CPU 后端端口探测

CPU 后端流水线

在经过取指、解码为 μops、寄存器重命名、分配 ROB 条目后，μops 到达调度器。当数据就绪且执行端口空闲时，它就会被发射到后端的执行单元端口中：

INT Domain (整数域)：ALU 负责加减乘除、位运算、跳转计算
FLOAT/VEC Domain (浮点/向量域)：FPU/SIMD 单元负责浮点运算、AVX/SSE 指令
MEM Domain (访存域 / AGU)：地址生成单元，负责计算 MOV RAX, [RBP+8] 中的内存地址

同时还有并行的 LSU（Load/Store Unit），负责 Load/Store 操作，让 MMU 将 AGU 计算出来的地址翻译为物理地址，接着与 Cache/DRAM 交互，进行地址的读取写入。

超标量与端口瓶颈

我们知道现代 CPU 都是 超标量 的，也就是有多条流水线、多执行单元，来实现单核并行。

后端端口的数量是单核并行能力的一个瓶颈，尤其是在计算密集型任务中。

本机配置 i9-12900，分为性能核和能效核，它们分别是：

核心类型	微架构	Load 端口	Store 端口
性能核	Golden Cove	3 个	2 个
能效核	Gracemont	2 个	2 个

数据来源：

测试方法

可以做一下简单的测试，核心测试代码如下：

Read_x1（1 个 Load）

Read_x1:
    xor rsi, rsi
    align 64
.loop:
    mov rax, [rdx + rsi*8]
    inc rsi
    and rsi, 508
    dec rcx
    jnz .loop
    ret

Read_x2（2 个 Load）

Read_x2:
    xor rsi, rsi
    align 64
.loop:
    mov rax, [rdx + rsi*8]
    mov rax, [rdx + rsi*8 + 8]
    add rsi, 2
    and rsi, 508
    sub rcx, 2
    jnle .loop
    ret

Read_x3（3 个 Load）

Read_x3:
    xor rsi, rsi
    align 64
.loop:
    mov rax, [rdx + rsi*8]
    mov rax, [rdx + rsi*8 + 8]
    mov rax, [rdx + rsi*8 + 16]
    add rsi, 3
    and rsi, 508
    sub rcx, 3
    jnle .loop
    ret

Read_x4（4 个 Load）

Read_x4:
    xor rsi, rsi
    align 64
.loop:
    mov rax, [rdx + rsi*8]
    mov rax, [rdx + rsi*8 + 8]
    mov rax, [rdx + rsi*8 + 16]
    mov rax, [rdx + rsi*8 + 24]
    add rsi, 4
    and rsi, 508
    sub rcx, 4
    jnle .loop
    ret

这是一个 循环展开 测试，在展开的每个循环里面有 1/2/3/4 个 Load。根据不同测试下带宽的提升，查看它运行的核上有多少个 Load 端口。

测试结果

--- Read_x1 ---
Min: 823612664 (282.209757ms) 3.543464gb/s PF: 1487.0000 (705.1621k/fault)
Max: 1121666500 (384.337498ms) 2.601880gb/s PF: 1487.0000 (705.1621k/fault)
Avg: 888680952 (304.505317ms) 3.284015gb/s PF: 1486.7656 (705.2732k/fault)

--- Read_x2 ---
Min: 394226148 (135.081052ms) 7.402963gb/s PF: 1488.0000 (704.6882k/fault)
Max: 649297942 (222.481055ms) 4.494765gb/s PF: 1488.0000 (704.6882k/fault)
Avg: 454001531 (155.563006ms) 6.428264gb/s PF: 1491.8723 (702.8591k/fault)

--- Read_x3 ---
Min: 255890638 (87.680578ms) 11.405034gb/s PF: 1501.0000 (698.5849k/fault)
Max: 451388798 (154.667757ms) 6.465472gb/s PF: 1501.0000 (698.5849k/fault)
Avg: 296007480 (101.426560ms) 9.859350gb/s PF: 1501.0000 (698.5849k/fault)

--- Read_x4 ---
Min: 252895028 (86.654137ms) 11.540130gb/s PF: 1501.0000 (698.5849k/fault)
Max: 414795109 (142.128979ms) 7.035863gb/s PF: 1501.0000 (698.5849k/fault)
Avg: 285505918 (97.828214ms) 10.222000gb/s PF: 1501.0000 (698.5849k/fault)

Load Port Analysis

数据分析

根据测试出来的数据可以看到：

x1 → x2 → x3：基本是线性增长
x4：趋于平缓

那么它大概率是跑在了 性能核 上（3 个 Load 端口）。

Intel VTune Profiler 验证

使用 Intel VTune Profiler 查看硬件数据。

关键硬件事件统计（部分）：

Event	P-Core	E-Core
`CPU_CLK_UNHALTED.THREAD`	283,825,900,000	536,500,000
`INST_RETIRED.ANY`	1,575,358,300,000	1,745,800,000
`MEM_INST_RETIRED.ALL_LOADS`	579,727,739,178	-
`MEM_LOAD_RETIRED.L1_HIT`	571,327,713,978	-
`UOPS_DISPATCHED.PORT_2_3_10`	579,306,868,959	-