CPU流水线与指令乱序执行

青蛙见了蜈蚣，好奇地问："蜈蚣大哥，我很好奇，你那么多条腿，走路的时候先迈哪一条啊？"

蜈蚣听后说："青蛙老弟，我一直就这么走路，从没想过先迈哪一条腿，等我想一想再回答你。"

蜈蚣站立了几分钟，它一边思考一边向前，蹒跚了几步，终于趴下去了。

它对青蛙说：“请你再也别问其它蜈蚣这个问题了！我一直都在这样走路，这根本不成问题！可现在你问我先移动哪一条腿，我也不知道了。搞得我现在连路都不会走了，我该怎么办呢？”

这个小故事属实反映了我最近的心态：

越学越不会了。。。

本来synchronized和volatile关键字用得好好的，我非要深入研究一下他们的原理，所以研究了内存屏障，又研究了和内存屏障相关的MESI，又研究了Cache Coherence和Memory Consistency，发现一切问题都出在CPU身上。于是又惊叹Java一次编写到处运行的特性，最终又研究到JMM。

说是研究，其实就是把学习过程中自己抛出来的问题解决掉，把所有知识穿成一条线罢了。

这条线的线头就从指令的乱序执行开始了。

经典的指令乱序执行的原因有两种，分别是Compiler Reordering和CPU Reordering。

1. Compiler Reordering

编译器会对高级语言的代码进行分析，如果它认为你的代码可以优化，那么他会对你的代码进行各种优化然后生成汇编指令。当然，本文说的优化主要是指令重排（Compiler Reordering）。

但是编译器的优化必须满足特定的条件，一个非常重要的原则就是as-if-serial语义：

Allows any and all code transformations that do not change the observable behavior of the program.

编译器必须遵守as-if-serial语义，也就是编译器不会对存在数据依赖关系的操作做重排序，因为这种重排序会改变执行结果。但是，如果操作之间不存在数据依赖关系，这些操作就可能被编译器和处理器重排序。

我们用非常简单的C++代码举个例子（因为编译更简单，看起来也更直观）。

int a,b,c;

void bar()
{
        a = c + 1;
        b = 1;
}

int main()
{
        bar();
        return 0;
}

我们对这段代码进行变异，让编译器在O2级别优化的情况下编译代码，我截取其中的bar()的汇编代码，如下所示：

_Z3barv:
.LFB0:
        .cfi_startproc
        endbr64
        movl    $1, b(%rip)      #将1的值赋给b，即b = 1
        movl    c(%rip), %eax		 #将c的值放到寄存器%eax中
        addl    $1, %eax         #将寄存器%eax的值+1，即c + 1
        movl    %eax, a(%rip)    #将寄存器%eax的值赋给a，即a = c + 1
        ret

我们发现，编译得到的汇编代码和我们原本的C语言代码顺序并不一致。

汇编指令先执行了b = 1，之后才执行了a = c + 1。说明变量a和b的store操作并没有按照他们在程序中定义的顺序来执行。

既然汇编指令被重排了，CPU的执行顺序自然是根据汇编指令对应的机器指令执行的，大概率也会被重排。其实除此之外，CPU本身也会对指令进行重排（CPU Reordering）。

2. CPU 流水线

谈及处理器必谈及流水线，处理器的流水线结构是处理器微架构最基本的一个要素，也是造成CPU Reordering的主要因素。

2.1. 从汽车装配谈起

流水线的概念始于工业制造领域，但是鉴于大部分人其实都没接触过流水线，我们不妨举一个汽车生产的例子来解释流水线的诞生。

我们首先粗浅地认为汽车的装配需要两个步骤：

制作零件：制作车身外壳、发动机和各种其他部件；
组装：将各零部件（自己制作和外采的所有零部件）组装成车。

假设一个工人进行每个步骤都占用1个月，如果不采用流水线，而采用串行方式来执行的话，一年时间可以装配6辆汽车，过程见下图：

串行执行

串行的效率实在是太有限了，根本原因就是装配的两个步骤都是由一个人完成的。如果有人能在组装进行的同时制作零件，效率会大大提升，也就是每个流程只专注一件事情，我们再引入一个工人。

这样一个人专门负责制作零件，另一个人专门组装零件，两个工作交叠进行，过程见下图：

二级流水线

增加一个人手之后，除了第一个月，每一个月都有完整的制作零件和组装流程，因此一年内可以完成11台汽车的装配（相比于串行方式的6台，几乎翻倍了），从第二年开始，每年就能装配12台了（直接翻倍）。

这个过程就是流水线的执行过程，因为我们把汽车的制作过程分成了两个步骤，因此以上流水线成为二级流水线。

我们继续优化，我们将制作零件的步骤分成时间周期更短的冲压和焊接两步，将组装步骤分为时间周期更短的涂装和总装两步，并且假设每个步骤的时间周期为0.5个月。

当然喽，我们得再雇佣俩人。

现在就是四级流水线了，神奇的事情发生了，四级流水线使得原本需要一年时间的任务现在只需要4.5个月便可以完成，再次提升了效率。如下图所示：

四级流水线

2.2. 现代CPU的流水线

现代 CPU 支持多级指令流水线，例如支持同时执行 取指令 - 指令译码 - 执行指令 - 内存访问 - 数据写回的处理器，就可以称之为五级指令流水线。

这时 CPU 可以在一个时钟周期内，同时运行五条指令的不同阶段，其中每个阶段的都占用一个或多个指令周期（CPU以执行时间最长），本质上，流水线技术井不能缩短单条指令的执行时间，但它变相地提高了指令的吞吐率。

CPU五级指令流水线

上面的CPU流水线图并非特定型号的CPU的示例，而是为了说明几个问题特意画成了这个样子。

通常而言，CPU设计者会选择执行时间最长的流水线阶段作为一个时钟周期，这样能保证其他阶段能在一个时钟周期内完成，避免出现流水线断流。
每一个流水线级的时间都是一个时钟周期，但是其中实际操作的时间，可能短于一个时钟周期。比如译码器其实就是一个组合逻辑电路，门延迟很低，就不需要一个完整的时钟周期就能完成自己的任务，任务完成之后CPU其实是在“等待”。

很多人可能会问，既然流水线这么好用，那为什么CPU设计者不设计一个超长流水线呢？这就需要说明一下超长流水线的瓶颈了。

3. 超长流水线的瓶颈

3.1. 性能瓶颈

流水线长度的增加，是有性能成本的。

每一级流水线的输出都需要放在流水线寄存器中，然后再下一个时钟周期，交给下一个流水线级去处理。每增加一级流水线，就要多一级写入流水线寄存器的操作。

以多线程为例，数量合适的多线程会提高数据的处理速度，但是当线程数量太多，线程之间的时间切换成本就无法被忽视，线程的增加甚至可能成为性能提升的负担。

3.2. 功耗瓶颈

提升流水线的深度，需要同步提高CPU的主频。再看一下这个图：

CPU五级指令流水线

由于流水线的每一级被分得特别细，甚至有的还没有完全占满单个时钟周期，也就意味着单个时钟周期内能完成的事情变少了，因此只有提升主频，CPU 在指令的响应时间这个指标上才能保持和原来相同的性能。

提升主频和流水线深度就以为这晶体管的增加，也就以为这功耗变大。

没人想拥有一台“充电3小时，办公20分钟”的一台笔记本电脑吧。

3.3. 指令乱序

还是以上面的图为例（就不再贴一遍了），指令1的访存操作使用了多个时钟周期，导致指令2和指令3在指令1之前完成了。

如果是一般的代码还好，但如果是具有依赖性的代码，比如：

float a = 3.14159 * 0.2; // 指令1
float b = a * 2;         // 指令2
float c = b + 1;         // 指令3
float d = 10;            // 指令4

指令1、2、3的执行顺序就绝不能向图中表示的那样乱序执行。其中有两点需要我们注意：

由于上图中情形的存在，导致CPU确实有可能出现乱序执行的情况；
CPU需要阻止具有依赖关系的指令乱序执行（指令1，2，3），转而让后续没有依赖关系的指令（指令4）先执行。

对于第2条，如果流水线只有5级还好说，CPU自然有办法判断哪些指令具有依赖性，并拒绝做出指令乱序。但是如果有20条流水线，CPU肯定还有办法判断，但是可想而知，这种判断势必会影响CPU的性能。

回到本文一开始说的编译器指令重排序，当然喽，也包含Java的JIT将字节码编译成机器码时的指令重排序，就是为了把没有依赖关系的指令放一起，本质上都是为了适配CPU，更好地发挥出CPU流水线的功能，从而提升性能罢了。

4. 总结

说了这么多，很可能在我之后的文章中被一句话带过。

其实我想表达的思想就是，实际代码运行的顺序可能和我们代码编写的顺序并不一致。记住这句话很容易，但或许总会有人像我一样想稍微深入一点来了解这句话的本质吧。

除了本文所述，CPU和高速缓存之间的交互过程中，硬件工程师也着实给软件开发者挖了不少坑，内存屏障就是在这种背景下产生的。

蝉沐风