绑定CPU逻辑核心的利器——taskset
在工作中，我们可能遇到这样的需求：如何评估程序在一核和多核下的工作效率差距？最简单的想法是找一台只有一个CPU逻辑核的机器和一台有多个逻辑核的机器。（转载请指明出于breaksoftware的csdn博客）但是这种方式有明显的问题：
- 不容易找到这样的机器。
- 找到的机器不能保证其他配置一致，比如CPU主频。
- 找的的机器不能保证环境一致，比如操作系统或者运行中的其他程序。
于是比较好的方式是：在一台多逻辑核的机器上指定程序可以运行在哪些核上。为了可以证明我们程序在多个核心上切换，我编写了如下代码
// build script:gcc -lpthread bind_core.c -o bind_core
#include <stdio.h>
#include <pthread.h>
#include <sched.h>
void* thread_routine(void* arg) {
int cpu = -1;
while(1) {
int cur_cpu = sched_getcpu();
if (cur_cpu != cpu) {
printf("pre:%d, cur:%d\n", cpu, cur_cpu);
cpu = cur_cpu;
}
}
};
void test_cpu_switch() {
pthread_t thread;
pthread_create(&thread, NULL, thread_routine, NULL);
pthread_detach(thread);
sleep(100);
}这段代码中启动了一个线程，通过sched_getcpu函数不停检测当前占用的逻辑核心编号。如果发生核心切换，就打印出来。在一台相对繁忙的40个逻辑核心机器上，其输出结果如下：
上图可以看出，程序分别在：0,1,2,3,7,8,10,12,13,14,15,17,19,21号逻辑核上运行过。为了让CPU在固定的核心上执行，我们可以使用taskset指令，让程序绑定逻辑核心。
taskset -c 0,10 ./bind_core上面指令让bind_core执行于0和10号逻辑核心上，这样我就可以看到它在这两个核心上的切换
基于上面的基础，我们可以编写测试代码，看看多线程程序在单核心和多核心下的处理能力
#include <stdio.h>
#include <pthread.h>
#include <sched.h>
unsigned long g_a = 0;
unsigned long g_b = 0;
void* thread_routine(void* arg) {
while(1) {
(*((unsigned long*)arg))++;
}
};
void test_cpu_ability() {
pthread_t thread_a;
pthread_create(&thread_a, NULL, thread_routine, &g_a);
pthread_detach(thread_a);
pthread_t thread_b;
pthread_create(&thread_b, NULL, thread_routine, &g_b);
pthread_detach(thread_b);
sleep(3);
printf("a:%lu\tb:%lu\n", g_a, g_b);
};这段代码启动了两个线程，每个线程分别不停自增。过了3秒后，通过两个全局变量的值表达出不同场景的处理能力：
- 不设置CPU绑定 ./bind_core a:999409723 b:994174648
- 设置绑定到0号CPU逻辑核心 taskset -c 0 ./bind_core a:563819215 b:564766868
- 设置绑定到0,1号CPU逻辑核心 taskset -c 0,1 ./bind_core a:1113333145 b:1072107088
- 设置绑定到0,1,2号CPU逻辑核心 taskset -c 0,1,2 ./bind_core a:1114825104 b:1113289961
可以看到，当启动两个线程时，绑定一个核心的处理能力是绑定两个核心的处理能力的一半左右。而绑定的核心数超过线程数时（如绑定到0,1,2号逻辑核心），其效率并没有明显提高。当然上述结论有个前提：这是CPU资源密集型的场景。
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2018年01月25日，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
相关产品与服务
对象存储
对象存储（Cloud Object Storage，COS）是由腾讯云推出的无目录层次结构、无数据格式限制，可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限，无需分区管理，适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。