当数据位于 2 个不同的块中时，x86 存储
x86 store when data is in 2 different blocks
假设linux-32：对齐规则说，例如，double（8 字节）必须对齐到 4 字节。这意味着，如果我们假设 64 字节缓存块（现代处理器的典型值），我们可以在第 60 个位置有一个双精度对齐，这意味着这个双精度将在 2 个不同的缓存块中。
double 的两个部分甚至可能位于 2 个不同的 4KB 页面中的 2 个不同的缓存块中。
在对这个问题进行简要介绍后，我有几个疑问：
1- 对于追求最佳性能的汇编程序，建议通过放置对齐指令来防止这些事情发生，对吗？或者，出于我不知道的任何原因，仅在 1 个块中进行对齐并不意味着任何性能变化？
2- 在上述情况下，存储指令将如何解码？ （假设现代英特尔微体系结构）。我的意思是，我知道正常的存储 x86 指令在一对微融合的 str-addr 和 str-data 中被解码，但在这种情况下，涉及 2 个不同的缓存块（甚至可能是 2 个不同的 4KB 页），这将在 2 个微融合的 str-addr 和 str-data 对中解码（一个用于 double 的前 4 个字节，另一个用于最后 4 个字节）？或者它将被解码为单个微融合对，但必须同时执行 str-addr 和 str-data 两倍的工作，直到最终能够退出执行端口？
是的，当然您应该尽可能对齐 double，就像编译器一样，除非 ABI 结构布局规则强制它们不对齐。 （ABI 是在 i386 流行时设计的，所以 double 总是需要 2 个负载。）
当前版本的 i386 System V ABI 需要 16 字节堆栈对齐，因此可以对齐本地双精度数（必须溢出而不是保留在 regs 中），并且 malloc 必须return 适合任何类型的内存，而 alignof(max_align_t) = 16 在 32 位上 Linux （8 在 32 位上 Windows）所以 32 位 malloc 总是会给你至少 16 （或 8）字节对齐的内存。当然，在静态存储中，您可以使用 align (NASM) 或 .p2align (GAS) 指令控制对齐方式。
有关缓存行拆分和页面拆分的性能缺点，请参阅
回复：解码：地址在解码时未知，因此显然行拆分页面拆分的任何影响稍后解决。对于存储，在存储缓冲区条目必须提交到 L1d 缓存之前可能没有任何影响。 Are two store buffer entries needed for split line/page stores on recent Intel? - 可能不，在执行存储地址 uop 后分配第二个条目是不可信的。
对于加载，通过执行单元重新运行加载以获得另一半（或任何不均匀分割），使用内部行分割缓冲区来组合数据。 （不是从 RS 重新调度，只是在加载端口内部处理。但是 RS 会主动重放 uops 等待 加载结果。）
Re-运行 未对齐存储的存储数据 uop 似乎也不太可能。我认为我们没有看到 uops_dispatched_port.port_4 性能事件的额外计数。
假设linux-32：对齐规则说，例如，double（8 字节）必须对齐到 4 字节。这意味着，如果我们假设 64 字节缓存块（现代处理器的典型值），我们可以在第 60 个位置有一个双精度对齐，这意味着这个双精度将在 2 个不同的缓存块中。 double 的两个部分甚至可能位于 2 个不同的 4KB 页面中的 2 个不同的缓存块中。
在对这个问题进行简要介绍后，我有几个疑问：
1- 对于追求最佳性能的汇编程序，建议通过放置对齐指令来防止这些事情发生，对吗？或者，出于我不知道的任何原因，仅在 1 个块中进行对齐并不意味着任何性能变化？
2- 在上述情况下，存储指令将如何解码？ （假设现代英特尔微体系结构）。我的意思是，我知道正常的存储 x86 指令在一对微融合的 str-addr 和 str-data 中被解码，但在这种情况下，涉及 2 个不同的缓存块（甚至可能是 2 个不同的 4KB 页），这将在 2 个微融合的 str-addr 和 str-data 对中解码（一个用于 double 的前 4 个字节，另一个用于最后 4 个字节）？或者它将被解码为单个微融合对，但必须同时执行 str-addr 和 str-data 两倍的工作，直到最终能够退出执行端口？
是的，当然您应该尽可能对齐 double，就像编译器一样，除非 ABI 结构布局规则强制它们不对齐。 （ABI 是在 i386 流行时设计的，所以 double 总是需要 2 个负载。）
当前版本的 i386 System V ABI 需要 16 字节堆栈对齐，因此可以对齐本地双精度数（必须溢出而不是保留在 regs 中），并且 malloc 必须return 适合任何类型的内存，而 alignof(max_align_t) = 16 在 32 位上 Linux （8 在 32 位上 Windows）所以 32 位 malloc 总是会给你至少 16 （或 8）字节对齐的内存。当然，在静态存储中，您可以使用 align (NASM) 或 .p2align (GAS) 指令控制对齐方式。
有关缓存行拆分和页面拆分的性能缺点，请参阅
回复：解码：地址在解码时未知，因此显然行拆分页面拆分的任何影响稍后解决。对于存储，在存储缓冲区条目必须提交到 L1d 缓存之前可能没有任何影响。 Are two store buffer entries needed for split line/page stores on recent Intel? - 可能不，在执行存储地址 uop 后分配第二个条目是不可信的。
对于加载，通过执行单元重新运行加载以获得另一半（或任何不均匀分割），使用内部行分割缓冲区来组合数据。 （不是从 RS 重新调度，只是在加载端口内部处理。但是 RS 会主动重放 uops 等待 加载结果。）
Re-运行 未对齐存储的存储数据 uop 似乎也不太可能。我认为我们没有看到 uops_dispatched_port.port_4 性能事件的额外计数。