作者：Harry，某原厂工程师，以解决工程问题为目的，喜欢拓展学习业内技术。 阅码场，公众号：Linux阅码场Cache能顶半边天，《深入理解cache训练营2期》火热招募
1. 前言
Cache在体系架构中占据半边山，读者又多为软件从业者、学者，个人在碰到项目瓶颈时，研读一些ARM手册，以及业内技术论文，发现cache在架构中发挥着被软件工程师低估的能力，本文从其设计角度和软件角度阐述一二；
2. Cache的设计思考
Cache的基础资料很多，多是围绕如下展开说明：cache line，组/全相连，VIVT/VIPT/PIPT等概念，一般初学者阅读后也会云里雾里，cache技术也很少被直接关注到；
所以在linux初级开发者接触cache时，脑海里会不自觉的思考：硬件行为，都是被ICer设计好的；所以他们也并没有深究cache的层次结构，也没有继续挖掘cache和驱动软件的千丝万缕的关系，脑海里想象的拓扑图，大致是这样：
认为cache的设计就是cpu和memory之间单一的存在，从而忽略了那些ICer对cache的研究和优化，直接影响就是软件层面的优化，以及软件层面的疑难bug；这也是初学者进阶时的第一道阻碍；
那么在原厂工程师的脑海里，cache最基础的样子是这样的：
它是现在处理器基本的形态，也是最简单的形态，在ICer们的设计上，其内在协议直接影响着指令的流转：load，store等；其内在存在的load buffer和store buffer影响着你的数据一致性，你的读写指令运行速度，数据的共享属性等等，极其简单的实例：
一个load执行，一个store执行，哪个快？显然prefetch最快，再深一层次思考：如果工程中，在多cpu和多thread都有数据访问需求，但是CPU和memory直接又有cache这一层大buffer，硬件和软件都做了什么，能够保证实时或访存速度？
硬件上，制定cache的各种参数时，在保证满足设计需求时，ICer们也会做这种动作：即对cache的benchmark；比如cache size和直接映射、组相连带来的收益：
L2 cache的benchmark：
各种参数的测试结果呈现就是市面上大家可以查到的某种处理器L1 cache，L2 cache，L3 cache，以及system cache的大小，所以在大家认为很小size的cache，ICer以及架构师们，甚至是学者，都在为其能够发挥出更佳性能，更低功耗的能力，夜以继日的做研究，做实验；
进一步思考：现在处理器设计越来越复杂，越来越强，比如NUMA，大小核等等，其呈现效果又如下简单示例：
硬件层面带来了考验和升级，直接的影响给软件层面也带了考验，比如：你的数据一致性问题，IP驱动设计等等，ARM的内存模型又是弱一致性的，那么你设计的驱动，可能被动存在着潜在bug，所以进一步带来的是我们在工程问题上的思考。
1. Cache的工程思考
本人工作于ARM体系架构之上，所以日常在查阅arm官方公开的文档时，知道的愈多，疑问也愈多，思考的也愈多，但是借助linux这个开源社区，众多疑惑也慢慢得到解答，特此在工作之余将一小部分所得分享于大家，比如：cache的多个读写策略在影响着指令行为，直接导致数据的行为不一，如何在工程中认识它们？解决它们？
Cache的策略有如下：write-allocate，no write-allocate，read-allocate，read-through；
上述策略在驱动设计时，也是几乎被忽略的存在，其发挥的作用就是data是否被缓存在cache中，还是 pass到内存中，若两者皆存在，那么你的DMA在搬运数据前，有个动作就是sync，即刷新cache，保持数据在cache与内存中的一致性；
当然在内核驱动设计时，并不会指定使用哪个cache策略，因为kernel已经在某些接口中，潜在的做了相关操作，譬如大家用的ioremap_xxx这类接口就是和cache联系紧密；
可以思考：如果我不需要使用ioremap_xxx这类接口，还需要关注什么cache策略吗？
思考后的结果：dirty数据带来的不同步就是你解决不了问题的噩梦；
Dirty数据怎么处理？借助linux的驱动设计，可以给各位呈现出如下一个接口：
gic_flush_dcache_to_poc()；
POC（Point of Coherency）:全局缓存一致性，即系统中所有可以发起内存访问的硬件单元的视角：CPU，DMA等；
所以虽然cache分为：L1 cache，L2 cache，L3cache，以及system cache，但是需要软件设计者必须知道的是：你想干什么？是刷新部分master所感测到的数据，还是所有master都要关注到的数据变化，这就是cache带来的可操作性；
即在不同cache层级的设计中，data的可观测性是不一样的，这也是为什么在我的脑海里，cache一直是多层级，多策略的，所以在驱动设计时，保证IP的视角看到的数据就是我设计的结果；
思考：如果只是CPU之间的data是可观测的，有没有什么指令作用域比POC更小的？
思考后的结果：POC视角太宽泛了，比POC作用域小的，即 POU：Point of Unification；即处理器看到的视角，比如虚拟内存和物理内存映射的页表数据：TLB，MMU；
进一步思考：POC和POU又太大了，有没有只操作我dword数据的？
因为ARM的内存模型是弱一致性的，所以其在指令排序上有所行为，直接影响就是控制数据的乱序，内存屏障指令运势而生：dmb，dsb，isb；（PS：宋宝华老师的分享文章有详解）；
该内存屏障指令宋老师有过介绍，不再赘述，需要关注的是：在使用上述指令时，也有作用域的区别；
Cache带给处理器的是极致性能，带给开发者是一个又一个的隐藏问题，所以剖析cache很有必要；
2. 总结
本文因为篇幅问题，分享的是cache的冰山一角。cache又是体系架构中的一角，体系架构又是内核技术的一角，我又是众多读者的一角。
文献参考：论文《What Every Programmer Should Know About Memory》。
