续之前side project学到 i-cache的优化策略和bitwise.swar(SIMD Within A Register). 还有branchless各种加速技巧後 (这些都比较偏向Cpu ALU效率问题) 现在的side project撞到另外一个墙 是冯诺伊曼架构 天花板之一 也就受计算受限於记忆体延迟,用netlist跑Switch-level简化Transistor-level计算, https://gemini.google.com/share/8014e5049296 多数时间cost不是在於节点跟节点之间搜寻.计算.更新, 而是要处理随机分布的记忆体资料,产生cpu其实有点喂不饱, cost全在捞记忆体资料本身,你再怎样改善,墙就是在那边, 但还是有一些优化技巧(但你再怎麽优化天花板就还是在那边), 不过我真的不知道这些优化技巧除了side project或是啥3a游戏.特定演算法之类的, 还能用在哪里,已经不在多数人工作需要考虑到的范围内. 原则上其实跟i-cahe优化很相似,只是这次变成减少 L-cache的存取次数.大小, 原则就两个 想办法缩减资料布局甚至透过pack压缩 (但你也得算解压缩本身的ALU cost划不划算), 尽可能让热资料放到比较快的cache层级内, 但实际上没办法决定资料会放到哪一层cache, 我们只能尽可能创造让资料尽可能放到更快cache的机率条件, 然後资料也有分冷热,分开管理也是一个技巧,还有减少存取次数, 像是用long型态一次抓多几笔资料,还有包装成64byte技巧会比较顺, 另外也有接触到prefetch的技巧, 但对我专案没有用,好奇可以看看AI整理的专案笔记,原则上工作压根用不到, 当你哪天需要在那边斤斤计较什麽I-CAHE L-CACHE Missing的这种层级的议题, 应该是在啥满厉害的公司了,感觉上L-CACHE某些SERVER和资料库的优化议题可能会用到. https://erspicu.github.io/AprVisual/cache.html 可以看一个概念,或许哪天真的有派得上作用的地方. 最後如果想看看自己电脑效能 可以抓个benchmak跑看看 https://erspicu.github.io/AprVisual/ 上传排行榜pk一下 https://baxermux.org/myemu/AprVisual/ 也可以看看用netlist跑任天堂红白机主机跟实机的效能差异 https://erspicu.github.io/AprVisual/calculator.html 说老半天...其实最快的解决方式是换一颗cache更大的cpu直接物理上解决问题, 更扯底是放弃冯·诺伊曼架构架构,换别的机器跑. --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 182.233.248.16 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1780732366.A.5C5.html