メモリアクセス速度をちょっと実測

Phenom C++

先日Core2にくらべるとPhenomは圧倒的に遅いとか言われたので、本当の所どうなのか計測してみる。

やったのは単純に4コア分のスレッドを用意してメモリアクセスするだけ。

  • メモリ取得してからスレッドに分割
  • スレッド分割した中でメモリ取得
  • メモリ取得して一度触ってからスレッドに分割

実験環境

  • Phenom 9150e
  • MA78GPM-DS2H
  • DDR2-800 2GB
  • Xubuntu 8.10
  • gcc 4.3.2
  • -O3 -march=native -mtune=native

メモリ取得してからスレッドに分割

コードがこれ。

#include <cstdlib>
#include <boost/thread.hpp>
#include <boost/progress.hpp>

const int number_of_processors = 4;
const int number_of_elements = 50 * 1024 * 1024;

template < int SIZE > class MemoryAccess
{
    private:
        int * ptr;

    public:
        MemoryAccess() : ptr( new int[SIZE] ) {}

        void operator () ()
        {
            boost::progress_timer t;
            memset(ptr, 0, sizeof(int) * SIZE);
        }
};

int main(void)
{
    MemoryAccess < number_of_elements > ma[number_of_processors];

    {
        boost::progress_timer t;
        boost::thread th0(ma[0]), th1(ma[1]), th2(ma[2]), th3(ma[3]);
        th0.join();
        th1.join();
        th2.join();
        th3.join();
    }

    return 0;
}

結果がこれ。

1.63 s

1.62 s

1.60 s

1.52 s

1.65 s

スレッド生成を含む全体と、個別スレッドのアクセス時間はほとんど同じ。
アクセス速度は800[MB] / 1.65[s] = 485[MB/s]。

スレッド分割した中でメモリ取得

コードがこれ。

#include <cstdlib>
#include <boost/thread.hpp>
#include <boost/progress.hpp>

const int number_of_processors = 4;
const int number_of_elements = 50 * 1024 * 1024;

template < int SIZE > class MemoryAccess
{
    public:
        void operator () ()
        {
            int * ptr = new int [SIZE];
            boost::progress_timer t;
            memset(ptr, 0, sizeof(int) * SIZE);
        }
};

int main(void)
{
    MemoryAccess < number_of_elements > ma[number_of_processors];

    {
        boost::progress_timer t;
        boost::thread th0(ma[0]), th1(ma[1]), th2(ma[2]), th3(ma[3]);
        th0.join();
        th1.join();
        th2.join();
        th3.join();
    }

    return 0;
}

結果がこれ。

1.63 s

1.65 s

1.68 s

1.59 s

1.68 s

一番目とほぼかわらず。
アクセス速度は800[MB] / 1.68[s] = 476[MB/s]。

メモリ取得して一度触ってからスレッドに分割

コードがこれ。

#include <cstdlib>
#include <boost/thread.hpp>
#include <boost/progress.hpp>

const int number_of_processors = 4;
const int number_of_elements = 50 * 1024 * 1024;

template < int SIZE > class MemoryAccess
{
    private:
        int * ptr;

    public:
        MemoryAccess() : ptr( new int[SIZE] )
        {
            memset(ptr, 0, sizeof(int) * SIZE);
        }

        void operator () ()
        {
            boost::progress_timer t;
            memset(ptr, 0, sizeof(int) * SIZE);
        }
};

int main(void)
{
    MemoryAccess < number_of_elements > ma[number_of_processors];

    {
        boost::progress_timer t;
        boost::thread th0(ma[0]), th1(ma[1]), th2(ma[2]), th3(ma[3]);
        th0.join();
        th1.join();
        th2.join();
        th3.join();
    }

    return 0;
}

結果がこれ。

0.66 s

0.66 s

0.66 s

0.65 s

0.65 s

前二つよりかなり速くなっている。
アクセス速度は800[MB] / 0.66[s] = 1212[MB/s]。

結論

Phenomの性能を引き出せてないんだろうけど、とにかくフツーに書くとフツーに遅いのはよく分かった。今回のPhenomの計測だと1[GB/s]なわけだが、 Cellだったら20[GB/s]以上は出せるからなぁ。 Core2？なにそれ？