folly/test/ThreadCachedIntTest.cpp

   1 /*
   2  * Copyright 2016 Facebook, Inc.
   3  *
   4  * Licensed under the Apache License, Version 2.0 (the "License");
   5  * you may not use this file except in compliance with the License.
   6  * You may obtain a copy of the License at
   7  *
   8  *   http://www.apache.org/licenses/LICENSE-2.0
   9  *
  10  * Unless required by applicable law or agreed to in writing, software
  11  * distributed under the License is distributed on an "AS IS" BASIS,
  12  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  13  * See the License for the specific language governing permissions and
  14  * limitations under the License.
  15  */
  16
  17 #include <folly/ThreadCachedInt.h>
  18
  19 #include <atomic>
  20 #include <condition_variable>
  21 #include <thread>
  22
  23 #include <glog/logging.h>
  24
  25 #include <folly/Benchmark.h>
  26 #include <folly/Hash.h>
  27 #include <folly/portability/GFlags.h>
  28 #include <folly/portability/GTest.h>
  29
  30 using namespace folly;
  31
  32 using std::unique_ptr;
  33 using std::vector;
  34
  35 using Counter = ThreadCachedInt<int64_t>;
  36
  37 class ThreadCachedIntTest : public testing::Test {
  38  public:
  39   uint32_t GetDeadThreadsTotal(const Counter& counter) {
  40     return counter.readFast();
  41   }
  42 };
  43
  44 // Multithreaded tests.  Creates a specified number of threads each of
  45 // which iterates a different amount and dies.
  46
  47 namespace {
  48 // Set cacheSize to be large so cached data moves to target_ only when
  49 // thread dies.
  50 Counter g_counter_for_mt_slow(0, UINT32_MAX);
  51 Counter g_counter_for_mt_fast(0, UINT32_MAX);
  52
  53 // Used to sync between threads.  The value of this variable is the
  54 // maximum iteration index upto which Runner() is allowed to go.
  55 uint32_t g_sync_for_mt(0);
  56 std::condition_variable cv;
  57 std::mutex cv_m;
  58
  59 // Performs the specified number of iterations.  Within each
  60 // iteration, it increments counter 10 times.  At the beginning of
  61 // each iteration it checks g_sync_for_mt to see if it can proceed,
  62 // otherwise goes into a loop sleeping and rechecking.
  63 void Runner(Counter* counter, uint32_t iterations) {
  64   for (uint32_t i = 0; i < iterations; ++i) {
  65     std::unique_lock<std::mutex> lk(cv_m);
  66     cv.wait(lk, [i] { return i < g_sync_for_mt; });
  67     for (uint32_t j = 0; j < 10; ++j) {
  68       counter->increment(1);
  69     }
  70   }
  71 }
  72 }
  73
  74 // Slow test with fewer threads where there are more busy waits and
  75 // many calls to readFull().  This attempts to test as many of the
  76 // code paths in Counter as possible to ensure that counter values are
  77 // properly passed from thread local state, both at calls to
  78 // readFull() and at thread death.
  79 TEST_F(ThreadCachedIntTest, MultithreadedSlow) {
  80   static constexpr uint32_t kNumThreads = 20;
  81   g_sync_for_mt = 0;
  82   vector<unique_ptr<std::thread>> threads(kNumThreads);
  83   // Creates kNumThreads threads.  Each thread performs a different
  84   // number of iterations in Runner() - threads[0] performs 1
  85   // iteration, threads[1] performs 2 iterations, threads[2] performs
  86   // 3 iterations, and so on.
  87   for (uint32_t i = 0; i < kNumThreads; ++i) {
  88     threads[i].reset(new std::thread(Runner, &g_counter_for_mt_slow, i + 1));
  89   }
  90   // Variable to grab current counter value.
  91   int32_t counter_value;
  92   // The expected value of the counter.
  93   int32_t total = 0;
  94   // The expected value of GetDeadThreadsTotal().
  95   int32_t dead_total = 0;
  96   // Each iteration of the following thread allows one additional
  97   // iteration of the threads.  Given that the threads perform
  98   // different number of iterations from 1 through kNumThreads, one
  99   // thread will complete in each of the iterations of the loop below.
 100   for (uint32_t i = 0; i < kNumThreads; ++i) {
 101     // Allow upto iteration i on all threads.
 102     {
 103       std::lock_guard<std::mutex> lk(cv_m);
 104       g_sync_for_mt = i + 1;
 105     }
 106     cv.notify_all();
 107     total += (kNumThreads - i) * 10;
 108     // Loop until the counter reaches its expected value.
 109     do {
 110       counter_value = g_counter_for_mt_slow.readFull();
 111     } while (counter_value < total);
 112     // All threads have done what they can until iteration i, now make
 113     // sure they don't go further by checking 10 more times in the
 114     // following loop.
 115     for (uint32_t j = 0; j < 10; ++j) {
 116       counter_value = g_counter_for_mt_slow.readFull();
 117       EXPECT_EQ(total, counter_value);
 118     }
 119     dead_total += (i + 1) * 10;
 120     EXPECT_GE(dead_total, GetDeadThreadsTotal(g_counter_for_mt_slow));
 121   }
 122   // All threads are done.
 123   for (uint32_t i = 0; i < kNumThreads; ++i) {
 124     threads[i]->join();
 125   }
 126   counter_value = g_counter_for_mt_slow.readFull();
 127   EXPECT_EQ(total, counter_value);
 128   EXPECT_EQ(total, dead_total);
 129   EXPECT_EQ(dead_total, GetDeadThreadsTotal(g_counter_for_mt_slow));
 130 }
 131
 132 // Fast test with lots of threads and only one call to readFull()
 133 // at the end.
 134 TEST_F(ThreadCachedIntTest, MultithreadedFast) {
 135   static constexpr uint32_t kNumThreads = 1000;
 136   g_sync_for_mt = 0;
 137   vector<unique_ptr<std::thread>> threads(kNumThreads);
 138   // Creates kNumThreads threads.  Each thread performs a different
 139   // number of iterations in Runner() - threads[0] performs 1
 140   // iteration, threads[1] performs 2 iterations, threads[2] performs
 141   // 3 iterations, and so on.
 142   for (uint32_t i = 0; i < kNumThreads; ++i) {
 143     threads[i].reset(new std::thread(Runner, &g_counter_for_mt_fast, i + 1));
 144   }
 145   // Let the threads run to completion.
 146   {
 147     std::lock_guard<std::mutex> lk(cv_m);
 148     g_sync_for_mt = kNumThreads;
 149   }
 150   cv.notify_all();
 151   // The expected value of the counter.
 152   uint32_t total = 0;
 153   for (uint32_t i = 0; i < kNumThreads; ++i) {
 154     total += (kNumThreads - i) * 10;
 155   }
 156   // Wait for all threads to complete.
 157   for (uint32_t i = 0; i < kNumThreads; ++i) {
 158     threads[i]->join();
 159   }
 160   int32_t counter_value = g_counter_for_mt_fast.readFull();
 161   EXPECT_EQ(total, counter_value);
 162   EXPECT_EQ(total, GetDeadThreadsTotal(g_counter_for_mt_fast));
 163 }
 164
 165 TEST(ThreadCachedInt, SingleThreadedNotCached) {
 166   ThreadCachedInt<int64_t> val(0, 0);
 167   EXPECT_EQ(0, val.readFast());
 168   ++val;
 169   EXPECT_EQ(1, val.readFast());
 170   for (int i = 0; i < 41; ++i) {
 171     val.increment(1);
 172   }
 173   EXPECT_EQ(42, val.readFast());
 174   --val;
 175   EXPECT_EQ(41, val.readFast());
 176 }
 177
 178 // Note: This is somewhat fragile to the implementation.  If this causes
 179 // problems, feel free to remove it.
 180 TEST(ThreadCachedInt, SingleThreadedCached) {
 181   ThreadCachedInt<int64_t> val(0, 10);
 182   EXPECT_EQ(0, val.readFast());
 183   ++val;
 184   EXPECT_EQ(0, val.readFast());
 185   for (int i = 0; i < 7; ++i) {
 186     val.increment(1);
 187   }
 188   EXPECT_EQ(0, val.readFast());
 189   EXPECT_EQ(0, val.readFastAndReset());
 190   EXPECT_EQ(8, val.readFull());
 191   EXPECT_EQ(8, val.readFullAndReset());
 192   EXPECT_EQ(0, val.readFull());
 193   EXPECT_EQ(0, val.readFast());
 194 }
 195
 196 ThreadCachedInt<int32_t> globalInt32(0, 11);
 197 ThreadCachedInt<int64_t> globalInt64(0, 11);
 198 int kNumInserts = 100000;
 199 DEFINE_int32(numThreads, 8, "Number simultaneous threads for benchmarks.");
 200 #define CREATE_INC_FUNC(size)                                       \
 201   void incFunc ## size () {                                         \
 202     const int num = kNumInserts / FLAGS_numThreads;                 \
 203     for (int i = 0; i < num; ++i) {                                 \
 204       ++globalInt ## size ;                                         \
 205     }                                                               \
 206   }
 207 CREATE_INC_FUNC(64);
 208 CREATE_INC_FUNC(32);
 209
 210 // Confirms counts are accurate with competing threads
 211 TEST(ThreadCachedInt, MultiThreadedCached) {
 212   kNumInserts = 100000;
 213   CHECK_EQ(0, kNumInserts % FLAGS_numThreads) <<
 214     "FLAGS_numThreads must evenly divide kNumInserts (" << kNumInserts << ").";
 215   const int numPerThread = kNumInserts / FLAGS_numThreads;
 216   ThreadCachedInt<int64_t> TCInt64(0, numPerThread - 2);
 217   {
 218     std::atomic<bool> run(true);
 219     std::atomic<int> threadsDone(0);
 220     std::vector<std::thread> threads;
 221     for (int i = 0; i < FLAGS_numThreads; ++i) {
 222       threads.push_back(std::thread([&] {
 223         FOR_EACH_RANGE(k, 0, numPerThread) {
 224           ++TCInt64;
 225         }
 226         std::atomic_fetch_add(&threadsDone, 1);
 227         while (run.load()) { usleep(100); }
 228       }));
 229     }
 230
 231     // We create and increment another ThreadCachedInt here to make sure it
 232     // doesn't interact with the other instances
 233     ThreadCachedInt<int64_t> otherTCInt64(0, 10);
 234     otherTCInt64.set(33);
 235     ++otherTCInt64;
 236
 237     while (threadsDone.load() < FLAGS_numThreads) { usleep(100); }
 238
 239     ++otherTCInt64;
 240
 241     // Threads are done incrementing, but caches have not been flushed yet, so
 242     // we have to readFull.
 243     EXPECT_NE(kNumInserts, TCInt64.readFast());
 244     EXPECT_EQ(kNumInserts, TCInt64.readFull());
 245
 246     run.store(false);
 247     for (auto& t : threads) {
 248       t.join();
 249     }
 250
 251   }  // Caches are flushed when threads finish
 252   EXPECT_EQ(kNumInserts, TCInt64.readFast());
 253 }
 254
 255 #define MAKE_MT_CACHE_SIZE_BM(size)                             \
 256   void BM_mt_cache_size ## size (int iters, int cacheSize) {    \
 257     kNumInserts = iters;                                        \
 258     globalInt ## size.set(0);                                   \
 259     globalInt ## size.setCacheSize(cacheSize);                  \
 260     std::vector<std::thread> threads;                           \
 261     for (int i = 0; i < FLAGS_numThreads; ++i) {                \
 262       threads.push_back(std::thread(incFunc ## size));          \
 263     }                                                           \
 264     for (auto& t : threads) {                                   \
 265       t.join();                                                 \
 266     }                                                           \
 267   }
 268 MAKE_MT_CACHE_SIZE_BM(64);
 269 MAKE_MT_CACHE_SIZE_BM(32);
 270
 271 #define REG_BASELINE(name, inc_stmt)                            \
 272   BENCHMARK(FB_CONCATENATE(BM_mt_baseline_, name), iters) {     \
 273     const int iterPerThread = iters / FLAGS_numThreads;         \
 274     std::vector<std::thread> threads;                           \
 275     for (int i = 0; i < FLAGS_numThreads; ++i) {                \
 276       threads.push_back(std::thread([&]() {                     \
 277             for (int j = 0; j < iterPerThread; ++j) {           \
 278               inc_stmt;                                         \
 279             }                                                   \
 280           }));                                                  \
 281     }                                                           \
 282     for (auto& t : threads) {                                   \
 283       t.join();                                                 \
 284     }                                                           \
 285   }
 286
 287 ThreadLocal<int64_t> globalTL64Baseline;
 288 ThreadLocal<int32_t> globalTL32Baseline;
 289 std::atomic<int64_t> globalInt64Baseline(0);
 290 std::atomic<int32_t> globalInt32Baseline(0);
 291 FOLLY_TLS int64_t global__thread64;
 292 FOLLY_TLS int32_t global__thread32;
 293
 294 // Alternate lock-free implementation.  Achieves about the same performance,
 295 // but uses about 20x more memory than ThreadCachedInt with 24 threads.
 296 struct ShardedAtomicInt {
 297   static const int64_t kBuckets_ = 2048;
 298   std::atomic<int64_t> ints_[kBuckets_];
 299
 300   inline void inc(int64_t val = 1) {
 301     int bucket = hash::twang_mix64(
 302       uint64_t(pthread_self())) & (kBuckets_ - 1);
 303     std::atomic_fetch_add(&ints_[bucket], val);
 304   }
 305
 306   // read the first few and extrapolate
 307   int64_t readFast() {
 308     int64_t ret = 0;
 309     static const int numToRead = 8;
 310     FOR_EACH_RANGE(i, 0, numToRead) {
 311       ret += ints_[i].load(std::memory_order_relaxed);
 312     }
 313     return ret * (kBuckets_ / numToRead);
 314   }
 315
 316   // readFull is lock-free, but has to do thousands of loads...
 317   int64_t readFull() {
 318     int64_t ret = 0;
 319     for (auto& i : ints_) {
 320       // Fun fact - using memory_order_consume below reduces perf 30-40% in high
 321       // contention benchmarks.
 322       ret += i.load(std::memory_order_relaxed);
 323     }
 324     return ret;
 325   }
 326 };
 327 ShardedAtomicInt shd_int64;
 328
 329 REG_BASELINE(_thread64, global__thread64 += 1);
 330 REG_BASELINE(_thread32, global__thread32 += 1);
 331 REG_BASELINE(ThreadLocal64, *globalTL64Baseline += 1);
 332 REG_BASELINE(ThreadLocal32, *globalTL32Baseline += 1);
 333 REG_BASELINE(atomic_inc64,
 334              std::atomic_fetch_add(&globalInt64Baseline, int64_t(1)));
 335 REG_BASELINE(atomic_inc32,
 336              std::atomic_fetch_add(&globalInt32Baseline, int32_t(1)));
 337 REG_BASELINE(ShardedAtm64, shd_int64.inc());
 338
 339 BENCHMARK_PARAM(BM_mt_cache_size64, 0);
 340 BENCHMARK_PARAM(BM_mt_cache_size64, 10);
 341 BENCHMARK_PARAM(BM_mt_cache_size64, 100);
 342 BENCHMARK_PARAM(BM_mt_cache_size64, 1000);
 343 BENCHMARK_PARAM(BM_mt_cache_size32, 0);
 344 BENCHMARK_PARAM(BM_mt_cache_size32, 10);
 345 BENCHMARK_PARAM(BM_mt_cache_size32, 100);
 346 BENCHMARK_PARAM(BM_mt_cache_size32, 1000);
 347 BENCHMARK_DRAW_LINE();
 348
 349 // single threaded
 350 BENCHMARK(Atomic_readFull) {
 351   doNotOptimizeAway(globalInt64Baseline.load(std::memory_order_relaxed));
 352 }
 353 BENCHMARK(ThrCache_readFull) {
 354   doNotOptimizeAway(globalInt64.readFull());
 355 }
 356 BENCHMARK(Sharded_readFull) {
 357   doNotOptimizeAway(shd_int64.readFull());
 358 }
 359 BENCHMARK(ThrCache_readFast) {
 360   doNotOptimizeAway(globalInt64.readFast());
 361 }
 362 BENCHMARK(Sharded_readFast) {
 363   doNotOptimizeAway(shd_int64.readFast());
 364 }
 365 BENCHMARK_DRAW_LINE();
 366
 367 // multi threaded
 368 REG_BASELINE(Atomic_readFull,
 369       doNotOptimizeAway(globalInt64Baseline.load(std::memory_order_relaxed)));
 370 REG_BASELINE(ThrCache_readFull, doNotOptimizeAway(globalInt64.readFull()));
 371 REG_BASELINE(Sharded_readFull, doNotOptimizeAway(shd_int64.readFull()));
 372 REG_BASELINE(ThrCache_readFast, doNotOptimizeAway(globalInt64.readFast()));
 373 REG_BASELINE(Sharded_readFast, doNotOptimizeAway(shd_int64.readFast()));
 374 BENCHMARK_DRAW_LINE();
 375
 376 int main(int argc, char** argv) {
 377   testing::InitGoogleTest(&argc, argv);
 378   gflags::ParseCommandLineFlags(&argc, &argv, true);
 379   gflags::SetCommandLineOptionWithMode(
 380     "bm_min_usec", "10000", gflags::SET_FLAG_IF_DEFAULT
 381   );
 382   if (FLAGS_benchmark) {
 383     folly::runBenchmarks();
 384   }
 385   return RUN_ALL_TESTS();
 386 }
 387
 388 /*
 389  Ran with 20 threads on dual 12-core Xeon(R) X5650 @ 2.67GHz with 12-MB caches
 390
 391  Benchmark                               Iters   Total t    t/iter iter/sec
 392  ------------------------------------------------------------------------------
 393  + 103% BM_mt_baseline__thread64     10000000  13.54 ms  1.354 ns  704.4 M
 394 *       BM_mt_baseline__thread32     10000000  6.651 ms  665.1 ps    1.4 G
 395  +50.3% BM_mt_baseline_ThreadLocal64  10000000  9.994 ms  999.4 ps  954.2 M
 396  +49.9% BM_mt_baseline_ThreadLocal32  10000000  9.972 ms  997.2 ps  956.4 M
 397  +2650% BM_mt_baseline_atomic_inc64  10000000  182.9 ms  18.29 ns  52.13 M
 398  +2665% BM_mt_baseline_atomic_inc32  10000000  183.9 ms  18.39 ns  51.85 M
 399  +75.3% BM_mt_baseline_ShardedAtm64  10000000  11.66 ms  1.166 ns  817.8 M
 400  +6670% BM_mt_cache_size64/0         10000000  450.3 ms  45.03 ns  21.18 M
 401  +1644% BM_mt_cache_size64/10        10000000    116 ms   11.6 ns   82.2 M
 402  + 381% BM_mt_cache_size64/100       10000000  32.04 ms  3.204 ns  297.7 M
 403  + 129% BM_mt_cache_size64/1000      10000000  15.24 ms  1.524 ns  625.8 M
 404  +6052% BM_mt_cache_size32/0         10000000  409.2 ms  40.92 ns  23.31 M
 405  +1304% BM_mt_cache_size32/10        10000000  93.39 ms  9.339 ns  102.1 M
 406  + 298% BM_mt_cache_size32/100       10000000  26.52 ms  2.651 ns  359.7 M
 407  +68.1% BM_mt_cache_size32/1000      10000000  11.18 ms  1.118 ns  852.9 M
 408 ------------------------------------------------------------------------------
 409  +10.4% Atomic_readFull              10000000  36.05 ms  3.605 ns  264.5 M
 410  + 619% ThrCache_readFull            10000000  235.1 ms  23.51 ns  40.57 M
 411  SLOW   Sharded_readFull              1981093      2 s    1.01 us  967.3 k
 412 *       ThrCache_readFast            10000000  32.65 ms  3.265 ns  292.1 M
 413  +10.0% Sharded_readFast             10000000  35.92 ms  3.592 ns  265.5 M
 414 ------------------------------------------------------------------------------
 415  +4.54% BM_mt_baseline_Atomic_readFull  10000000  8.672 ms  867.2 ps  1.074 G
 416  SLOW   BM_mt_baseline_ThrCache_readFull  10000000  996.9 ms  99.69 ns  9.567 M
 417  SLOW   BM_mt_baseline_Sharded_readFull  10000000  891.5 ms  89.15 ns   10.7 M
 418 *       BM_mt_baseline_ThrCache_readFast  10000000  8.295 ms  829.5 ps  1.123 G
 419  +12.7% BM_mt_baseline_Sharded_readFast  10000000  9.348 ms  934.8 ps   1020 M
 420 ------------------------------------------------------------------------------
 421 */