まーにゃ＠エンタメ系火事場エンジニアの日々

数々の「火だるまプロジェクト」を安請け合いし何度でも復活する 「自称・不死身のエンジニア」の物欲まみれの日々をつづる

【PC編】「2020.0921@★AVX2速い！★比較★SIMD命令、スレッド数」と「PCSX2@LINUX」と私

PC編
【PC編】「★AVX2速い！★比較★SIMD命令、スレッド数」と「PCSX2@LINUX」と私
と題しまして小話を１つ。
最近、話の多いプレステ2エミュレータPCSX2ですが、
ーーーーーーーーーーーーーーーーーーーーーーーーーーー
・12コア12スレッド（プラグインはAVX２で設定）
・１２コア２４スレッド（同上）
・３種類あるグラフィックプラグイン（SSE2,SSE4,AVX2版）
ーーーーーーーーーーーーーーーーーーーーーーーーーーー
でCPUの負荷のかかり方を比較してみました。
＜１２コア１２スレッドの場合＠libGSdx-avx2-1.0,0.soの場合＞
時々、３，４個ほどのCPUの負荷が６０％を越えてきますが
それ以外のCPUの負荷は３０％〜４０％の範囲に収まってます。
CPU@12CORE12THREADS.jpg
＜１２コア２４スレッド＠libGSdx-avx2-1.0,0.soの場合＞
時々３，４程のCPUの負荷が６０％越えてきますが、
その他のCPUの負荷は２０％〜４０％の範囲で収まってます。
負荷の波形の重なりが多い部分を見ると２０％〜４０％の範囲ですね。
CPU@12CORE24THREADS.jpg
＜１２コア２４スレッド＠libGSdx-intel-sse4-1.0,0.soの場合＞
３，４個ほどCPUが６０％越えてきますが、他は、大半が２０％〜３０％になってます。
CPU@12CORE24THREAD@SSE4プラグイン.jpg
＜１２コア２４スレッド＠libGSdx-1.1.0の場合＞
３，４個ほどCPUが６０％越えてきますが、他は、大半が２０％〜３０％になってます。
ただし、６０％になってるCPUの時間がSSE４と比べるとえらく長い。
CPU@12CORE24THREAD@SSE2プラグイン.jpg
（１）グラフィックプラグインDLLによる負荷比較
プラグインの仕様としては、以下の感じです。
速度への影響をちょっと確認してみます。
プラグイン名称対応するSIMD拡張命令
libGSdx1.1.0SSE2
libGSdx-intel-sse4-1.0.0SSE4
libGSdx-avx2-1.0.0
AVX2
グラフの中でCPU負荷が６０％を越えてる
CPUの高負荷持続時間（グラフの山の長さ）を比較してみると
SSE2（２０秒）、SSE4（１０秒）、AVX２（３秒）で山の長さが短くなっています。
負荷の山の長さが短いというのは処理が早く終わるということ。
SIMD（Single Instruction MultipleData)仕様が
新しいものほど、処理が高速化し処理が早く終わため、
グラフの山の長さが短くなっていると推測します。
AVX２にすると、SSE2の６倍以上処理が
速くなることになります。
６倍以上速くなるってバカになりません。
結構効いてきますね。
（２）１２スレッドと２４スレッドでの負荷比較
グラフを見ると１２スレッド版ではCPU負荷の中心が
３０％〜４０％に対して
２４スレッド版は、２０％〜３０％の負荷になってます。
ハイパースレッディング（SMT)をON／OFFでは
ONすると最大３割ぐらいCPUの処理効率がUPすると
聞いたことがありますが、
負荷のグラフを見た範囲で、ざっくり、だいたい、
合ってると思います。
以下、各SIMD拡張命令の解説
（１）AVX2拡張命令
AVX拡張命令は、MMX/SSE後継のSIMD拡張命令セットで、
呼称がIntel Advanced Vector Extensions（AVX)となった。
浮動小数点演算の演算幅がSSEの2倍の256ビットとなり、
1命令で8つの単精度浮動小数点演算もしくは
4つの倍精度浮動小数点演算を実行することができる。
また、命令デコード性能向上のため、
新しい命令フォーマット（VEXエンコーディング）が採用されている。
3 or 4オペランドの非破壊型命令もサポートするため、
レジスタ退避・復元処理の記述を省くことができる。
この非破壊型の命令フォーマットに関しては
従来の128ビット幅のSSE命令にも使うことができるため、
AVXに対応したプロセッサでは新規に導入された
256ビット命令を使わなくてもSIMD演算の性能が向上する可能性がある。

SSEが導入された際には専用の128ビットレジスタが新設されたが、

AVXの256ビットレジスタは下位の128ビットを既存のSSEレジスタと共有している[11]。

そのためSSE命令とAVX命令の間でのデータ交換は容易である。

ただし、256ビットのAVX命令と既存のSSE命令を混在させると、

SSE命令を実行する際にAVXレジスタの上位128ビットを退避する

というペナルティが発生するため、パフォーマンスが落ちる。

これを避けるためには、256ビット命令の実行後に

VZEROUPPER/VZEROALL命令を実行して明示的に

AVXレジスタの上位128ビットをクリアするか、

SSE命令をVEXエンコーディングを使ったものに置き換える必要がある。

VEXエンコーディングの128ビット命令はAVXレジスタの

上位128ビットを保持せずにゼロクリアするという挙動になっており、

AVXレジスタの部分的な書き換えが発生しないためである。

Sandy Bridgeでは当初のSSEの実装のように既存の128ビットの

演算器を使って2サイクルで実行するようなことはせず、

素直に乗算器や加算器などの演算器が256ビット幅に拡張されている[10]。

これによって、実質的なピーク浮動小数点演算性能がNehalem世代の2倍となっている。

AVX2では、従来のSIMD整数演算命令が128ビットから256ビットに拡張されるのが
主な変更点であるが、要素ごとに独立したシフト量を設定できるシフト命令、
非連続なデータを並べ替えながらロードが可能なギャザー命令等の
新たな命令も実装される。AMDはExcavatorアーキテクチャから
AVX2を実装している[16]。ただし、SIMD演算ユニット自体はZen+まで
128bit幅に留まっていたため、AVX2命令を多様する処理はあまり
高速化されていなかった。Zen2世代からは256bit幅になり処理速度が改善。
（２）SSE４拡張命令
※余り記載がありません。
★SSE4.1[編集]
45nm世代のCore 2のPenrynで搭載。47個の命令が追加になる。
★SSE4.2[編集]
Nehalemマイクロアーキテクチャ の第1世代Intel Core iで初めて実装された。
7個の命令を追加。SSE 4.2の追加命令は以下の通り。
String & Text New Instructions (STTNI)
＜PCMPESTRI＞
（３）SSE2拡張命令
SSE拡張命令は、Pentium IIIにはじめて実装された。追加された命令数は70[2]。
Pentium IIIの開発コードネームがKatmaiであったことから、
KNI (Katmai New Instructions) [3]やMMX2 [4]とも呼ばれていた。
廉価製品のCeleronにおいても、その第三世代製品 Coppermine-128k より
SSEに対応している[5][6]。
SSE2拡張命令は従来のSSEに144個の新たな命令が加えられた[2]。
具体的には64ビットの倍精度浮動小数点演算のサポート及び
MMXを128ビット幅に拡張する整数演算命令の追加、キャッシュの
制御機能の強化がなされた。
SSE2はPentium 4で初めて実装された[9]。
従来のx87命令ではなくSSE/SSE2のスカラ演算命令を
用いることを標準としたため、拡張命令ではなく基本命令として
SSE、SSE2が取り込まれている。
以下はハイパースレッディングに関するWIKIの解説です。
＜ハイパースレッディングによる効果＞
ハイパースレッディングの利点を以下に挙げる。
（１）マルチスレッドコードのサポートを改善する。
（２）多数のスレッドが同時に動作することを可能にする。
（３）メモリー入出力のレイテンシーを隠蔽しスループットを改善する。

インテルによると、NetBurstマイクロアーキテクチャにおける

最初の実装は「通常の」プロセッサへ5%の領域のみを追加するだけで、

15 - 30%の性能向上をもたらしたとしている。

では・・また・・：＿；）／