L2データと命令キャッシュが突然減少しました

Question

私はマルチコアマシン上でparalleアルゴリズムのパフォーマンスに取り組んでいます。私は、ループの並べ替え（ikj）テクニックを使った行列乗算の実験を行った。

シリアル実行の結果は、以下の画像と同じです。ループ順序ikjのためのL1データキャッシュ、nXn行列のすべてのサイズに対するkijは100％に近い値です（画像1ボックス番号1 & 2） ikjのサイズは2048と4096であり、L2データキャッシュは％50（画像2ボックス番号1 & 2）だけ減少し、L2命令キャッシュでも同じことが当てはまります。これらの2つのサイズのL1データキャッシュが他のサイズ（256,512,1024）とほぼ同じような場合のIncaseは、約％100です。私は命令とデータのキャッシュヒットの両方でこの勾配のための何らかの共振可能な理由を見つけることができませんでした。どのように私は理由（単数または複数）を見つけるために手がかりを与えることができますか？

L2統合キャッシュは問題を悪化させることに何らかの影響を与えると思いますか？しかし、何が原因でアルゴリズムやパフォーマンスの特性がプロファイルされるべきなのか、この削減の原因は何か。

実験機は、OSは-oなしコンパイラの最適化が

要約版&コンプリート質問GCC 4.7でのFedora 17のx64で、2MバイトのL2キャッシュ、キャッシュライン64とのIntel E4500のですか？ my problem is that why sudden decrease of about 50% in both L2 data and instruction cache happens in only ikj & kij algorithm as it's boxed and numbered 1 & 2 in images, but not in other loop variation？

        *Image 1* 

        *Image 2* 

        *Image 3* 

        *Image 4* 

上記の問題にもかかわらず、ikj &kijアルゴリズムのタイミングの増加はありません。しかし、他のものよりも速いです。

IKJとKIJアルゴリズムループの2つのバリエーションは、アルゴリズム

For (i=0;i<n;i++) 
    For(k=0;k<n;k++){ 
     r=A[i][k]; 
     For (j=0;j<n;j++) 
      C[i][j]+=r*B[k][j] 
    } 

IKJ技術/

KIJアルゴリズム

For (k=0;k<n;k++) 
    For(i=0;i<n;i++){ 
     r=A[i][k]; 
     For (j=0;j<n;j++) 
      C[i][j]+=r*B[k][j] 
    } 

を並べ替えている私がいるため、この問題が発生した賭けのおかげ

Answer 1

のER-アライメント問題は、次の質問の答えで議論：

• Why is my program slow when looping over exactly 8192 elements?
• Why is transposing a matrix of 512x512 much slower than transposing a matrix of 513x513?
• Matrix multiplication: Small difference in matrix size, large difference in timings

私は私がそれらから&ペーストをコピーして好きではないことを理解できることを望みます答え。