在一个自学项目中，我借助以下代码测量内存的带宽（此处转述，整个代码如下）：

unsigned int doit(const std::vector<unsigned int> &mem){
   const size_t BLOCK_SIZE=16;
   size_t n = mem.size();
   unsigned int result=0;
   for(size_t i=0;i<n;i+=BLOCK_SIZE){           
             result+=mem[i];
   }
   return result;
}

//... initialize mem, result and so on
int NITER = 200; 
//... measure time of
   for(int i=0;i<NITER;i++)
       resul+=doit(mem)

BLOCK_SIZE的选择方式是这样的，每次整数加法都会获取整个64字节的缓存行。我的机器（Intel Broadwell）每个整数加法需要大约0.35纳秒，所以上面的代码可能会使高达182GB/s的带宽饱和（这个值只是一个上限，可能非常偏离，重要的是不同大小的带宽比率）。代码是用g和-O3编译的。

改变向量的大小，我可以观察到L1（*）-、L2-、L3缓存和RAM内存的预期带宽：

但是，有一个影响我真的很难解释：对于大约2 kB的大小，L1缓存的测量带宽崩溃，这里的分辨率更高：

我可以在我可以访问的所有机器（具有Intel Broadwell和Intel Haswell处理器）上重现结果。

我的问题：内存大小在2KB左右的性能崩溃的原因是什么？

（*）我希望我理解正确，对于L1缓存，读取/传输的不是64个字节，而是每次添加仅4个字节（没有更快的缓存必须填充缓存行），因此L1的绘制带宽只是上限，而不是坏宽度本身。

编辑：当内部for循环中的步长被选择为

• 8（而不是16）崩溃发生1KB
• 4（而不是16）崩溃发生在0.5KB

即当内部循环由大约31-35步/次读取组成时。这意味着崩溃不是由于内存大小，而是由于内部循环中的步数。

它可以用分支未命中来解释，如@user10605163的伟大回答所示。

列出以重现结果

带宽. cpp：

#include <vector>
#include <chrono>
#include <iostream>
#include <algorithm>


//returns minimal time needed for one execution in seconds:
template<typename Fun>
double timeit(Fun&& stmt, int repeat, int number)
{  
   std::vector<double> times;
   for(int i=0;i<repeat;i++){
       auto begin = std::chrono::high_resolution_clock::now();
       for(int i=0;i<number;i++){
          stmt();
       }
       auto end = std::chrono::high_resolution_clock::now();
       double time = std::chrono::duration_cast<std::chrono::nanoseconds>(end-begin).count()/1e9/number;
       times.push_back(time);
   }
   return *std::min_element(times.begin(), times.end());
}


const int NITER=200;
const int NTRIES=5;
const size_t BLOCK_SIZE=16;


struct Worker{
   std::vector<unsigned int> &mem;
   size_t n;
   unsigned int result;
   void operator()(){
        for(size_t i=0;i<n;i+=BLOCK_SIZE){           
             result+=mem[i];
        }
   }

   Worker(std::vector<unsigned int> &mem_):
       mem(mem_), n(mem.size()), result(1)
   {}
};

double PREVENT_OPTIMIZATION=0.0;


double get_size_in_kB(int SIZE){
   return SIZE*sizeof(int)/(1024.0);
}

double get_speed_in_GB_per_sec(int SIZE){
   std::vector<unsigned int> vals(SIZE, 42);
   Worker worker(vals);
   double time=timeit(worker, NTRIES, NITER);
   PREVENT_OPTIMIZATION+=worker.result;
   return get_size_in_kB(SIZE)/(1024*1024)/time;
}


int main(){

   int size=BLOCK_SIZE*16;
   std::cout<<"size(kB),bandwidth(GB/s)\n";
   while(size<10e3){
       std::cout<<get_size_in_kB(size)<<","<<get_speed_in_GB_per_sec(size)<<"\n";
       size=(static_cast<int>(size+BLOCK_SIZE)/BLOCK_SIZE)*BLOCK_SIZE;
   }

   //ensure that nothing is optimized away:
   std::cerr<<"Sum: "<<PREVENT_OPTIMIZATION<<"\n";
}

create_report.py：

import sys
import pandas as pd
import matplotlib.pyplot as plt

input_file=sys.argv[1]
output_file=input_file[0:-3]+'png'
data=pd.read_csv(input_file)

labels=list(data)    
plt.plot(data[labels[0]], data[labels[1]], label="my laptop")
plt.xlabel(labels[0])
plt.ylabel(labels[1])   
plt.savefig(output_file)
plt.close()

构建/运行/创建报告：

>>> g++ -O3 -std=c++11 bandwidth.cpp -o bandwidth
>>> ./bandwidth > report.txt
>>> python create_report.py report.txt
# image is in report.png