Download free for 30 days
Sign in
Upload
Language (EN)
Support
Business
Mobile
Social Media
Marketing
Technology
Art & Photos
Career
Design
Education
Presentations & Public Speaking
Government & Nonprofit
Healthcare
Internet
Law
Leadership & Management
Automotive
Engineering
Software
Recruiting & HR
Retail
Sales
Services
Science
Small Business & Entrepreneurship
Food
Environment
Economy & Finance
Data & Analytics
Investor Relations
Sports
Spiritual
News & Politics
Travel
Self Improvement
Real Estate
Entertainment & Humor
Health & Medicine
Devices & Hardware
Lifestyle
Change Language
Language
English
Español
Português
Français
Deutsche
Cancel
Save
Submit search
EN
Uploaded by
Takashi Hoshino
7,299 views
Intel TSX HLE を触ってみた x86opti
Intel TSX HLE の可能性を探るべく,いくつかのマイクロベンチマークで性能評価した.
Technology
◦
Read more
12
Save
Share
Embed
Embed presentation
Download
Downloaded 32 times
1
/ 39
2
/ 39
3
/ 39
4
/ 39
5
/ 39
6
/ 39
7
/ 39
8
/ 39
9
/ 39
10
/ 39
11
/ 39
12
/ 39
13
/ 39
14
/ 39
15
/ 39
16
/ 39
17
/ 39
18
/ 39
19
/ 39
20
/ 39
21
/ 39
22
/ 39
23
/ 39
24
/ 39
25
/ 39
26
/ 39
27
/ 39
28
/ 39
29
/ 39
30
/ 39
31
/ 39
32
/ 39
33
/ 39
34
/ 39
35
/ 39
36
/ 39
37
/ 39
38
/ 39
39
/ 39
More Related Content
PDF
Intel TSX 触ってみた 追加実験 (TTAS)
by
Takashi Hoshino
PDF
Intel TSX について x86opti
by
Takashi Hoshino
PDF
いいかげんな人のためのTransactional Memory Primer
by
Yuto Hayamizu
PDF
SpectreとMeltdown:最近のCPUの深い話
by
LINE Corporation
PDF
あなたの知らないnopたち@ラボユース合宿
by
MITSUNARI Shigeo
PDF
本当にわかる Spectre と Meltdown
by
Hirotaka Kawata
PDF
あるコンテキストスイッチの話
by
nullnilaki
PDF
高速な倍精度指数関数expの実装
by
MITSUNARI Shigeo
Intel TSX 触ってみた 追加実験 (TTAS)
by
Takashi Hoshino
Intel TSX について x86opti
by
Takashi Hoshino
いいかげんな人のためのTransactional Memory Primer
by
Yuto Hayamizu
SpectreとMeltdown:最近のCPUの深い話
by
LINE Corporation
あなたの知らないnopたち@ラボユース合宿
by
MITSUNARI Shigeo
本当にわかる Spectre と Meltdown
by
Hirotaka Kawata
あるコンテキストスイッチの話
by
nullnilaki
高速な倍精度指数関数expの実装
by
MITSUNARI Shigeo
What's hot
PDF
トランザクションの並行実行制御 rev.2
by
Takashi Hoshino
PDF
x86とコンテキストスイッチ
by
Masami Ichikawa
PDF
トランザクションの並行処理制御
by
Takashi Hoshino
PDF
emcjp Item 42
by
MITSUNARI Shigeo
PDF
Cpu cache arch
by
Shinichiro Niiyama
PDF
Code jp2015 cpuの話
by
Shinichiro Niiyama
PDF
プロセスとコンテキストスイッチ
by
Kazuki Onishi
PDF
From IA-32 to avx-512
by
MITSUNARI Shigeo
PDF
BLS署名の実装とその応用
by
MITSUNARI Shigeo
PDF
Wavelet matrix implementation
by
MITSUNARI Shigeo
PDF
Linuxのプロセススケジューラ(Reading the Linux process scheduler)
by
Hiraku Toyooka
PPT
Altanative macro
by
Motohiro KOSAKI
PDF
条件分岐とcmovとmaxps
by
MITSUNARI Shigeo
PPTX
冬のLock free祭り safe
by
Kumazaki Hiroki
PDF
汎用性と高速性を目指したペアリング暗号ライブラリ mcl
by
MITSUNARI Shigeo
PPTX
Linux Performance Analysis in 15 minutes
by
Yohei Azekatsu
PDF
HPC Phys-20201203
by
MITSUNARI Shigeo
PDF
[Basic 9] 並列処理 / 排他制御
by
Yuto Takei
PDF
Haswellサーベイと有限体クラスの紹介
by
MITSUNARI Shigeo
PDF
Spectre/Meltdownとその派生
by
MITSUNARI Shigeo
トランザクションの並行実行制御 rev.2
by
Takashi Hoshino
x86とコンテキストスイッチ
by
Masami Ichikawa
トランザクションの並行処理制御
by
Takashi Hoshino
emcjp Item 42
by
MITSUNARI Shigeo
Cpu cache arch
by
Shinichiro Niiyama
Code jp2015 cpuの話
by
Shinichiro Niiyama
プロセスとコンテキストスイッチ
by
Kazuki Onishi
From IA-32 to avx-512
by
MITSUNARI Shigeo
BLS署名の実装とその応用
by
MITSUNARI Shigeo
Wavelet matrix implementation
by
MITSUNARI Shigeo
Linuxのプロセススケジューラ(Reading the Linux process scheduler)
by
Hiraku Toyooka
Altanative macro
by
Motohiro KOSAKI
条件分岐とcmovとmaxps
by
MITSUNARI Shigeo
冬のLock free祭り safe
by
Kumazaki Hiroki
汎用性と高速性を目指したペアリング暗号ライブラリ mcl
by
MITSUNARI Shigeo
Linux Performance Analysis in 15 minutes
by
Yohei Azekatsu
HPC Phys-20201203
by
MITSUNARI Shigeo
[Basic 9] 並列処理 / 排他制御
by
Yuto Takei
Haswellサーベイと有限体クラスの紹介
by
MITSUNARI Shigeo
Spectre/Meltdownとその派生
by
MITSUNARI Shigeo
Viewers also liked
PDF
YARN: a resource manager for analytic platform
by
Tsuyoshi OZAWA
PDF
10分で分かるデータストレージ
by
Takashi Hoshino
PDF
Effective Modern C++ 勉強会#6 Item25
by
Takashi Hoshino
PDF
Effective Modern C++ 勉強会#8 Item38
by
Takashi Hoshino
PDF
10分で分かるバックアップとレプリケーション
by
Takashi Hoshino
PDF
CMSI計算科学技術特論B(15) インテル Xeon Phi コプロセッサー向け最適化、並列化概要 2
by
Computational Materials Science Initiative
PPT
整数列圧縮
by
JAVA DM
YARN: a resource manager for analytic platform
by
Tsuyoshi OZAWA
10分で分かるデータストレージ
by
Takashi Hoshino
Effective Modern C++ 勉強会#6 Item25
by
Takashi Hoshino
Effective Modern C++ 勉強会#8 Item38
by
Takashi Hoshino
10分で分かるバックアップとレプリケーション
by
Takashi Hoshino
CMSI計算科学技術特論B(15) インテル Xeon Phi コプロセッサー向け最適化、並列化概要 2
by
Computational Materials Science Initiative
整数列圧縮
by
JAVA DM
Similar to Intel TSX HLE を触ってみた x86opti
PDF
研究動向から考えるx86/x64最適化手法
by
Takeshi Yamamuro
PDF
PEZY-SC programming overview
by
Ryo Sakamoto
PDF
20apr2012 kernelvm7-main
by
Shotaro Uchida
PDF
Introduction to OpenCL (Japanese, OpenCLの基礎)
by
Takahiro Harada
PDF
Fpga online seminar by fixstars (1st)
by
Fixstars Corporation
PDF
C base design methodology with s dx and xilinx ml
by
ssuser3a4b8c
PDF
ACRiルーム副室長_安藤様_講演資料
by
直久 住川
PDF
Halide, Darkroom - 並列化のためのソフトウェア・研究
by
Yuichi Yoshida
PPTX
キャッシュコヒーレントに囚われない並列カウンタ達
by
Kumazaki Hiroki
ODP
Boost9 session
by
freedom404
PDF
「FPGA 開発入門:FPGA を用いたエッジ AI の高速化手法を学ぶ」
by
直久 住川
PDF
アプリケーションの性能最適化2(CPU単体性能最適化)
by
RCCSRENKEI
PDF
C++ マルチスレッド 入門
by
京大 マイコンクラブ
PDF
第4回 配信講義 計算科学技術特論B(2022)
by
RCCSRENKEI
PPT
S4
by
あしたのオープンソース研究所
PDF
規格書で読むC++11のスレッド
by
Kohsuke Yuasa
PPTX
Abstracts of FPGA2017 papers (Temporary Version)
by
Takefumi MIYOSHI
PPT
"Formalizing Architectural Connection" 紹介
by
Tadayoshi Sato
PDF
小二病でもGCやりたい
by
dec9ue
PDF
Hadoop book-2nd-ch3-update
by
Taisuke Yamada
研究動向から考えるx86/x64最適化手法
by
Takeshi Yamamuro
PEZY-SC programming overview
by
Ryo Sakamoto
20apr2012 kernelvm7-main
by
Shotaro Uchida
Introduction to OpenCL (Japanese, OpenCLの基礎)
by
Takahiro Harada
Fpga online seminar by fixstars (1st)
by
Fixstars Corporation
C base design methodology with s dx and xilinx ml
by
ssuser3a4b8c
ACRiルーム副室長_安藤様_講演資料
by
直久 住川
Halide, Darkroom - 並列化のためのソフトウェア・研究
by
Yuichi Yoshida
キャッシュコヒーレントに囚われない並列カウンタ達
by
Kumazaki Hiroki
Boost9 session
by
freedom404
「FPGA 開発入門:FPGA を用いたエッジ AI の高速化手法を学ぶ」
by
直久 住川
アプリケーションの性能最適化2(CPU単体性能最適化)
by
RCCSRENKEI
C++ マルチスレッド 入門
by
京大 マイコンクラブ
第4回 配信講義 計算科学技術特論B(2022)
by
RCCSRENKEI
S4
by
あしたのオープンソース研究所
規格書で読むC++11のスレッド
by
Kohsuke Yuasa
Abstracts of FPGA2017 papers (Temporary Version)
by
Takefumi MIYOSHI
"Formalizing Architectural Connection" 紹介
by
Tadayoshi Sato
小二病でもGCやりたい
by
dec9ue
Hadoop book-2nd-ch3-update
by
Taisuke Yamada
More from Takashi Hoshino
PDF
Serializabilityとは何か
by
Takashi Hoshino
PDF
Isolation Level について
by
Takashi Hoshino
PDF
データベースシステムにおける直列化可能性と等価な時刻割り当てルールの提案 rev.3
by
Takashi Hoshino
PDF
WalB Driver Internals
by
Takashi Hoshino
PDF
Effective Modern C++ 勉強会#1 Item3,4
by
Takashi Hoshino
PDF
WALをバックアップとレプリケーションに使う方法
by
Takashi Hoshino
PDF
メモリより大きなデータの Sufix Array 構築方法の紹介
by
Takashi Hoshino
PDF
WalBの紹介
by
Takashi Hoshino
PDF
10分で分かるLinuxブロックレイヤ
by
Takashi Hoshino
PDF
Suffix Array 構築方法の紹介
by
Takashi Hoshino
PDF
An Efficient Backup and Replication of Storage
by
Takashi Hoshino
PPTX
ログ先行書き込みを用いたストレージ差分取得の一手法
by
Takashi Hoshino
PDF
WalB: Block-level WAL. Concept.
by
Takashi Hoshino
PDF
VMware Backup in Cybozu Labs
by
Takashi Hoshino
PDF
Vmbkp: VMware vSphere Incremental Backup Tool
by
Takashi Hoshino
PPT
Inside database
by
Takashi Hoshino
Serializabilityとは何か
by
Takashi Hoshino
Isolation Level について
by
Takashi Hoshino
データベースシステムにおける直列化可能性と等価な時刻割り当てルールの提案 rev.3
by
Takashi Hoshino
WalB Driver Internals
by
Takashi Hoshino
Effective Modern C++ 勉強会#1 Item3,4
by
Takashi Hoshino
WALをバックアップとレプリケーションに使う方法
by
Takashi Hoshino
メモリより大きなデータの Sufix Array 構築方法の紹介
by
Takashi Hoshino
WalBの紹介
by
Takashi Hoshino
10分で分かるLinuxブロックレイヤ
by
Takashi Hoshino
Suffix Array 構築方法の紹介
by
Takashi Hoshino
An Efficient Backup and Replication of Storage
by
Takashi Hoshino
ログ先行書き込みを用いたストレージ差分取得の一手法
by
Takashi Hoshino
WalB: Block-level WAL. Concept.
by
Takashi Hoshino
VMware Backup in Cybozu Labs
by
Takashi Hoshino
Vmbkp: VMware vSphere Incremental Backup Tool
by
Takashi Hoshino
Inside database
by
Takashi Hoshino
Intel TSX HLE を触ってみた x86opti
1.
Intel TSX HLE
を触ってみた x86/x64最適化勉強会6 2013-08-31 星野喬@サイボウズ・ラボ / @starpoz 1
2.
自己紹介 • 星野 喬(@starpoz) –
サイボウズ・ラボ • 興味 – データベース,ストレージ,分散アルゴリズムなど • 今の仕事: #walbdev – Linux における block device の効率的な 増分記録ドライバ • http://developer.cybozu.co.jp/tech/?p=5130 2
3.
今日の話 • Intel の最新
CPU (Haswell) の 新機能のひとつ TSX HLE を使い 性能評価をしてみて トランザクショナルメモリの可能性を探る • 後追い実験大歓迎 J 3
4.
トランザクショナルメモリ (TM) • 「Intel
TSX について」参照 – http://www.slideshare.net/starpos/intel-tsxx86opti4 • 要約: atomic メモリアクセスを実現する技術 – 他と競合したくない一連のメモリアクセス – Lock-free な時代がすぐそこに(反論アリ 4
5.
Intel TSX • Transactional
Synchronization eXtension • 2 つのインターフェースを提供 – HLE: Lock prefix の拡張で細粒度の排他を実現 – RTM: 制約はあるが HardwareTM そのもの • 楽観的な振舞 • CPU L1 キャッシュ上で必要なデータを管理 • キャッシュライン単位での競合検出 5
6.
競合 (collision) • あるリソースへの複数主体からのアクセスが 同時に起きること(要出典) •
Intel TSX の場合: – リソース: キャッシュライン単位のメモリ領域 – 主体: スレッド – アクセス: read/write (全て read の場合を除く) – 同時: クリティカルセクションの実行期間が重複 6
7.
HLE: Hardware Lock
Elision 競合発生しないケース 競合発生するケース 時間 ロックを無視して 投機実行開始 競合発生しなかった めでたしめでたし 時間 競合発生 ロック取れたので 変更破棄 必ず実行できる ロック待ち体制 • 楽観的挙動 –(失敗)à 悲観的挙動 • 失敗すると電気代が無駄になる 7
8.
Spinlock with HLE •
GCC 4.8 の場合 (マニュアル参照) class SpinlockHle { private: char &lock_; public: explicit SpinlockHle(char &lock) : lock_(lock) { int flags = __ATOMIC_ACQUIRE | __ATOMIC_HLE_ACQUIRE; while (__atomic_exchange_n(&lock_, 1, flags)) _mm_pause(); } ~SpinlockHle() noexcept { int flags = __ATOMIC_RELEASE | __ATOMIC_HLE_RELEASE; __atomic_clear(&lock_, flags); } }; 8
9.
HLE on/off の違い ---
t1.hle0.s 2013-08-31 09:23:58.000000000 +0900 +++ t1.hle1.s 2013-08-31 09:23:30.000000000 +0900 @@ -13,12 +13,12 @@ .L3: rep nop .L2: movl %edx, %eax xchgb -1(%rsp), %al + xacquire xchgb -1(%rsp), %al testb %al, %al jne .L3 movb $0, -1(%rsp) + xrelease movb $0, -1(%rsp) xorl %eax, %eax ret .cfi_endproc .LFE859: 9
10.
実験環境 • CPU: Core
i7-4770 – 4cores 8HT – HT 有効 – TurboBoost 有効 • メモリ: 16GB • OS: Ubuntu 13.04 x86_64 kernel 3.8.19 • コンパイラ: GCC 4.8.1 – 最適化フラグ: -O2 のみ 10
11.
実験方法 • スレッドを必要なだけ起動して,X 秒間クリティカル セクション
(CS) を繰り返し実行 • Spinlock を使って CS の排他を取る – HLE 有効/無効は実験パラメータ – 終了判定のために CS 実行毎に atomic<bool> を load するオーバーヘッドあり • CS の実行回数の合計値を X で割ったものを スループットとする • 上記実験を Y 回行い,スループットの avg, min, max を計算 11
12.
Experiments • • • • • Expr1: Expr2: Expr3: Expr4: Expr5: simple counter(s) counter(s) with
delay collision timing access area size map operations 12
13.
Expr1: simple counter(s) •
クリティカルセクションループ while (!isEnd_.load(std::memory_order_relaxed)) { SpinlockHle<useHLE> lk(mutex_); counter_++; } • パラメータ – 競合率 100%: counter を全スレッドで共有 – 競合率 0%: スレッド毎に counter を持つ • キャッシュラインが異なるように 64byte 毎に配置 Counter Thread 競合率 100% Thread 競合率 0% Counter 13
14.
Expr1: result 44.7x 10 sec,
20 trials spinlock なしの 8 threads 実行で 4309M なので, isEnd.load() のオーバーヘッドは 8% 程度 14
15.
Expr1: result (scaled) 競合100%
のときは オーバーヘッドの分 性能悪化 10 sec, 20 trials 15
16.
Expr2: counter(s) with
delay • 1us delay (誤差は実測 70ns 以下) void delayUsec(uint64_t usec) { auto ts0 = std::chrono::high_resolution_clock::now(); uint64_t diff = 0; while (diff < usec * 1000) { auto ts1 = std::chrono::high_resolution_clock::now(); diff = std::chrono::duration_cast< std::chrono::nanoseconds>(ts1 - ts0).count(); } } • クリティカルセクション while (!isEnd_.load(std::memory_order_relaxed)) { SpinlockHle<useHLE> lk(mutex_); counter_++; delayUsec(1); } 16
17.
Expr2: result 10 sec,
20 trials cs が 1us でも最大 5 倍程度の性能アップを期待できる 17
18.
Expr3: • 1us
delay の前/後にカウンタを更新する while (!isEnd_.load(std::memory_order_relaxed)) { SpinlockHle<useHLE> lk(mutex_); if (isBefore) delayUsec(1); counter_++; if (!isBefore) delayUsec(1); } • 目的 – 競合発覚するのが CS の最初か最後かで楽観的 実行が失敗する頻度が変化するのを観察したい 18
19.
Expr3: result 10 sec,
20 trials 19
20.
Expr4: • 目的 –
write buffer や read flag を管理する領域は有 限なので,HLE で恩恵が受けられるアクセスサイ ズの上限を知りたい • 手段 – X 個の 64bytes メモリ断片をスレッド毎に用意 – CS の中で Y 個にアクセスする(重複アリ) – 他の条件を同じにするため,Y は固定 – 2 <= X <= Y で評価 – 今回は write の評価のみ 20
21.
Expr4: 1-4 thread
16 clines 1 threads 3 threads 10 sec, 20 trials 2 threads 4 threads CS 内では 12 lines までのアクセスにした方が良さそう 21
22.
Expr4: 5-8 thread
16 clines 5 threads 7 threads 10 sec, 20 trials 6 threads 8 threads 安定しない結果.12 lines を越えても効果があるケースも 22
23.
Expr4: 5-8 thread
64 clines 5 threads 7 threads 5 sec, 100 trials 6 threads 8 threads 安定しない結果,実験方法に問題があるかも? 23
24.
Expr5: • 目的: –
実用的なデータ構造で HLE の効果を知る • 手段: – std::map<uint32_t, uint32_t> をひとつの spinlock で排他 – read 比率を変える: 0%, 90%, 99%, 100% • read 操作: ランダムキーで lower_bound 検索 • write 操作: ひとつ削除,その後 insert – 初期アイテム数: 10K (約2MB), 1M (約100MB) – (ついでに自作の btree map でも試す) 24
25.
20131022追記 • 以下 expr5
の結果グラフのスループットは全 て誤って 3 倍に集計されていたことが発覚 – 集計スクリプトのミス • スループットを見るときは表記の 1/3 にして ご覧ください 25
26.
Expr5: 10K items,
read 0% std::map はスレッド数増加で HLE on が逆転 性能上昇は最大で 39% (8 threads) btree も同様の傾向 26
27.
Expr5: 10K items,
read 90% std::map では 2 threads 以上で HLE on が上回る. 最大46%性能Up (3 threads) btree では傾向が安定しないが 概ね同程度と言える 27
28.
Expr5: 10K items,
read 99% std::map は最大 2.9 倍の性能 (3 threads) btree も最大 2.4 倍の性能 (3 threads) 28
29.
Expr5: 10K items,
read 100% std::map は 6 threads で 7.4 倍 btree は 4 threads で 3.4 倍 29
30.
Expr5: 1M items,
read 0% 3 threads 以上で HLE on の方が良い std::map 6.9% up (3 threads) btree: 7.3% up (3 threads) 30
31.
Expr5: 1M items,
read 90% std::map は 58% up (3 threads) btree は 54% up (3 threads) 31
32.
Expr5: 1M items,
read 99% std::map は 2.4 倍 (3 threads) btree は 2.4 倍 (3 threads) 32
33.
Expr5: 1M items
read 100% std::map は 2.6 倍 (4 threads) btree は 2.6 倍 (3 threads) 33
34.
Expr5: まとめ • 性能向上 –
10K items で 最大 7.4 倍 (read 100%) – 1M items で 最大 2.6 倍 (read 100%) • 現状の結論 – データがキャッシュに乗る程度に小さく read 比 率が低いと HLE のオーバーヘッドが目立つ • 考察 – critical section でより多くの操作をするケースも 評価すべき 34
35.
HLE 評価まとめ • 手間なしで性能が向上する魔法 –
楽観的挙動 à 悲観的挙動なので 性能最悪値を保証してくれるのも魅力 – デッドロックは従来通り気をつける必要あり • 使うべき条件 – 条件1: 競合が起きにくい (read 比率が高い) – 条件2: クリティカルセクション実行時間が短い – 条件3: アクセス対象メモリが少ない 35
36.
今後の展望 • HLE には条件分岐予測のように
elision すべきかど うかを予測して性能向上させる余地があるのではな いか? – 今回あまり調べてないので既にやってたらごめんなさい • RTMは? – L1 のみならず,L2/L3 そしてメモリコントローラまで TM のことを考えてくれるようになるまで様子見したい – 速度が重要じゃない用途なら STM と連動できるように なった時点で開発効率の点から有用なのではないか 36
37.
おまけ: 私の単体 CPU
購入歴 • • • • • • AMD K6-300 Intel Pentium II 333MHz AMD Athlon 64 3200+ AMD Athlon X2 BE-2400 AMD Phenom II X4 910e AMD Phenom II X6 1065T • こんな私が買う気になってるのだから Haswell は凄い! 37
38.
実験してみたい人へ • 用意するもの – TSX
サポート付きの Haswell CPU – Linux OS (古いものはオススメしない) – GCC 4.8 以降 • ソースコード – https://github.com/starpos/hle_bench 38
39.
ありがとうございました • ご質問,コメントはご気軽にどうぞ J 39
Download