DeepRoute Lab | 缓存对多线程程序性能的影响

当我们的多线程程序遇到性能问题时，通常我们会下意识地觉得这是由于上下文切换、cpu 迁移等因素导致的。那么，如何更进一步地分析究竟是哪一部分语句造成了什么样的影响呢？这篇分享将从计算机体系结构的角度，结合非常典型的代码案例，为你解惑。

在进入正题之前，如果对缓存还不了解的读者，可以先看看这篇分享。

DeepRoute Lab | 【C++性能】CPU Cache Serial 1

01

引子

1.1 第一个代码片段

（点击查看大图）

1.2 第二个代码片段

（点击查看大图）

1.3 转置

代码片段一里面，GoodWorker的效率（计算的耗时）

是 BadWorker 的 10 倍左右（取决于具体硬件条件和其他相关因素）。

在不知道其他背景知识的前提下，我们怎么来定位这个问题呢？

• 加耗时的打印？

  - 不好意思，面对这种已经只剩大量基本操作的代码，没法做到更细粒度的耗时打印了。

• 看火焰图？

（点击查看大图）

可以看到，除了 GoodWorker 在整个 workload 上的占比（83%）比 BadWorker （96%） 略低以外（也不能提供其他进一步的指导意义了）， 两个函数在火焰图上都可谓是“一马平川”，火焰图在这种情况下也失去了指导意义。

难道就没有任何办法了吗？

开什么玩笑，如果没有办法，这篇文章也就写不下去了！

那么答案是什么呢！

02

Perf Events 初探

2.1 代码片段一的性能数据 

在详细介绍 perf events 之前，让我们直观地通过数据来体会一下它在分析这类问题上的强大之处。

下面所有类似的结果均采用 perf events 生成。

（点击查看大图）

以上分别是 BadWorker 和 GoodWorker 使用 Perf Events 诊断的结果，可以看到已经有大量的差异巨大的数值和比例了。

我们通过一个表格对比一下几个主要的指标：