我想在支持该指令的系统上研究指令movdir64b 的延迟。
我如何编写一个简单的微基准来实现这一点？
注意：MOVDIR64B 从源内存地址读取 64 字节，并对目标地址执行 64 字节直接存储操作。 [详情：https://www.felixcloutier.com/x86/movdir64b]
【问题讨论】：
标签： x86 intel cpu-architecture instruction-set microbenchmark
（来自 cmets，显然实际目标是测量在 movdir64b 之后多久可以执行另一个。这是吞吐量，而不是延迟。这回答了关于延迟的问题，假设来源和目标是可缓存的内存区域。）
存储部分是 NT（如 movntps），因此如果延迟很重要，则不应使用它。如果目标缓存行之前存在，它将强制从缓存中驱逐它，因此重新加载将导致缓存未命中一直到 DRAM。
如果您关心（通过此内核）快速重新加载数据，请使用普通的可缓存存储。或者，如果您关心它被另一个内核重新加载，那么另一个内核不得不要求这个内核共享线路（比 L3 缓存命中稍慢）可能比一直到 DRAM 更快。
请注意，预期的用例是 MMIO 写入 PCIe 设备。 （在 Sapphire Rapids（Alder Lake / Golden Cove 的服务器版本）中使用另一个 CPU 功能 ENQCMD，提供了一种更好的方法，让您知道写入是否成功，而无需运行另一个 I/O 指令来检查工作描述符是否提交成功。Phoronix article)
您可以通过一个简单的循环来验证重新加载是否很慢，该循环使存储和重新加载成为循环携带的依赖链的一部分。使用 AVX-512（例如，在同时具有 AVX-512 和 movdir64b 的 Tiger Lake (Willow Cove core uarch) 上），您可以重新加载完整数据并将其存储回源缓冲区，从而创建循环携带的依赖链。
或者您可以使用movdir64b a,b / movdir64b b,a 在交替方向上进行 64 字节的复制。 （然后取循环的平均周期/迭代）。
lea rdi, [rel buf+0]
lea rsi, [rel buf+64]
mov ecx, 10000000
.loop:
movdir64b rdi, [rsi]
movdir64b rsi, [rdi]
dec ecx
jnz .loop
（将其放入静态可执行文件中，并使用perf stat 计时。）
或者您可以重新加载 movdir64b 目标并将该加载结果用作movdir64b 的源地址，从地址输入而不是内存数据输入测试延迟。 （从源数据的前 8 个字节开始，其中包含指向自身的指针。）
【讨论】：