鲲鹏CompareAndSwap
x86平台 CompareAndSwap实现如下所示
#define barrier() __asm__ __volatile__("": : :"memory") int CompareAndSwap(volatile int* ptr, int old_value, int new_value) { int prev; __asm__ __volatile__("lock; cmpxchgl %1,%2" : "=a" (prev) : "q" (new_value), "m" (*ptr), "0" (old_value) : "memory"); return prev; } static void lock(int *l){ while(CompareAndSwap(l, 0, 1) != 0); } static void unlock(int volatile *l){ barrier(); *l = 0; }
指令集差异
这是一个简化的自旋锁实现,在我们对CompareAndSwap这个函数进行移植时,我们首先关注到的是两个架构中指令集的差异。在这个实现中,通过内联汇编语法使用了x86架构下的cmpxchgl指令,但是在arm架构下并没有与之完全一一对应的指令。
在arm架构下,原子操作是通过exclusive指令对实现的,如下图所示(图片来自Armv8体系结构参考手册):
所以我们使用exclusive指令对来实现这个CompareAndSwap函数,如下所示:
int CompareAndSwap(volatile int* ptr, int old_value, int new_value) { int prev; int temp; __asm____volatile__ ( "0: \n\t" "ldxr %w[prev], %[ptr] \n\t" "cmp %w[prev], %w[old_value] \n\t" "bne 1f \n\t" "stxr %w[temp], %w[new_value], %[ptr] \n\t" "cbnz %w[temp], 0b \n\t" "1: \n\t" : [prev]"=&r" (prev), [temp]"=&r" (temp), [ptr]"+Q" (*ptr) : [old_value]"IJr" (old_value), [new_value]"r" (new_value) : "cc", "memory" ); return prev; }
内存序差异
在如上述所示替换了CompareAndSwap函数之后,发现自旋锁并没有按预期工作,其主要是x86架构和arm中的内存序差异导致的。
修改前:
static void lock(int *l){ while(CompareAndSwap(l, 0, 1) != 0); } static void unlock(int volatile *l){ barrier(); *l = 0; }
如表1所述,在arm架构下允许原子操作和内存读写之间的乱序,导致了上述代码中lock函数之后的内存访问可能被乱序到lock中的原子操作获取到锁之前执行,进而导致了非预期程序行为。
另一方面,在释放锁的时候,原代码中使用了一个编译型内存屏障,但是在arm更宽松的内存序模型下不足以保证正确,需要改为CPU级的内存屏障,
修改后代码如下所示:
#define smp_mb() asm volatile("dmb ish" ::: "memory") static void lock(int *l){ while(CompareAndSwap(l, 0, 1) != 0); smp_mb(); } static void unlock(int volatile *l){ smp_mb(); *l = 0; }
至此该自旋锁在功能上的移植就完成了,经过验证这个实现可以按预期工作。实际上,根据尽可能使用acquire和release语义进行同步中所述,我们可以通过半屏障来进一步优化这个锁的实现,提升锁的性能。在获取锁的时候只需要acquire语义,而释放锁的时候只需要release语义,从而去掉上面所使用的CPU级的全屏障。最终移植到arm架构下的实现如下所示:
int CompareAndSwap(volatile int* ptr, int old_value, int new_value) { int prev; int temp; __asm____volatile__ ( "0: \n\t" "ldaxr %w[prev], %[ptr] \n\t" "cmp %w[prev], %w[old_value] \n\t" "bne 1f \n\t" "stxr %w[temp], %w[new_value], %[ptr] \n\t" "cbnz %w[temp], 0b \n\t" "1: \n\t" : [prev]"=&r" (prev), [temp]"=&r" (temp), [ptr]"+Q" (*ptr) : [old_value]"IJr" (old_value), [new_value]"r" (new_value) : "cc", "memory" ); return prev; } static void lock(int *l) { while(CompareAndSwap(l, 0, 1) != 0); } static void unlock(int volatile *l) { int zero = 0; __atomic_store(l, &zero, __ATOMIC_RELEASE); }
除了架构差异之外,在锁的移植过程中我们还有注意处理器的差异。x86架构下大部分处理器L3 cache的Cacheline大小一般为64字节,而鲲鹏920芯片的L3 cache Cacheline大小为128字节,所以在设计锁的数据结构时要格外注意,尽量避免多线程相互独立修改的变量共享同一个Cacheline的情况出现,即通常说的“伪共享”现象——这对性能有较大的影响。
下面举一个linux内核中的优化案例进行说明。这是linux内核iommu驱动中针对arm平台进行优化的一个补丁(参考链接:https://gitlab.freedesktop.org/drm/msm/commit/14bd9a607f9082e7b5690c27e69072f2aeae0de4),优化前的代码如下所示:
struct iova_domain { /* ………… */ struct iova anchor; struct iova_rcache rcaches[IOVA_RANGE_CACHE_MAX_SIZE]; iova_flush_cb flush_cb; iova_entry_dtor entry_dtor; /* Number of TLB flushes that have been started */ atomic64_t fq_flush_start_cnt; /* Number of TLB flushes that have been finished */ atomic64_t fq_flush_finish_cnt; struct timer_list fq_timer; /* 1 when timer is active, 0 when not */ atomic_t fq_timer_on; };
在这个数据结构中,多线程访问的变量主要是原子类型的fq_flush_start_cnt、fq_flush_finish_cnt和atomic_t fq_timer_on。为了避免伪共享现象,我们需要尽量避免这些变量分布在同一个cacheline上。在cacheline为64B的情况下,通过在fq_flush_finish_cnt和fq_timer_on之间插入一个fq_timer变量,就可以达到这个目的。
但是当处理器的cacheline变成128B的情况下,这个处理不足以满足要求,所以我们需要进一步调整数据结构——在原子变量之间插入更多的变量使得fq_flush_finish_cnt和fq_timer_on分布在不同的cacheline上,优化后的代码如下所示:
struct iova_domain { …… /* Number of TLB flushes that have been started */ atomic64_t fq_flush_start_cnt; /* Number of TLB flushes that have been finished */ atomic64_t fq_flush_finish_cnt; struct iova anchor; struct iova_rcache rcaches[IOVA_RANGE_CACHE_MAX_SIZE]; iova_flush_cb flush_cb; iova_entry_dtor entry_dtor; struct timer_list fq_timer; /* 1 when timer is active, 0 when not */ atomic_t fq_timer_on; };
https://support.huaweicloud.com/codeprtr-kunpenggrf/kunpengtaishanporting_12_0052.html