我目前正试图在我的一个C程序中理解一些非常奇怪的行为。显然，在它的末尾添加或删除看似无关紧要的行会大大影响程序其余部分的性能。
我的程序看起来有点像这样：
int large_buffer[10000];
void compute(FILE * input) {
for(int i=0; i<100; i++) {
do_lots_of_stuff();
printf(".");
fflush(stdout);
}
}
int main() {
FILE *input = fopen("input.txt", "r");
compute(input);
fclose(input); // <--- everything gets 2x slower if I comment this out (!)
return 0;
}
从理论上讲，那 fclose(input) 主函数末尾的行无关紧要，因为OS无论如何都应该在程序结束时自动关闭文件。但是我观察到，当我将fclose语句包含在内时，我的程序需要2.5秒才能运行。差异2倍！这不是因为程序开始或结束时的延迟：速度 . 使用fclose语句打印出来的版本明显更快。
我怀疑这可能与某些内存对齐或缓存未命中问题有关。如果我用ftell等另一个函数替换fclose，它也需要5s来运行，如果我减小了它的大小 large_buffer 对于<= 8000个元素，它总是在2.5秒内运行，无论fclose语句是否存在。
但我真的希望能够100％确定这种奇怪行为背后的罪魁祸首。是否有可能在某种分析器或其他工具下运行我的程序，这些工具会给我这些信息？到目前为止，我尝试在两个版本下运行 valgrind --tool=cachegrind 但它报告了我的程序的两个版本的相同数量的缓存未命中（0％）。
编辑1：运行我的程序的两个版本之后 perf stat -d -d -d 我得到了以下结果：
Performance counter stats for './no-fclose examples/bench.o':
5625.535086 task-clock (msec) # 1.000 CPUs utilized
38 context-switches # 0.007 K/sec
0 cpu-migrations # 0.000 K/sec
54 page-faults # 0.010 K/sec
17,851,853,580 cycles # 3.173 GHz (53.23%)
6,421,955,412 stalled-cycles-frontend # 35.97% frontend cycles idle (53.23%)
4,919,383,925 stalled-cycles-backend # 27.56% backend cycles idle (53.23%)
13,294,878,129 instructions # 0.74 insn per cycle
# 0.48 stalled cycles per insn (59.91%)
3,178,485,061 branches # 565.010 M/sec (59.91%)
440,171,927 branch-misses # 13.85% of all branches (59.92%)
4,778,577,556 L1-dcache-loads # 849.444 M/sec (60.19%)
125,313 L1-dcache-load-misses # 0.00% of all L1-dcache hits (60.22%)
12,110 LLC-loads # 0.002 M/sec (60.25%)
<not supported> LLC-load-misses
<not supported> L1-icache-loads
20,196,491 L1-icache-load-misses (60.22%)
4,793,012,927 dTLB-loads # 852.010 M/sec (60.18%)
683 dTLB-load-misses # 0.00% of all dTLB cache hits (60.13%)
3,443 iTLB-loads # 0.612 K/sec (53.38%)
90 iTLB-load-misses # 2.61% of all iTLB cache hits (53.31%)
<not supported> L1-dcache-prefetches
51,382 L1-dcache-prefetch-misses # 0.009 M/sec (53.24%)
5.627225926 seconds time elapsed
Performance counter stats for './yes-fclose examples/bench.o':
2652.609254 task-clock (msec) # 1.000 CPUs utilized
15 context-switches # 0.006 K/sec
0 cpu-migrations # 0.000 K/sec
57 page-faults # 0.021 K/sec
8,277,447,108 cycles # 3.120 GHz (53.39%)
2,453,171,903 stalled-cycles-frontend # 29.64% frontend cycles idle (53.46%)
1,235,728,409 stalled-cycles-backend # 14.93% backend cycles idle (53.53%)
13,296,127,857 instructions # 1.61 insn per cycle
# 0.18 stalled cycles per insn (60.20%)
3,177,698,785 branches # 1197.952 M/sec (60.20%)
71,034,122 branch-misses # 2.24% of all branches (60.20%)
4,790,733,157 L1-dcache-loads # 1806.046 M/sec (60.20%)
74,908 L1-dcache-load-misses # 0.00% of all L1-dcache hits (60.20%)
15,289 LLC-loads # 0.006 M/sec (60.19%)
<not supported> LLC-load-misses
<not supported> L1-icache-loads
140,750 L1-icache-load-misses (60.08%)
4,792,716,217 dTLB-loads # 1806.793 M/sec (59.93%)
1,010 dTLB-load-misses # 0.00% of all dTLB cache hits (59.78%)
113 iTLB-loads # 0.043 K/sec (53.12%)
167 iTLB-load-misses # 147.79% of all iTLB cache hits (53.44%)
<not supported> L1-dcache-prefetches
29,744 L1-dcache-prefetch-misses # 0.011 M/sec (53.36%)
2.653584624 seconds time elapsed
看起来在两种情况下几乎没有数据缓存未命中，正如kcachegrind报道的那样，但程序的较慢版本具有更差的分支预测和更多指令缓存未命中以及iTLB加载。哪些差异最有可能导致测试用例之间运行时间的2倍差异？
编辑2：有趣的事实，显然，如果我用一条NOP指令替换“fclose”调用，我仍然可以保持奇怪的行为。
编辑3：我的处理器是Intel i5-2310（Sandy Bridge）
编辑4：事实证明，如果我通过编辑汇编文件来调整数组大小 不 加快速度。当我在C代码中改变它们的大小时，它变得更快的原因是因为gcc决定重新排列二进制文件中的东西的顺序。
编辑5：更多证据表明重要的是JMP指令的精确地址：如果我在代码的开头添加一个NOP（而不是printf），它会变得更快。同样，如果我从代码的开头删除无用的指令，它也会变得更快。当我在不同版本的gcc上编译我的代码时，它也变得更快，尽管生成的汇编代码是相同的。唯一的区别是开始时的调试信息以及二进制文件的各个部分的顺序不同。