我对为什么会这样感到困惑。我的CPU是Intel Core i7-5600U @ 2.60Ghz。

这里是代码：

#include <stdio.h>

int main() {
    unsigned long long t;

    t = __rdtsc();
    asm volatile("nop");
    t = __rdtsc() - t;
    printf("rdtsc for one NOP: %llu\n", t);

    t = __rdtsc();
    asm volatile("nop; nop; nop; nop; nop; nop; nop;");
    t = __rdtsc() - t;
    printf("rdtsc for seven NOPs: %llu\n", t);

}

我得到的值是：

rdtsc for one NOP: 78
rdtsc for seven NOPs: 91

rdtsc for one NOP: 78
rdtsc for seven NOPs: 78

当未设置处理器关联性而运行时。当像$ taskset -c 0 ./nop$这样设置处理器相似性时，结果为：

rdtsc for one NOP: 78
rdtsc for seven NOPs: 78

rdtsc for one NOP: 130
rdtsc for seven NOPs: 169

rdtsc for one NOP: 78
rdtsc for seven NOPs: 143

为什么会这样？

Answer 1

您的结果可能是测量噪声和/或频率缩放，因为在您从系统调用返回printf之后的第二个时间间隔内启动了计时器。

RDTSC会计算参考周期，而不是核心时钟周期，因此您大多只是发现CPU频率。 （较低的核心时钟速度=对于运行两个rdtsc指令的相同数目的核心时钟，更多的参考周期）。您的RDTSC指令基本上是背对背的； nop指令与rdtsc本身解码到的微指令数量相比（在包括Broadwell的普通CPU上）微不足道。

也为RDTSC，可以通过乱序执行重新排序。并不是说nop会执行CPU需要等待的任何事情，因此它只是将前端发出第二个rdtsc的微指令延迟0.25或1.75个周期。 （实际上，我不确定微代码定序器是否可以在与另一个指令的uop相同的周期内发送uops。因此可能是1或2个周期）。 我对How to get the CPU cycle count in x86_64 from C++?的回答对RDTSC的工作原理有很多了解。

---

[您可能需要pause指令。在Skylake和更高版本上，它空闲约100个周期，而在较早的Intel内核上，它空闲约5个周期。或旋转RDTSC。 How to calculate time for an asm delay loop on x86 linux?显示了对于给定数量的RDTSC计数休眠的可能有用的延迟自旋循环。您需要知道参考时钟速度，才能将其与纳秒关联，但是通常在Intel CPU上的额定最大非涡轮增压时钟附近。例如在4.0GHz Skylake上为4008 MHz。

---

插入NOP永远不会起作用在具有大量重排序缓冲区的现代超标量/乱序x86上可靠地运行！现代的x86并非微控制器，您可以在其中计算嵌套延迟循环的迭代次数。如果周围的代码在前端没有瓶颈，那么OoO执行人员将隐藏通过管道提供NOP的成本。

说明没有费用，您可以累加]]。要对一条指令的成本进行建模，您需要知道其延迟，前端uop计数以及所需的后端执行端口。以及对管道的任何特殊影响，例如lfence等待先前的所有微指令都退出，然后再发布。 How many CPU cycles are needed for each assembly instruction?

另请参阅What considerations go into predicting latency for operations on modern superscalar processors and how can I calculate them by hand?

---

[请注意，如果正在运行的高速缓存未命中，甚至可能是非常慢的ALU依赖关系，您所需的〜100ns的“睡眠”时间不一定足够长以耗尽乱序执行缓冲区（ROB）。链。 （在人工案例之外，后者不太可能）。因此，您可能不想执行lfence之类的操作。