X86 上，load(memory_order_seq_cst) 或atomic_fetch_add(0, memory_order_relaxed) 哪一个性能更好？

Question

问题1：我有一个主要用于计数的变量，只关心它自己的值。以下两种方法哪一种性能更好？

方法一： 读取：aaa.atomic_fetch_add(0, memory_order_relaxed) 写入：aaa.atomic_fetch_add(1, memory_order_relaxed)

方法2： 读取：aaa.load(memory_order_seq_cst) 写入：aaa.atomic_fetch_add(1, memory_order_seq_cst)

问题2：如果线程T1：aaa可能已经存在于T1的storebuffer中，T1的原子RMW操作会刷新storebuffer吗？

Answer 1

在 x86 上，

seq_cst

加载不需要额外的障碍，因此与

relaxed

加载一样便宜，除了编译时重新排序之外。纯负载比任何 RMW 都要快得多，例如在无争用情况下，每个时钟 3 个时钟与每 20 个时钟 1 个时钟，并且纯负载可通过多个并行读取器进行扩展。 （https://uops.info/ 看看

lock xadd

与

mov r32, mem

）

原子 RMW 是 x86 上的全面障碍；在 asm 中，没有办法让它们比

seq_cst

更弱。 （所以是的，他们必须等待存储缓冲区耗尽。）只有

.store(val, seq_cst)

需要任何额外的屏障指令（通常是

lock add byte [rsp], 0

，因为在许多 CPU 上它比

mfence

更快。）

就线程间延迟而言，两者应该表现相同； 存储缓冲区已经尝试尽快耗尽自身以避免变满和停滞。 （当从前端向后端发出存储 uop 时，前端必须分配一个存储缓冲区条目，因此不这样做对于乱序 exec 能看到的距离来说会更糟。）请参阅除了提供必要的保证之外，硬件内存屏障是否还能使原子操作的可见性更快？（否）