C11メモリフェンスの使用量

Question

にしても、単純な2スレッドの通信たとえば、私は適切なメモリ順序を得るために、C11原子とmemory_fenceスタイルでこれを表現する難しさを持っている：

共有データ：

volatile int flag, bucket; 

プロデューサスレッド：

while (true) { 
    int value = producer_work(); 
    while (atomic_load_explicit(&flag, memory_order_acquire)) 
     ; // busy wait 
    bucket = value; 
    atomic_store_explicit(&flag, 1, memory_order_release); 
} 

消費者THRE広告： - >旗-店 - >旗ロード - >負荷からバケット

while (true) { 
    while (!atomic_load_explicit(&flag, memory_order_acquire)) 
     ; // busy wait 
    int data = bucket; 
    atomic_thread_fence(/* memory_order ??? */); 
    atomic_store_explicit(&flag, 0, memory_order_release); 
    consumer_work(data); 
} 

私の知る限り理解し、上記のコードは、適切ストア・イン・バケットを注文します。しかし、私はバケットからのロードの間に競合状態が残っていて、バケットを新しいデータで再度書き直すと思う。バケット読み込みに続く命令を強制するには、バケット読み込みと次のatomic_storeの間に明示的にatomic_thread_fence()が必要であると思います。残念ながら、memory_order_seq_cstさえも、先行するロードで何かを強制するために、memory_order引数がないようです。

本当に汚い解決策は、民生用スレッドのbucketをダミー値で再割り当てすることです。これは、コンシューマの読み取り専用の概念と矛盾します。

古いC99/GCCの世界では、十分に強力であると私が信じている伝統的な__sync_synchronize()を使うことができました。

このいわゆるアンチ依存性を同期させる、より良いC11スタイルのソリューションは何でしょうか？

（もちろん、私は私が良く、このような低レベルのコーディングを避けるため、利用可能な高レベルの構文を使用する必要があることを承知していますが、私は理解したいと思います...）

Answer 1

バケット読み込みの後に命令を強制するには、バケット読み込みと次のatomic_storeの間に明示的なatomic_thread_fence（）が必要であると思います。

私はatomic_thread_fence()呼び出しが必要であるとは思わない：フラグ更新は、それ全体で並べ替えされてから任意の先行ロードまたはストア操作を防止し、リリースのセマンティクスを持っています。ハーブサッターによる正式な定義を参照してください：すべての読み取りとプログラム順序でそれに先行する同じスレッドでを書き込み後

書き込みのリリースでは、を実行します。

これにかかわらず、コンパイラはdataを格納することを選択した場合の、flag更新後に発生するように並べ替えされることbucketの読み出しを防止するべきです。別の答えについてコメントを私にもたらします

：

volatileは、LD/STの操作は、その後フェンスと一緒に注文することができ、生成されたがあることを保証します。ただし、データはローカル変数であり、volatileではありません。コンパイラは、ストア操作を避けるために、おそらくそれをレジスタに入れます。これにより、以降のフラグのリセットとともに、バケットからの負荷が発注されます。（それはおそらくどちらか、それを持っていて損はありませんが）それはそれを思わ

がbucket読み取りがflag書き込みのリリースを超えて並べ替えることができない場合は問題ではないので、volatileは必要ありません。ほとんどの関数呼び出し（この場合はatomic_store_explicit(&flag)）がコンパイル時のメモリバリアとして機能するため、これも不要です。コンパイラは、グローバル変数の読み込み順序をインラインされていない関数呼び出しよりも先に並べ替えることはありません。これは、その関数が同じ変数を変更する可能性があるためです。

@ MaximYegorushkinにも、互換性のあるアーキテクチャをターゲットにしているときにpause命令でビジー状態を改善することに同意します。 GCCとICCはどちらも_mm_pause(void)の組み込み関数を持っているようです（おそらく__asm__ ("pause;")に相当）。

Answer 2

私は@MikeStrobelの中で言っていることに同意彼のコメント。

クリティカルセクションがリリースセマンティクスの獲得と終了で始まるため、atomic_thread_fence()は必要ありません。したがって、クリティカルセクション内の読み取りは、取得および書き込み前に並べ替えることはできません。このため、ここでもvolatileは不要です。

さらに、ここでは（pthread）スピンロックが使用されていない理由はありません。スピンロックはあなたのために同様の忙しいスピンを行いますが、それはまたpause instructionを使用しています。

一時停止固有の動的実行（特に、アウトオブオーダー実行）を実装するプロセッサとスピン待つループに使用されています。スピンウェイトループでは、ポーズ組み込み関数は、コードがロックの解放を検出する速度を向上させ、特に重要なパフォーマンスの向上をもたらします。 次の命令の実行は、実装固有の時間分遅れます。 PAUSE命令は、アーキテクチャ状態を変更しません。動的スケジューリングの場合、PAUSE命令はスピン・ループから抜けるペナルティを軽減します。

Answer 3

直接の答え：

お店がmemory_order_release操作であることは、あなたのコンパイラがフラグの店の前にストア命令のためのメモリフェンスを放出しなければならないことを意味します。これは、解放されたデータが解釈を開始する前に、他のプロセッサが解放されたデータの最終状態を確認するために必要です。したがって、いいえ、2番目のフェンスを追加する必要はありません。

---

長い答え：

上述のように、何が起こるかはコンパイラがフェンスの組み合わせの中にあなたのatomic_...指示を変換し、メモリアクセスということです。基本的な抽象化は原子負荷ではなく、メモリフェンスです。それは新しいC++抽象概念があなたに違った考えを誘惑するにもかかわらず、どのように動作するかです。そして、私は個人的にメモリフェンスがC++の壊れた抽象概念よりもはるかに考えるのが簡単だと感じています。

ハードウェアの観点からは、ロードとストアの相対的な注文がです。 e。フラグがプロデューサに書き込まれる前にバケットへの書き込みが完了し、フラグのロードがコンシューマ内のバケットのロードより古い値を読み取ることを示します。あなたが実際に必要なことはこれである、と述べた

：我々はピンポンを再生する二つのプロセスを持っているので、ラベル「プロデューサー」と「消費者」は、ここではそれぞれになってプロデューサーを誤解していることを

//producer 
while(true) { 
    int value = producer_work(); 
    while (flag) ; // busy wait 
    atomic_thread_fence(memory_order_acquire); //ensure that value is not assigned to bucket before the flag is lowered 
    bucket = value; 
    atomic_thread_fence(memory_order_release); //ensure bucket is written before flag is 
    flag = true; 
} 

//consumer 
while(true) { 
    while(!flag) ; // busy wait 
    atomic_thread_fence(memory_order_acquire); //ensure the value read from bucket is not older than the last value read from flag 
    int data = bucket; 
    atomic_thread_fence(memory_order_release); //ensure data is loaded from bucket before the flag is lowered again 
    flag = false; 
    consumer_work(data); 
} 

注意し、消費者は順番にそれは他の

atomic_thread_fence() ...に有用な値を書き込むための「穴」を生成しながら、一つのスレッドが有益な値を生成するだけのことだあなたが必要とするすべてであり、それが直接atomic_...抽象以下のアセンブラ命令に変換するので、それはあります最速のアプローチであることが保証されています。