Linux CPUInfo中的L1/L2/L3缓存详解

Linux CPUInfo 中的 L1 L2 L3 缓存详解

一 核心概念与层级关系

• L1 缓存：最靠近核心、速度最快、容量最小，通常分为**L1d（数据）与L1i（指令）**两部分，分别缓存数据与指令，减少取指与取数等待。
• L2 缓存：容量比 L1 大、速度略低，多为每个核心私有，作为 L1 与 L3 之间的缓冲。
• L3 缓存：容量更大、速度更低，通常为多个核心共享，用于降低多核之间的内存往返，提升并发性能。
• 工作机理：CPU 访问遵循“L1 → L2 → L3 → 内存”的层级查找；命中则快速返回，未命中则从下一级加载并将数据块填入上级缓存。缓存利用时间局部性与空间局部性提升命中率，现代处理器的缓存命中率通常可达**约90%**量级。

二 在 Linux 中查看缓存信息的正确方式

• 使用 lscpu（推荐，结构化展示）：
  • 关注字段：L1d cache、L1i cache、L2 cache、L3 cache。
  • 示例：

    L1d cache: 32K
    L1i cache: 32K
    L2 cache:  256K
    L3 cache:  8192K
    

• 查看 /sys 文件系统（最准确，能看到每个索引的属性）：
  • 路径：/sys/devices/system/cpu/cpu0/cache/，每个索引目录（如 index0/index1/index2/index3）包含 level、type、size、coherency_line_size、number_of_sets、ways_of_associativity 等文件。
  • 示例：

    cat /sys/devices/system/cpu/cpu0/cache/index0/level            # 1
    cat /sys/devices/system/cpu/cpu0/cache/index0/type            # Data
    cat /sys/devices/system/cpu/cpu0/cache/index0/size            # 32K
    cat /sys/devices/system/cpu/cpu0/cache/index0/coherency_line_size  # 64
    cat /sys/devices/system/cpu/cpu0/cache/index0/number_of_sets   # 64
    cat /sys/devices/system/cpu/cpu0/cache/index0/ways_of_associativity # 8
    

• 其他命令（了解即可）：
  • cat /proc/cpuinfo：常见字段有 cache size（很多处理器上显示的是 L3 大小）、以及 clflush size / cache_alignment（通常为 64 字节，表示缓存行/对齐粒度）。
  • dmidecode -t cache：有时给出的 L1/L2 大小并非“每核容量”，可能与实际不符，谨慎用于精确核对。
• 小结对比：
  • 精确核对：优先用 /sys；快速总览：用 lscpu；历史/兼容性：看 /proc/cpuinfo；DMI 表仅供参考。

三 读懂关键字段与计算方式

• size：该级缓存的容量（如 32K、256K、8M）。
• type：常见为 Data / Instruction / Unified（L1 常见 D/I 分离，L2 多为每核私有，L3 多为统一缓存）。
• level：层级（1/2/3）。
• coherency_line_size：缓存行大小，主流为 64 字节（亦可通过 /proc/cpuinfo 的 clflush size 查看）。
• number_of_sets / ways_of_associativity：组数与路数，二者与 size 关系为：
  • 计算式：每路大小 = size / (number_of_sets × ways_of_associativity)。
  • 示例（L1d）：size=32K，sets=64，ways=8 → 每路大小=64 字节（与 line size 一致）。
• 共享范围：L1/L2 通常为每核私有；L3 为多个核心共享（具体共享域依微架构/平台而定）。

四 多核一致性、伪共享与性能优化要点

• 多核一致性：现代 CPU 通过硬件一致性协议（如 MESI 及其变种）维护多核间缓存一致性，确保对同一缓存行的修改在多个核心间可见。
• 伪共享（False Sharing）：多个线程在不同核心上操作同一缓存行中的不同变量，会触发无谓的失效与写回，显著降速。优化手段：
  • 按**缓存行（通常 64B）**对齐与填充（padding），让热点变量独占缓存行。
  • 将只读数据与可写数据分离，减少共享写。
• 利用局部性：
  • 提升数据局部性：让相关数据在内存中连续存放，遍历与访问尽量顺序化。
  • 提升指令局部性：热点循环与函数尽量紧凑，减少指令缓存未命中。
• 其他实践：适度循环展开、合理使用数据预取（编译器/库支持）、结合线程与核心数合理划分任务，减少跨核迁移与共享争用。