如何测量哈斯韦尔微结构上的晚期胎儿和死亡预胎儿？

Question

我正在使用英特尔Xeon 2660 v3，并发布了大量的软件预取，以利用MLP以及减少失速时间。现在，我想对应用程序进行分析，以获得软件预取带来的总体收益。

在“利用自适应执行提高软件预取的有效性”一文中，讨论了与软件预取相关的硬件性能计数器支持。

我把论文中的文字放在这里，作者们在这里讨论了性能计数器。

此外，最佳自适应方案所需的唯一硬件支持是一对计数器:一个计数器测量延迟预取(处理器请求数据后到达的计数器)的数量，另一个计数器测量由于缓存冲突而死亡的预取数。

我想分析一下Haswell微体系结构的应用程序，但是在Perf或PAPI中找不到任何这样的性能计数器。那么，是否还有其他性能计数器来获取这样的事件?对于代码的一小部分来说，最好的方法是什么，而不是为整个应用程序执行呢？

纸链

Answer 1

ocperf.py是perf的包装器，具有特定于load_hit_pre.sw_pf等特定事件的符号名称(当分配到加载端口的需求负载到达分配给软件预取的L1D填充缓冲区(FB)时，会进行计数)。ocperf.py list有描述和名称。

这可能是一个有用的研究，但我还没有使用它自己，所以IDK，如果它真正做的正是你所需要的。一定要查看事件列表(ocperf.py list | less)。

您还应该查看L1D的命中率；如果成功的预取能够保持在需求负载的前面，那么实际的加载指令应该会在L1D中命中。(普通的perf可以通过L1-dcache-load-misses跟踪这一点。)

为了测量预先取走但在使用前被逐出的线条，有l2_lines_out.useless_hwpf。“计算硬件预取但未使用的行数，现在已被L2缓存逐出”。l2_lines_out.useless_pref是它的别名；看起来没有类似的事件，其中包括SW预取。

您可能只需要查看L1D的命中率；这将告诉您预取距离的甜蜜点在哪里。如果load_hit_pre.sw_pf如我所希望的那样工作，那么L1D错过了load_hit_pre.sw_pf的低计数意味着您的预取距离太高了。(或者SW预取请求由于其他原因而被删除，但我认为只有HW预取请求在有大量的需求负载利用率时才会被删除)。

用于存储的perf计数器硬件事件比对负载的限制要大得多，所以如果您试图预取一个只写的流，它将很难测量。L1D中的HW预取器甚至可能根本不为商店预取，所以对于只写流，不同的访问模式可能会受到很大的影响。。请参见@BeeonRope对这个答案的评论:如果商店点击L2而不是L1D，SW预取可能会有所帮助。prefetchw是理想的，但是普通的prefetcht0仍然很有用。(prefetchw作为NOP运行在Haswell和ealier上。)

还请参阅x86标记wiki中的其他链接。