我们有一个简单的内存吞吐量基准。对于大块内存，它所做的只是重复记忆。
在几台不同的机器上查看结果（针对64位编译），Skylake机器的性能明显优于Broadwell-E，保持OS（Win10-64），处理器速度和RAM速度（DDR4-2133）相同。我们不是说几个百分点，而是一个约2 的因素。 Skylake配置为双通道，Broadwell-E的结果不会因双/三/四通道而异。
为什么会发生这种情况的任何想法？随后的代码在VS2015的Release中编译，并报告完成每个memcpy的平均时间：
64位：Skylake为2.2ms，Broadwell-E为4.5ms
32位：Skylake为2.2ms，Broadwell-E为3.5ms 。
我们可以通过利用多个线程在四通道Broadwell-E构建上获得更大的内存吞吐量，这很不错，但是看到单线程内存访问的这种巨大差异令人沮丧。 有关为何差异如此明显的任何想法？
我们还使用了各种基准测试软件，他们验证了这个简单示例所示的内容 - 单线程内存吞吐量在Skylake上更好。
;:答案 0 :(得分：8)
现代CPU上的单线程内存带宽受到从L1D到系统其余部分的传输max_concurrency / latency的限制，而不受DRAM控制器瓶颈的限制。每个内核都有10个线路填充缓冲器（LFB），用于跟踪发往/来自L1D的未完成请求。 （和16＆＃34;超级＆＃34;跟踪到/来自L2的线路的条目）。
（更新：实验表明，Skylake可能有12个LFB，高于Broadwell的10个。例如the ZombieLoad paper中的图7，以及其他性能实验，包括@BeeOnRope's testing of multiple store streams）
与四核或双核台式机/笔记本电脑芯片相比，英特尔的多核芯片具有更高的L3 /内存延迟，因此单线程内存带宽实际上是在大型Xeon上更糟糕，即使具有许多线程的最大聚合带宽要好得多。它们在环形总线上有更多跳，它们连接内核，内存控制器和系统代理（PCIe等）。
SKX（Skylake-server / AVX512，包括i9和＃34;高端桌面和＃34;芯片）真的很糟糕：L3 /内存延迟明显高于Broadwell-E / Broadwell-EP，因此单线程带宽甚至比具有类似核心数的Broadwell更差。 （SKX使用网格而不是环形总线，因为它可以更好地扩展，see this for details on both。但显然新设计中的常数因素是不好的;未来几代可能会有更好的L3带宽/延迟用于中小型核心数量。虽然私有的每核L2上升到1MiB，但L3可能会故意减慢功耗。）
（问题是Skylake-client（SKL），以及后来的Kaby Lake和Coffee Lake等四核/六核桌面/笔记本电脑芯片，仍然使用更简单的环形总线布局。只有服务器芯片发生了变化。但是还不知道Ice Lake客户会做什么。）四核或双核芯片只需要几个线程（特别是如果核心+非核心（L3）时钟高）以使其内存带宽饱和，而具有快速DDR4双通道的Skylake具有相当大的带宽。 / p>
有关此内容的更多信息，请参阅this answer关于x86内存带宽的Latency-bound Platforms部分。 （并阅读memcpy / memset的其他部分，包括SIMD循环与rep movs/rep stos，以及NT存储与常规RFO存储等等。）
同样相关：What Every Programmer Should Know About Memory?（2017年更新内容仍然如此，以及2007年该优秀文章的变化）。
答案 1 :(得分：2)
我终于开始运行VTune（evalutation）了。它在Broadwell-E上提供了0.602（0到1之间）的DRAM限制分数，在Skylake上提供了.324，其中Broadwell-E延迟的很大一部分来自内存延迟。鉴于记忆棒速度相同（除了Skylake配置的双通道和Broadwell-E中的四通道），我最好的猜测是Skylake中的内存控制器非常好。
这使得购买Broadwell-E架构变得更加艰难，并要求您真正需要额外的核心来考虑它。
我也有L3 / TLB未命中数。在Broadwell-E上，TLB未命中率大约高出20％，L3未命中率大约高出36％。
我不认为这真的是一个答案，为什么＆＃34;所以我不会这样做，但是我认为我会暂时接触到它。感谢所有有用的评论。