如果是一个正常的迭代的话,TLB miss偏高确实有影响。
但问题是,这代并不是一个整体有明确提升的迭代。而且就算是正常迭代,TLB设计问题对整体性能的影响也基本可以忽略。
TLBmiss率高,其实只是一个有疑似病症的指标,而真正要看它有什么影响,要查它的下游,也就是page walk本身的开销。也就是要查pagefault。
如果miss本身是一个鸡毛蒜皮的小事,那就算次数很多,开销也不会很大。反之,如果每次的失误代价都很高昂,那他就是一个病症。
这里面真正有影响的还是L2缓存的设计,TLB本身其实只是增加了Miss的次数,而二级缓存的设计问题导致了每次 Pagewalk 的开销变大很多。这是一个乘性关系,而真正罪魁祸首的其实是后者。二级缓存导致了SLC和DRAM的流量增加,而DRAM的控制器又跟超大核共轨。然而这里面ipc恶化显著的,其实就是超大核上的重载任务,所以就导致了这几项同时给一个正偏置,随着miss率上升,整体功耗涨的也会更多。
其实他这里直接去游戏里多抓一些指标,或者是抓l2d cache的load miss就能直接定位问题了。比如我图上这个场景,事实上,CPU5的cpi分别是0.61和0.68,它的差异只有10%左右。差异大头在CPU7,CPI是0.49和0.78。这里不管是前端还是后端,整体每秒miss都是成倍上升——但它是伴随着CPU频率的成倍上升同时出现的。都不能说明问题。
xx湾最大的问题是测试与统计口径,从而把小问题放大了;或者说他们测的场景(spec跑分)确实就会折在这项上(但可能性不大)。
这里它的测试项是访问一个连续的内存地址,需要查页表的概率。但这里面有一个隐含的问题,就是我们在访问不同大小的内存的时候,连续访问的概率有多大?
正确的做法是用 dtlb Refill 去除以 dtlb 的访问次数。这样得到的是refill rate,而不是每秒的refill次数。用xx湾口中“优化很好”的终末地进行实测:
CPU5/7的l2 tlb refill率是92.96%和93.10%;
l2 tlb访问数是785K/s和2.13M/s,按MPKI(每千条指令)归一化有:
L2 TLB Access MPKI:0.512/0.915
L2 TLB Refill MPKI:0.48/0.79
dTLB Walk MPKI:0.502/0.824
平均n条指令进行一次L2 TLB访问:1954条/1186条
——已经足够说明了:
1.l2 tlb的访问次数小的可怜,绝大部分在L1 tlb就已经完成了;
2.l2 tlb的refill率本就很高,退步空间不大。
这能归因到tlb身上吗?完全没理由好吧
我上面同场景,l2d miss率都超过1/4了,相当于基本每4次读/写数据都有一次需要去内存里找,你跟我说2000条指令才查一次页表会有影响?这不现实
而且超大核负载重不代表l2流量大,这里退化明显的就是大流量的游戏。像是分支预测等CPU微架构层面的设计与指标都没有什么明显的变化,从counter上也可以印证这一点,各项指标基本都是跟着频率呈近似线性缩放的。
所以说他解释的有问题,哪些游戏退化大,吸引眼球就说哪些,真在乎真相的话,为什么不解释一下原神里哪来的提升呢
以上为评论区发言转载,感兴趣的可以看看原帖网页链接
水平不足就不做评价是否正确了,看看是否有大佬分析分析。




但问题是,这代并不是一个整体有明确提升的迭代。而且就算是正常迭代,TLB设计问题对整体性能的影响也基本可以忽略。
TLBmiss率高,其实只是一个有疑似病症的指标,而真正要看它有什么影响,要查它的下游,也就是page walk本身的开销。也就是要查pagefault。
如果miss本身是一个鸡毛蒜皮的小事,那就算次数很多,开销也不会很大。反之,如果每次的失误代价都很高昂,那他就是一个病症。
这里面真正有影响的还是L2缓存的设计,TLB本身其实只是增加了Miss的次数,而二级缓存的设计问题导致了每次 Pagewalk 的开销变大很多。这是一个乘性关系,而真正罪魁祸首的其实是后者。二级缓存导致了SLC和DRAM的流量增加,而DRAM的控制器又跟超大核共轨。然而这里面ipc恶化显著的,其实就是超大核上的重载任务,所以就导致了这几项同时给一个正偏置,随着miss率上升,整体功耗涨的也会更多。
其实他这里直接去游戏里多抓一些指标,或者是抓l2d cache的load miss就能直接定位问题了。比如我图上这个场景,事实上,CPU5的cpi分别是0.61和0.68,它的差异只有10%左右。差异大头在CPU7,CPI是0.49和0.78。这里不管是前端还是后端,整体每秒miss都是成倍上升——但它是伴随着CPU频率的成倍上升同时出现的。都不能说明问题。
xx湾最大的问题是测试与统计口径,从而把小问题放大了;或者说他们测的场景(spec跑分)确实就会折在这项上(但可能性不大)。
这里它的测试项是访问一个连续的内存地址,需要查页表的概率。但这里面有一个隐含的问题,就是我们在访问不同大小的内存的时候,连续访问的概率有多大?
正确的做法是用 dtlb Refill 去除以 dtlb 的访问次数。这样得到的是refill rate,而不是每秒的refill次数。用xx湾口中“优化很好”的终末地进行实测:
CPU5/7的l2 tlb refill率是92.96%和93.10%;
l2 tlb访问数是785K/s和2.13M/s,按MPKI(每千条指令)归一化有:
L2 TLB Access MPKI:0.512/0.915
L2 TLB Refill MPKI:0.48/0.79
dTLB Walk MPKI:0.502/0.824
平均n条指令进行一次L2 TLB访问:1954条/1186条
——已经足够说明了:
1.l2 tlb的访问次数小的可怜,绝大部分在L1 tlb就已经完成了;
2.l2 tlb的refill率本就很高,退步空间不大。
这能归因到tlb身上吗?完全没理由好吧
我上面同场景,l2d miss率都超过1/4了,相当于基本每4次读/写数据都有一次需要去内存里找,你跟我说2000条指令才查一次页表会有影响?这不现实
而且超大核负载重不代表l2流量大,这里退化明显的就是大流量的游戏。像是分支预测等CPU微架构层面的设计与指标都没有什么明显的变化,从counter上也可以印证这一点,各项指标基本都是跟着频率呈近似线性缩放的。
所以说他解释的有问题,哪些游戏退化大,吸引眼球就说哪些,真在乎真相的话,为什么不解释一下原神里哪来的提升呢
以上为评论区发言转载,感兴趣的可以看看原帖网页链接
水平不足就不做评价是否正确了,看看是否有大佬分析分析。




















