RFO计入英特尔CPU上的原子添加操作和缓存线锁定？

Question

我试图了解原子添加操作的本质。所以，我在Broadwell机器上运行以下代码。

int main(int argc, char ** argv){
    int nThreads = -1;
    float shareFrac = -1;
    uint64_t nIter = -1;

    ParseArg(argc, argv, nThreads, shareFrac, nIter);

    atomic<uint64_t> justToAvoidCompilerOptimization;

    #pragma omp parallel num_threads(nThreads)
    {
        int me = omp_get_thread_num();
        atomic<uint64_t> *tsData = &trueSharingData.data[0];
        atomic<uint64_t> *privateData = &(new SharedData_t())->data[0];
        for(uint64_t i = 0 ; i < nIter; i++) {
            // Use RDTSC as a proxy random number generator
            unsigned long lo, hi;
                asm volatile( "rdtsc" : "=a" (lo), "=d" (hi) ); 
                int rNum  = (lo % 54121) % 100; // mod by a prime.
            // if the random number is < shareFrac, perform a shared memory operation
            if (rNum < shareFrac) {
                *tsData += rNum2;
            } else {
                *privateData += rNum;
            }
        }       
        justToAvoidCompilerOptimization += *tsData;     
        justToAvoidCompilerOptimization += *privateData;        
    }


    return justToAvoidCompilerOptimization.load() ^ justToAvoidCompilerOptimization.load();
}

在这段代码中，基本上每个线程执行原子添加操作nIter次数，其中nIter是循环行程计数。在每次循环迭代中，可以在共享内存位置或线程局部变量上执行原子添加操作。

用于在共享存储器位置上执行原子添加操作所花费的循环行程计数的分数由参数shareFrac确定。例如，如果shareFrac为0.3且nIter为1000，则预计在共享内存位置上执行大约300次原子添加。

所以，我进行了一个小实验，我用shareFrac值增加了很多次运行这个简单的代码。对于每次运行，我使用perf计算L2_RQSTS.RFO_MISS事件的发生次数。我还将perf给出的计数与预期计数进行比较。预期的数量只是nthreads * nIter * shareFrac。

结果如下。

来确定nthreads = 2黑夜= 100个百万

来确定nthreads = 8，黑夜= 100个百万

从图中可以看出，RFO未命中计数超过了大多数运行中的预期计数。这怎么可能？？一个可能的解释是，原子添加带来了一条RFO线，希望能够进行读取和更新。但是，在读取和写入之间可能会盗取线路，在这种情况下，必须将线路带回。但是，据我所知，对于x86上的原子操作，高速缓存行被锁定，因此，一旦获得独占权限，高速缓存行不得被盗。或者我的理解不正确？

为了消除由于预取而导致高速缓存行传输的可能性，我还在获得这些结果之前消除了机器所有内核上的h / w预取程序。