rdtsc乱序执行的解决方案？

我正在尝试用 rdtsc 替换 clock_gettime(CLOCK_REALTIME, &ts) 来根据 CPU 周期而不是服务器时间来基准代码执行时间。基准测试代码的执行时间对于软件至关重要。我尝试在独立核心上的 x86_64 3.20GHz ubuntu 机器上运行代码并得到以下数字：

情况1：时钟获取时间：24纳秒

void gettime(Timespec &ts) {
        clock_gettime(CLOCK_REALTIME, &ts);
}

情况 2：rdtsc（没有 mfence 和编译器屏障）： 10 ns

void rdtsc(uint64_t& tsc) {
        unsigned int lo,hi;
        __asm__ __volatile__ ("rdtsc" : "=a" (lo), "=d" (hi));
        tsc = ((uint64_t)hi << 32) | lo;
}

情况 3：rdtsc（带有 mfence 和编译器屏障）： 30 ns

void rdtsc(uint64_t& tsc) {
        unsigned int lo,hi;
        __asm__ __volatile__ ("mfence;rdtsc" : "=a" (lo), "=d" (hi) :: "memory");
        tsc = ((uint64_t)hi << 32) | lo;
}

这里的问题是我知道 rdtsc 是非序列化调用，可以由 CPU 重新排序，另一种选择是 rdtscp，它是序列化调用，但 rdtscp 调用之后的指令可以在 rdtscp 调用之前重新排序。使用内存屏障会增加执行时间。

• 对延迟敏感代码进行基准测试的最优化和最佳方法是什么？
• 有没有办法优化我提到的案例？

你要lfence;rdtsc to start时钟，以及rdtscp;lfence停止时钟，因此障碍物位于计时间隔之外。

（或者有时你想要lfence;rdtsc;lfence启动时钟，以获得额外的可重复性，但代价是更多的开销。）

MFENCE 是错误的指令；它不能保证序列化指令流（但实际上它在具有最新微代码的 Skylake 上可以序列化，以修复错误）。 LFENCE 序列化指令流，无需等待存储缓冲区清空，只用于 ROB。这在英特尔上始终如此，但是一项且仅启用 Spectre 缓解功能 https://stackoverflow.com/questions/51844886/is-lfence-serializing-on-amd-processors这使得lfence不仅仅是一个NOP。 （我猜AMD不会重新排序movntdqa从 WC 内存加载，所以lfence作为那里的记忆屏障毫无意义，并且是only作为针对推测执行或 RDTSC 的执行屏障很有用。）

也可以看看如何从 C++ 获取 x86_64 中的 CPU 周期数？ https://stackoverflow.com/questions/13772567/get-cpu-cycle-count/51907627#51907627其中有一个关于序列化的部分rdtsc。而且，您不需要为此使用内联汇编；使用__rdtsc() and _mm_lfence()。 （但与微基准测试一样，检查编译器的 asm 输出以确保它执行您想要的操作并不是一个坏主意。）

你无法避免开销，与几条指令的成本相比，它总是很大。

Also clflush 通过 C 函数使缓存行无效 https://stackoverflow.com/questions/51818655/clflush-to-invalidate-cache-line-via-c-function/51830976#51830976有关减去测量开销的示例。

但还要注意，通常将测试代码放入循环中更有用，因为结果准备好之前的执行延迟比等待指令实际从 ROB 中退出更有意义。看NASM 中的 RDTSCP 始终返回相同的值（对单个指令进行计时） https://stackoverflow.com/questions/54621381/rdtscp-in-nasm-always-returns-the-same-value/54624081#54624081例如（在 asm 中）测量单个 insn 的吞吐量/延迟。