标签:match numbers 命中率 执行函数 实现 ber 不规则 lines stc
原文地址:https://billc.io/2019/05/csapp-cachelab/
这个实验是这学期的第四个实验。作为缓存这一章的配套实验,设计得非常精妙。难度上来讲,相比之前的修改现成文件,直接写一个程序也更高了一些。需要注意的是检查程序在编译时开启了 -Werror,需要保证没有警告才能成功编译。
从官方文档得知需要完善 csim.c
和 trans.c
文件,第一个是模拟一个高速缓存的程序并从由 valgrind
程序生成的 trace
文件中统计 hit, miss 和 eviction 的数量。第二个文件需要优化矩阵转置程序降低程序的不命中度。
这一部分的核心是使用了一个结构体来模拟一个缓存行:
typedef struct { int valid; ulong tag; clock_t time; } CacheLine;
再通过把缓存行在内存中动态分配成一个二维数组,实现模拟缓存的功能。并且使用了typedef CacheLine *CacheSet;
和 typedef CacheSet *CacheHead;
来让程序更整齐。输入来源于文件和命令行参数。可以用 getopt()
函数来解析参数。
各个函数的作用如下:
CacheHead CacheInit(int S, int E)
为缓存动态分配内存;int CacheJudge(CacheHead cache, ulong index, ulong tag)
判断缓存状态,是否有效,标记匹配;void CacheEvict(CacheHead cache, ulong index, ulong tag)
执行 eviction 操作;void CacheTouch(CacheHead cache, ulong index, ulong tag)
执行读取操作,只更新时间戳;void CacheInsert(CacheHead cache, ulong index, ulong tag)
执行缓存写入操作;void Adder(int type, int num)
计数器,增加 hit, miss 和 eviction 的数量,并根据配置选择打印信息;void printByte(bytept h, int len)
逐字节以 16 进制打印内存数据;void Execute(CacheHead cache, char type, ulong address, int len)
主要的执行函数;int main(int argc, char *args[])
main 函数,读取参数,打开文件;完整的程序代码如下:
// Written By @BillChen // 2019.5.20 #include "cachelab.h" #include <getopt.h> #include <stdio.h> #include <stdlib.h> #include <time.h> #include <unistd.h> #define MACHINE_BITS 64 #define NEED_EVICT -1 #define NO_MATCH -2 #define CACHED 1 #define ADD_HIT 1 #define ADD_MISS 2 #define ADD_EVICT 3 int totalMissCount = 0; int totalHitCount = 0; int totalEvictCount = 0; typedef unsigned long ulong; typedef unsigned char *bytept; const char *optString = "s:E:b:t:hVv"; struct globalOptions { int setIndexBits; int associativity; int blockBits; int verboseFlag; int tagBits; int superVerboseFlag; char *traceDir; } globalOptions; struct result { int hit; int miss; int evict; }; typedef struct { int valid; ulong tag; clock_t time; } CacheLine; typedef CacheLine *CacheSet; typedef CacheSet *CacheHead; void usage() { printf("Usage: ./csim [-hv] -s <s> -E <E> -b <b> -t <tracefile>\n"); printf("-h get help info\n"); printf("-v Optional verbose flag that displays trace info\n"); printf("-V Optional super verbose flag that displays very detailed trace info\n"); printf("-s <s> Number of set index bits\n"); printf("-E <E> Associativity (number of lines per set)\n"); printf("-b <b> Number of block bits\n"); printf("-t <tracefile>: Name of the valgrind trace to replay\n"); } CacheHead CacheInit(int S, int E) { CacheHead cache; cache = calloc(1 << S, sizeof(CacheSet)); if (cache == NULL) { printf("Fail to allocate memory for cache.\n"); exit(EXIT_FAILURE); } int i = 0; for (i = 0; i < 1 << S; i++) { if ((cache[i] = calloc(E, sizeof(CacheLine))) == NULL) { printf("Fail to allocate memory for cache.\n"); exit(EXIT_FAILURE); } } for (i = 0; i < 1 << S; i++) { int j; for (j = 0; j < E; j++) { cache[i][j].valid = 0; } } return cache; } int CacheJudge(CacheHead cache, ulong index, ulong tag) { int i; int fullFlag = 1; int matchFlag = 0; for (i = 0; i < globalOptions.associativity; i++) { if (cache[index][i].valid == 0) { fullFlag = 0; } if (cache[index][i].tag == tag && cache[index][i].valid == 1) { matchFlag = 1; } } if (matchFlag == 1) return CACHED; if (fullFlag == 1) return NEED_EVICT; else return NO_MATCH; } void CacheInsert(CacheHead cache, ulong index, ulong tag) { int freeLine = 0, i; for (i = 0; i < globalOptions.associativity; i++) { if (cache[index][i].valid == 0) break; freeLine++; } CacheLine *target = cache[index] + freeLine; target->tag = tag; target->valid = 1; target->time = clock(); } void CacheEvict(CacheHead cache, ulong index, ulong tag) { int firstLine = 0, i = 0; clock_t firstCachedTime = cache[index][i].time; for (i = 0; i < globalOptions.associativity; i++) { if (cache[index][i].time < firstCachedTime) { firstCachedTime = cache[index][i].time; firstLine = i; } } CacheLine *target = cache[index] + firstLine; target->tag = 0; target->time = 0; target->valid = 0; } void CacheTouch(CacheHead cache, ulong index, ulong tag) { int touchLine = 0; while (cache[index][touchLine].tag != tag) touchLine++; cache[index][touchLine].time = clock(); } void Adder(int type, int num) { int v = globalOptions.verboseFlag; switch (type) { case ADD_EVICT: totalEvictCount += num; if (v && num != 0) printf("eviction "); break; case ADD_HIT: totalHitCount += num; if (v && num != 0) printf("hit "); break; case ADD_MISS: totalMissCount += num; if (v && num != 0) printf("miss "); } } void printByte(bytept h, int len) { int i; for (i = 0; i < len; i++) printf("%.2x ", h[i]); printf("\n"); } void Execute(CacheHead cache, char type, ulong address, int len) { ulong index = (address << globalOptions.tagBits) >> (MACHINE_BITS - globalOptions.setIndexBits); ulong tag = address >> (globalOptions.blockBits + globalOptions.setIndexBits); int status = CacheJudge(cache, index, tag); if (globalOptions.verboseFlag == 1) { if(globalOptions.superVerboseFlag == 1){ printf("\n[address:] "); printByte((bytept)&address, sizeof(long)); printf("[index:] "); printByte((bytept)&index, sizeof(long)); printf("[tag:] "); printByte((bytept)&tag, sizeof(long)); printf("(Decimal)[index: %ld, tag: %ld]\n------------------------------------------- ", index, tag); } else{ printf("(Decimal)[index: %ld, tag: %ld] ------ ", index, tag); } } switch (status) { case CACHED: CacheTouch(cache, index, tag); if (type == ‘M‘) { Adder(ADD_HIT, 1); Adder(ADD_HIT, 1); } else { Adder(ADD_HIT, 1); } break; case NO_MATCH: CacheInsert(cache, index, tag); if (type == ‘M‘) { Adder(ADD_MISS, 1); Adder(ADD_HIT, 1); } else { Adder(ADD_MISS, 1); } break; case NEED_EVICT: CacheEvict(cache, index, tag); CacheInsert(cache, index, tag); if (type == ‘M‘) { Adder(ADD_MISS, 1); Adder(ADD_EVICT, 1); Adder(ADD_HIT, 1); } else { Adder(ADD_MISS, 1); Adder(ADD_EVICT, 1); } break; default: printf("Unknown error.\n"); exit(EXIT_FAILURE); } if (globalOptions.verboseFlag == 1) { printf("\n"); } } int main(int argc, char *args[]) { char ch; while ((ch = getopt(argc, args, optString)) != -1) { switch (ch) { case ‘s‘: if (atoi(optarg) < 0) { printf("Unvalid input for <s>. Try Again.\n"); exit(EXIT_FAILURE); } globalOptions.setIndexBits = atoi(optarg); break; case ‘E‘: if (atoi(optarg) < 0) { printf("Unvalid input for <E>. Try Again.\n"); exit(EXIT_FAILURE); } globalOptions.associativity = atoi(optarg); break; case ‘b‘: if (atoi(optarg) < 0) { printf("Unvalid input for <b>. Try Again.\n"); exit(EXIT_FAILURE); } globalOptions.blockBits = atoi(optarg); break; case ‘t‘: globalOptions.traceDir = optarg; break; case ‘v‘: globalOptions.verboseFlag = 1; break; case ‘h‘: usage(); exit(EXIT_FAILURE); case ‘V‘: globalOptions.verboseFlag = 1; globalOptions.superVerboseFlag = 1; break; default: usage(); exit(EXIT_FAILURE); break; } } globalOptions.tagBits = MACHINE_BITS - globalOptions.blockBits - globalOptions.setIndexBits; FILE *traceFile = fopen(globalOptions.traceDir, "r"); if (traceFile == NULL) { printf("Fail to open file: %s\n", globalOptions.traceDir); exit(EXIT_FAILURE); } CacheHead cache = CacheInit(globalOptions.setIndexBits, globalOptions.associativity); char traceLine[32]; while (fgets(traceLine, 32, traceFile) != NULL) { char mode; ulong address; int len; sscanf(traceLine, " %c %lx,%d", &mode, &address, &len); if (mode == ‘I‘) continue; if (globalOptions.verboseFlag == 1) { printf("%c %lx,%d ", mode, address, len); } Execute(cache, mode, address, len); } printSummary(totalHitCount, totalMissCount, totalEvictCount); free(cache); return 0; }
最终在 ./driver.py
的测试下,该程序和 csim-ref
的运行结果一致。
按照官方文档的说明,需要在 trans.c
中写入一个优化的矩阵转置函数。尽可能地降低不命中率。使用命令 ./test-trans -M <rol> -N <col>
可以查看这一转置函数的不命中数。生成的 trace.fi
文件还可以利用 PART A 写的缓存模拟器检查命中情况。
从官方文档得知要在 PART B 中得到分数需要完成三个测试并满足对应的不命中数条件。
由于程序使用的缓存 block size 为 5,也就是有 2^5 的块大小,为32字节。sizeof(int) = 4
,所以可以存储下 8 个整数。
先研究原始的一个简单的矩阵转置函数:
int i, j, tmp; for (i = 0; i < N; i++) { for (j = 0; j < M; j++) { tmp = A[i][j]; B[j][i] = tmp; } }
这一函数的运行结果出现了 1000 多个 miss。提取一小部分原始的文件,利用 csim 查看详细的 miss 和 eviction 信息,可以发现在读取的时候发生了严重的抖动,导致了大量 miss 的出现。
所以可以利用矩阵分块的思想。每一行数组都可以被存入 4 个缓存行中,一共有 32 个缓存行,所以每过 8 行就会出现一次和前面相同的组索引,发生 miss 和 eviction。所以考虑将 32 * 32 的矩阵分成 16 个 8 * 8 的矩阵,每一次都将一行的 8 个 int 分别存储进 t1 – t4。
即,将矩阵划分成如下结构:
1 | 2 | 3 | 4 |
---|---|---|---|
5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 |
其中每一个小块都是 8 * 8,每一行能够完整存储到缓存行中的矩阵。这种情况在 transpose_submit()
中的代码如下:
if(N == 32 && M == 32){ int i, j, k; int t1, t2, t3, t4, t5, t6, t7, t8; for (i = 0; i < 32; i += 8) { for (j = 0; j < 32; j += 8) { for (k = 0; k < 8; k++) { t1 = A[i + k][j]; t2 = A[i + k][j + 1]; t3 = A[i + k][j + 2]; t4 = A[i + k][j + 3]; t5 = A[i + k][j + 4]; t6 = A[i + k][j + 5]; t7 = A[i + k][j + 6]; t8 = A[i + k][j + 7]; B[j][i + k] = t1; B[j + 1][i + k] = t2; B[j + 2][i + k] = t3; B[j + 3][i + k] = t4; B[j + 4][i + k] = t5; B[j + 5][i + k] = t6; B[j + 6][i + k] = t7; B[j + 7][i + k] = t8; } } } }
结果如下图所示:
和第一种情况测试类似。但是由于大小变成了 64 * 64,每过 4 行就会出现一次冲突的情况。所以可以先分成 8 * 8 的块,然后再把 8 * 8 的块分成 4 个 4 * 4 的块。读取一行,但存储进的位置如图所示。逆序存储之后再逐行处理 C’ 和 B’ 处的数据。
由于之前是逆序存储的,所以在 C’ 会把 0 加载进缓存,而在 B’ 会把 24 加载进缓存,再利用 t1, t2, t3, t4 四个变量作临时变量存储,交换 0 行和 24 行的位置。
这一部分比较复杂,这里参考了欧阳松的博客(https://www.ouyangsong.com/posts/55291/#fn4),大概的逻辑如下图所示:
具体的代码实现如下:
else if (N == 64 && M == 64) { int t0, t1, t2, t3, t4, t5, t6, t7; for (int i = 0; i < N; i += 8) { for (int j = 0; j < M; j += 8) { for (int k = i; k < i + 4; k++) { t0 = A[k][j]; t1 = A[k][j + 1]; t2 = A[k][j + 2]; t3 = A[k][j + 3]; t4 = A[k][j + 4]; t5 = A[k][j + 5]; t6 = A[k][j + 6]; t7 = A[k][j + 7]; B[j][k] = t0; B[j + 1][k] = t1; B[j + 2][k] = t2; B[j + 3][k] = t3; B[j + 0][k + 4] = t7; B[j + 1][k + 4] = t6; B[j + 2][k + 4] = t5; B[j + 3][k + 4] = t4; } for (int h = 0; h < 4; h++) { t0 = A[i + 4][j + 3 - h]; t1 = A[i + 5][j + 3 - h]; t2 = A[i + 6][j + 3 - h]; t3 = A[i + 7][j + 3 - h]; t4 = A[i + 4][j + 4 + h]; t5 = A[i + 5][j + 4 + h]; t6 = A[i + 6][j + 4 + h]; t7 = A[i + 7][j + 4 + h]; B[j + 4 + h][i + 0] = B[j + 3 - h][i + 4]; B[j + 4 + h][i + 1] = B[j + 3 - h][i + 5]; B[j + 4 + h][i + 2] = B[j + 3 - h][i + 6]; B[j + 4 + h][i + 3] = B[j + 3 - h][i + 7]; B[j + 3 - h][i + 4] = t0; B[j + 3 - h][i + 5] = t1; B[j + 3 - h][i + 6] = t2; B[j + 3 - h][i + 7] = t3; B[j + 4 + h][i + 4] = t4; B[j + 4 + h][i + 5] = t5; B[j + 4 + h][i + 6] = t6; B[j + 4 + h][i + 7] = t7; } } } }
得到如下结果:
这一测试中由于矩阵不规则,而且也不是 8 的倍数,所以在行与行之间没有特别明显的冲突不命中的关系。可以尝试用分块矩阵的方式优化。经过尝试 8 * 8 的分块和 16 * 16 的分块后,发现使用 16 * 16 的分块方式可以将 miss 数降低到 2000 以下。
这一部分的代码如下:
else { int i, j, k, h; for (i = 0; i < N; i += 16) { for (j = 0; j < M; j += 16) { for (k = i; k < i + 16 && k < N; k++) { for (h = j; h < j + 16 && h < M; h++) { B[h][k] = A[k][h]; } } } } }
可以得到 1992 的 miss 数。
最终在 ./driver.py
的运行结果中,Part B 获得如下结果:
本实验的完整代码可以在这里下:https://github.com/BillChen2000/LearningRepo/blob/master/Course/CSAPP/LAB4/billchen-handin.tar
一如既往地,现在又是凌晨了 orz.
2019.5.22
深入理解计算机系统 (CS:APP) - 高速缓存实验 Cache Lab 解析
标签:match numbers 命中率 执行函数 实现 ber 不规则 lines stc
原文地址:https://www.cnblogs.com/BillChen2000/p/12534013.html