建议直接读文章：实验-CPU 核心数增加但程序更慢
其他详细的信息见文件：运行入口.md
问题1 为什么 CPU 线程数越多，但是程序不一定越快？
原因：增加线程可以把计算分摊出去，但线程之间的相互干扰也可能增加，导致整体时间不一定更快。线程的相互干扰是什么下面有提到。
用计数器模拟总任务。计数器累计到 12 亿次，任务结束。
问题2 相同的多线程下，不同的内存布局，会如何影响多线程性能？
不同的内存布局是指计数器存放位置：是否在一个缓存行。
实验一
目的：验证问题 1
在 Global（下面提到的 3 种计数器更新方式的一种）条件下，统计用 6 档线程数（1、2、4、8、16、32）完成全部任务的耗时，以及相对单线程的加速比。
实验二
目的：验证问题 2
在相同的线程数量（1、2、4、8、16、32）下，分别在Compact、Padded 条件下，统计任务耗时。
总工作量为 12 亿次，每种配置重复 10 次，用中位数比较。项目同时保留了全部原始数据。
多个线程共同修改一个全局变量。
可能的硬件开销：线程 A 修改计数器时，需要获得写入权限，权限的传递需要代价；A 修改了计数器，B 缓存的有计数器的副本，硬件需要让 B 的副本失效，需要代价；
没有全局计数器。线程有自己的计数器，多个线程的计数器之和等于 12 亿，任务完成。
和 Padded 区别：计数器在内存中连续存放，每组最多 8 个计数器位于同一个 64 B 缓存行；16、32 线程分别使用 2、4 条缓存行。
CPU 按缓存行维护缓存一致性，因此各线程虽然写的是自己的计数器，但是仍可能互相干扰。
对缓存行的竞争，带来的开销和 Global 中修改全局变量类似。
服务器的缓存行大小 64 字节。计数器大小 8 字节。
起点对齐：alignas(64) 保证每组的起始地址是 64 的整数倍：缓存行边界。
组内连续：CompactLine 内部的原子计数器数组包含 8 个连续元素，外部 vector<CompactLine> 连续存放这些对齐的组；组内 8 个计数器连续存放，起始偏移分别为 0、8、16、24、32、40、48、56 字节，恰好占满这一行。
没有全局计数器。线程有自己的计数器，所有工作线程的计数器之和等于 12 亿，任务完成。
和 Compact 区别：各计数器在内存中隔开存放（让每个计数器占据一个对齐的 64 字节区域，确保不同计数器不在同一个缓存行）。和 Compact 相比，减少了缓存行竞争带来的开销。
把每个计数器包装成一个大小为 64 字节、起始地址按 64 字节对齐的对象。
全部 180 条原始测量见 results/raw_results.csv，18 种配置的统计汇总见 results/summary.csv。每种配置有 10 次测量，未剔除较慢的样本。
这里简单介绍一些实验结果。
Global 实验数据如下：
| 工作线程数 | 耗时中位数 |
|---|---|
| 1 | 1.591 秒 |
| 2 | 4.127 秒 |
| 4 | 4.289 秒 |
| 8 | 4.380 秒 |
| 16 | 6.317 秒 |
| 32 | 6.437 秒 |
所有配置都处理同样的 12 亿次总任务，但 32 线程耗时约为单线程的 4.05 倍。这直接说明：更多工作线程并不保证更高性能。
计算可以分配到多个核心，但对这个共享位置的更新仍需要协调；结果与“核心之间的竞争和缓存一致性开销抵消了并行收益”的解释一致，但本次没有直接用硬件性能计数器分解各项开销。
| 工作线程数 | Compact 中位数 | Padded 中位数 | Padded 加速倍数 |
|---|---|---|---|
| 1 | 1866.89 ms | 1878.10 ms | 0.99 倍 |
| 2 | 3596.31 ms | 939.24 ms | 3.83 倍 |
| 4 | 4624.14 ms | 473.76 ms | 9.76 倍 |
| 8 | 4216.73 ms | 239.05 ms | 17.64 倍 |
| 16 | 2106.15 ms | 120.86 ms | 17.43 倍 |
| 32 | 1085.39 ms | 68.26 ms | 15.90 倍 |
单线程时几乎没有差别：没有多个核心相互干扰，隔开计数器没有明显收益。
多线程时差距明显：Compact 每 8 个计数器共享一条缓存行；Padded 每个计数器独占一行。隔离布局显著改善了性能。
| 项目 | 实测配置 |
|---|---|
| CPU | AMD Ryzen Threadripper PRO 7975WX 32-Cores |
| 架构 | x86_64 |
| CPU 插槽 / 物理核心 / 逻辑线程 | 1 / 32 / 64；每核 2 个 SMT 线程 |
| 在线及当前进程可用 CPU | 0–63；nproc = 64，进程亲和性为 0–63 |
| NUMA | 1 个节点，node 0 包含 CPU 0–63 |
| 缓存行大小 | 64 B；sysfs 中各级缓存均为 64 B |
| L1 数据缓存 | 每核 32 KiB，共 32 个实例，总计 1 MiB |
| L1 指令缓存 | 每核 32 KiB，共 32 个实例，总计 1 MiB |
| L2 缓存 | 每核 1 MiB，共 32 个实例，总计 32 MiB |
| L3 缓存 | 每组 32 MiB，共 4 个实例，总计 128 MiB；每组由 8 个物理核心共享 |
| 内存 | 系统可见约 251.2 GiB（MemTotal: 263374732 kB） |
| 操作系统 | Ubuntu 24.04 LTS |
| 内核 | Linux 7.0.0-38-generic，x86_64 |
| CPU 调频 | CPU 0 的 governor 为 powersave； |
CPU 0–31 对应 32 个不同物理核心；CPU 32–63 是其 SMT 同胞。CPU i 与 CPU i+32 共享同一物理核心（i 为 0–31）。
本次运行使用 CPU 0–31，每个物理核心绑定一个工作线程；1–8 线程处于同一 L3 组，16、32 线程跨 2、4 组。四组 L3 的逻辑 CPU 范围依次为 0–7/32–39、8–15/40–47、16–23/48–55、24–31/56–63。boost 开启、频率未固定，绑核不代表独占核心。