超线程Smt究竟可以快多少？（斐波那契版）-超线程 smt

宋老师的SMT测试很有意思，但是编译内核涉及的因素太多了，包括访问文件系统等耗时受到存储器性能的影响，难以估算，因此很难评判SMT对性能的提升如何。

为了探究SMT对计算密集型workload的效果，我自己写了一个简单的测试程序。

使用pthread开多个线程，每个线程分别计算斐波那契数列第N号元素的值。每个线程计算斐波那契数列时除线程的元数据外只分配两个unsigned long变量，由此避免过高的内存开销。

workload的详细代码和测试脚本在[https://github.com/HongweiQin/smt_test]

毫无疑问，这是一个计算密集型负载，我在自己的笔记本上运行，配置如下(省略了一些不重要的项目)：

$ lscpu 
Architecture:                    x86_64 
CPU(s):                          12 
On-line CPU(s) list:             0-11 
Thread(s) per core:              2 
Core(s) per socket:              6 
Socket(s):                       1 
NUMA node(s):                    1 
Vendor ID:                       GenuineIntel 
Model name:                      Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz 
L1d cache:                       192 KiB 
L1i cache:                       192 KiB 
L2 cache:                        1.5 MiB 
L3 cache:                        12 MiB

可以看到笔记本有一个Intel i7的处理器，6核12线程。经查，CPU0和CPU6共用一个Core，CPU1和CPU7共用一个Core，以此类推。

以下的测试(Test 1-5)中，每个线程分别计算斐波那契数列第40亿号元素的数值。

Test1：采用默认配置，开12线程进行测试。测试结果为总耗时45.003s。

qhw@qhw-laptop:~/develop/smt_test$ time ./smt_test -f 4000000000 
threads_num=12, fibonacci_max=4000000000, should_set_affinity=0, should_inline=1, alloc_granularity=32 
  
real0m45.003s 
user7m12.953s 
sys0m0.485s

Test2：把smt关掉，同样的测试方法(12线程)。总耗时为25.733s。

qhw@qhw-laptop:~/develop/smt_test$ cat turnoff_smt.sh 
#!/bin/bash 
 
echo "turn off smt" 
sudo sh -c 'echo off > /sys/devices/system/cpu/smt/control' 
qhw@qhw-laptop:~/develop/smt_test$ ./turnoff_smt.sh 
turn off smt 
qhw@qhw-laptop:~/develop/smt_test$ time ./smt_test -f 4000000000 
threads_num=12, fibonacci_max=4000000000, should_set_affinity=0, should_inline=1, alloc_granularity=32 
  
real0m25.733s 
user2m23.525s 
sys0m0.116s

对，你没看错。同样的workload，如果关掉smt，总耗时还变少了。Intel诚不欺我!

Test3：再次允许smt，但是将程序限制在三个物理Core上运行，则总耗时为34.896s。

qhw@qhw-laptop:~/develop/smt_test$ ./turnon_smt.sh 
turn on smt 
qhw@qhw-laptop:~/develop/smt_test$ time taskset -c 0-2,6-8 ./smt_test -f 4000000000 
threads_num=12, fibonacci_max=4000000000, should_set_affinity=0, should_inline=1, alloc_granularity=32 
  
real0m34.896s 
user3m17.033s 
sys0m0.028s

Test3相比于Test1用了更少的Core，反而更快了。

为什么在Test2和3会出现这样违反直觉的结果?

猜想：Cache一致性在作怪!

图1

测试程序的main函数会分配一个含有T(T=nr_threads)个元素的`struct thread_info`类型的数组，并分别将每个元素作为参数传递给每个计算线程使用。`struct thread_info`定义如下：

struct thread_info { 
pthread_t thread_id; 
int thread_num; 
unsigned long res[2]; 
};

结构体中的res数组用于计算斐波那契数列，因此会被工作线程频繁地写。

注意到，sizeof(struct thread_info)为32，而我的CPU的cacheline大小为64B!这意味着什么?

图2

如图所示，如果Thread 0在Core 0上运行，则它会频繁写tinfo[0]，Thread 1在Core 1上运行，则它会频繁写tinfo[1]。

这意味着，当Thread 0写tinfo[0]时，它其实是写入了Core 0上L1 Cache的Cacheline。同样的，当Thread 1写tinfo[1]时，它其实是写入了Core 1上L1 Cache的Cacheline。此时，由于Core 1上的Cacheline并非最新，因此CPU需要首先将Core 0中的Cacheline写入多核共享的L3 Cache甚至是内存中，然后再将其读入Core 1的L1 Cache中，最后再将Thread 1的数据写入。此时，由于Cache 0中的数据并非最新，Cacheline会被无效化。由此可见，如果程序一直这样运行下去，这一组数据需要在Cache 0和1之间反复跳跃，占用较多时间。

这个猜想同样可以解释为什么使用较少的CPU可以加速程序运行。原因是当使用较少的CPU时，多线程不得不分时共用CPU，如果Thread 0和Thread 1分时共用了同一个CPU，则不需要频繁将Cache无效化，程序运行时间也就缩短了。

验证猜想：增加内存分配粒度!

对程序进行修改后，可以使用`-g alloc_granularity`参数设定tinfo结构体的分配粒度。使用4KB为粒度进行分配，再次进行测试：

Test4：12线程，开启SMT，分配粒度为4096。总耗时为13.193s，性能相比于Test1的45.003s有了质的提升!

qhw@qhw-laptop:~/develop/smt_test$ time ./smt_test -f 4000000000 -g 4096 
threads_num=12, fibonacci_max=4000000000, should_set_affinity=0, should_inline=1, alloc_granularity=4096 
  
real0m13.193s 
user2m31.091s 
sys0m0.217s

Test5：在Test4的基础上限制只能使用3个物理Core。总耗时为24.841s，基本上是Test4的两倍。这说明在这个测试下，多核性能还是线性可扩展的。

qhw@qhw-laptop:~/develop/smt_test$ time taskset -c 0-2,6-8 ./smt_test -f 4000000000 -g 4096 
threads_num=12, fibonacci_max=4000000000, should_set_affinity=0, should_inline=1, alloc_granularity=4096 
  
real0m24.841s 
user2m26.253s 
sys0m0.032s

超线程SMT究竟可以快多少?

表格和结论：

测试名	硬件配置	运行时间(s)
Test6	“真”6核	38.562
Test7	“假”6核	58.843
Test8	“真”3核	73.175

测试使用的是6个工作线程。为了减少误差，增加一点运行时间，每个线程计算斐波那契数列第200亿项的值。

对比Test6和7，可以看到SMT的提升大概在52.6%左右。

测试记录：

Test6：别名“真”6核，使用6个关闭了SMT的物理核进行计算。总耗时为38.562s。

Test7：别名“假”6核，使用3个开启了SMT的物理核进行计算。总耗时为58.843s。

Test8：别名“真”3核，使用3个关闭了SMT的物理核进行计算。总耗时为1m13.175s。

qhw@qhw-laptop:~/develop/smt_test$ cat test.sh 
#!/bin/bash 
 
fibonacci=20000000000 
sudo printf "" 
  
./turnoff_smt.sh 
time ./smt_test -f $fibonacci -g 4096 -t 6 
  
./turnon_smt.sh 
time taskset -c 0-2,6-8 ./smt_test -f $fibonacci -g 4096 -t 6 
  
./turnoff_smt.sh 
time taskset -c 0-2,6-8 ./smt_test -f $fibonacci -g 4096 -t 6 
  
./turnon_smt.sh 
qhw@qhw-laptop:~/develop/smt_test$ ./test.sh 
turn off smt 
threads_num=6, fibonacci_max=20000000000, should_set_affinity=0, should_inline=1, alloc_granularity=4096 
  
real0m38.562s 
user3m50.786s 
sys0m0.000s 
turn on smt 
threads_num=6, fibonacci_max=20000000000, should_set_affinity=0, should_inline=1, alloc_granularity=4096 
  
real0m58.843s 
user5m53.018s 
sys0m0.005s 
turn off smt 
threads_num=6, fibonacci_max=20000000000, should_set_affinity=0, should_inline=1, alloc_granularity=4096 
  
real1m13.175s 
user3m39.486s 
sys0m0.008s 
turn on smt