benchmark::DoNotOptimize(a); } } BENCHMARK(BM_random); ## 解决：按 64 字节分块地随机访问 - 解决方法就是，把数据按 64 字节大小分块。随机访问时，只随机块的位置，而块的内部仍然按顺序访问。 |Benchmark|Time|CPU|Iterations| |---|---|---|---| |BM\_ordered|31636481 |BM\_random\_4B|661031176 ns|654128483 ns|1| |BM\_random\_64B|90700966 ns|90362737 ns|8| 可以看到 64 字节分块的效果拔群，但还是比顺序访问慢一些，为什么？明明没有浪费带宽了？ void BM_random_4B(benchmark::State &bm) { for (auto _: bm) 续、跨步）能被识别出来，而如果你的访存是随机的，那就没办法预测。遇到这种突如其来的访存时，CPU 不得不空转等待数据的抵达才能继续工作，浪费了时间。 ## 解决：按更大的分块（4096 字节）随机访问 - 解决方案就是，把分块的大小调的更大一些，比如 4KB 那么大，即 64 个缓存行，而不是一个。 - 这样一次随机访问之后会伴随着 64 次顺序访问，能被 CPU 检测到，从而启动缓存行预取，避免了等待数据抵达前空转浪费时间。

这是因为 GPU 上的线程是并行执行的，然而 sum[0] += arr[i] 这个操作，实际上被拆分成四步： • 读取 sum[0] 到寄存器 A - 读取 arr[i] 到寄存器 B • 让寄存器 A 的值加上寄存器 B 的值 • 写回寄存器 A 到 sum[0] • 这样有什么问题呢？ _global__ void parallel_sum(int *sum, int const sum[0] 到寄存器 A（A=0） • 线程 1：读取 sum[0] 到寄存器 A（A=0） • 线程 0：读取 arr[0] 到寄存器 B（B=arr[0]） • 线程 1：读取 arr[1] 到寄存器 B（B=arr[1]） • 线程 0：让寄存器 A 加上寄存器 B（A=arr[0]） • 线程 1：让寄存器 A 加上寄存器 B（A=arr[1]） • 线程 0：写回寄存器 A 到 sum sum $$ 0 $$ （sum $$ 0 $$ =arr $$ 0 $$ ） • 线程 1：写回寄存器 A 到 sum $$ 0 $$ （sum $$ 0 $$ =arr $$ 1 $$ ） - 这样一来最后 sum[0] 的值是 arr[1]。而不是我们期望的 arr[0] + arr[1]，即算出来的总和变少了！ __global__ void parallel_sum(int *sum

[Image](/uploads/documents/7/e/7/0/7e7069c0246e16402e9a8fd670f8e842/p7_4.jpg) ## GEMM ## • 优化 GEMM • 内存布局：矩阵分块；重排 • 向量化指令：AVX、NEON C  ## GEMM 例子 ## • 优化 GEMM • 内存布局：矩阵分块；重排 • 向量化指令：AVX、NEON for (int j = 0; j < N; j++) { for (int i = 0; i < M; i++) { vc -> C(i, j), C(i + 1, j), C(i + 2, j), C(i + 3, j) } } ## GEMM 例子 ## • 优化 GEMM • 内存布局：矩阵分块；重 • 向量化指令：AVX、NEO 

dpkg-split(选项)(参数) ## 选项 1. -S：设置分割后的每个小文件最大尺寸（以字节为单位）； 2. -s：分割软件包； 3. -j<分块文件><分块文件>：把各个分块合并到一起； 4. -I<分块文件>：显示分块文件的相关信息； 5. -l：列出不匹配的部分； 6. -dscard<文件名>：忽略不匹配的部分。 ## 参数 软件包：指定需要分割的“ set\_wolset\_msglevel|从网卡寄存器中获得网卡速度等信息，可配置。| |-a -A|get\_pauseparamset\_pauseparam|从网卡寄存器中获得Autonegotiate/RX/TX模块的状态：on or off，可配置。| |-c -C|get\_coalesceset\_coalesce|从网卡寄存器中获得coalescing参数：TX/RX一个数据包 set\_ringparam|除当前TX/RX ring的值（从网卡寄存器中读取得到，可配置）外，其它为网卡bnx2自己固定的信息。| |-k -K|get\_rx\_csumget\_tx\_csumget\_sg get\_tso set\_rx\_csumset\_tx\_csum set\_sg set\_tso|显示信息从保存该状态的变量中读取得到，没有对应的寄存器。因此，TX/RX校验等模块一直处于on状态，实际上是无法修改的。|

. 21 第二章 RV32I: RISC-V 基础整数指令集 ..... 23 2.1 导言 ..... 23 2.2 RV32I 指令格式 ..... 23 2.3 RV32I 寄存器 ..... 26 2.4 RV32I 整数计算 ..... 27 2.5 RV32I 的 Load 和 Store ..... 29 2.6 RV32I 条件分支 ..... 30 4.2 结束语.....53 4.3 扩展阅读.....53 第五章 RV32F 和 RV32D：单精度和双精度浮点数.....55 5.1 导言.....55 5.2 浮点寄存器.....55 5.3 浮点加载，存储和算术指令.....56 5.4 浮点转换和搬运.....60 5.5 其他浮点指令.....60 5.6 使用 DAXPY 程序比较 RV32FD，ARM-32，MIPS-32 7.3 结束语.....71 7.4 扩展阅读.....71 第八章 向量.....75 8.1 导言.....75 8.2 向量计算指令.....76 8.3 向量寄存器和动态类型.....76 8.4 向量的 Load 和 Store 操作.....78 8.5 向量操作期间的并行性.....78 8.6 向量运算的条件执行.....79 8.7 其他向量指令

colspan="5">基础数据参考值: RV32X和RV641 RISC-V 基础整数指令集（RV32I/64I），特权指令，和可选的RV32/64C。寄存器x1-x31和PC在RV32I中是32位，在RV64I中是64位（x0=0）。RV64I添加了用于处理更宽数据的12条指令。每条16位RVC指令都映射到已有的32位RISC-V指令。 开源 RISC-V 故FADD. $ \{F|D\} $ 表示FADD.F和FADD.D。RV32 $ \{F|D\} $ 添加了f0-f31寄存器，其位宽和最大精度匹配，还添加了一个浮点控制状态寄存器fcsr。RV32V添加了向量寄存器v0-v31，向量谓词寄存器vp0-vp7，和向量长度寄存器v1。RV64添加了若干指令：RVM5条，RVA11条，RVF4条，RVD6条，RVV0条。 Powered by TCPDF 架构的全貌，帮助读者深入了解 RISC-V 架构的核心原理和特点。首先，本书介绍了 RISC-V 的基本概念和设计原则，让读者对 RISC-V 有一个整体的认识。接着，本书深入讲解了 RISC-V 的指令集、寄存器、内存管理、异常处理等方面的内容，帮助读者理解和应用 RISC-V 的各项功能和特性。此外，本书还提供了丰富的图表和示例，帮助读者更好地理解 RISC-V。无论是对计算机科学领域的专业人士、学生还是

2010-03-10第2次补充 2010-03-25第3次补充 目录 第0章写在前面.....2 第一章汇编语言简介.....3 第二章认识处理器.....4 2.1寄存器.....4 2.2使用寄存器.....6 第三章操作内存.....12 3.1实模式.....12 3.2保护模式.....16 3.3操作内存.....19 3.4串操作.....21 4.2中断.....31 第五章编译优化概述.....34 5.1循环优化：强度削减和代码外提.....36 5.2局部优化：表达式预计算和子表达式提取.....37 5.3全局寄存器优化.....38 5.4x86体系结构上的并行最大化和指令封包.....40 5.5存储优化.....42 第六章Linux X86汇编程序设计.....46 6.1编译和链接.. 数据传输指令.....47 二、算术运算指令.....49 三、逻辑运算指令.....49 四、串指令.....50 五、程序转移指令.....50 六、伪指令.....52 七、寄存器.....52 八、位操作指令，处理器控制指令.....52 九、FPU instructions.....54 第八章GCC内联汇编基础.....54 1.GCC汇编格式.....55

x64 架构下的寄存器模型  ## 通用寄存器：32 位时代 • 32 位 x86 架构中的通用寄存器有： • eax, ecx, edx, ebx, esi, edi, esp, ebp - 其中 esp 是堆栈指针寄存器，和函数的调用与返回相关。 其中 eax 是用于保存返回值的寄存器。 ## 通用寄存器：64 位时代 • 64 位 x86 架构中的通用寄存器有： • rax, rcx, rdx, rbx, rsi, rdi, rsp, rbp, r8, r9, r10, r11, ..., r15 - 其中 r8 到 r15 是 64 位 x86 新增的寄存器，给了汇编程序员更大的空间，降低了编译器处理寄存器翻车（register spill）的压力。 dy> ## AT&T 汇编语言 ## GCC 编译器所生成的汇编语言就属于这种 |项目|AT&T|Intel|说明| |---|---|---|---| |寄存器命名|%eax|eax|Intel的不带%| |操作数顺序|movl %eax, %edx|mov edx,eax|将eax的值赋值给edx| |常数\\立即数|movl $3,%eaxmovl $0x10