GCC 4.8 中 C++11 线程局部变量的性能损失是什么？

Question

来自GCC 4.8 draft changelog：

G++ 现在实现了 C++11 thread_local 关键字；这不同于 GNU __thread 关键字主要是因为它允许动态 初始化和销毁​​语义。不幸的是，这种支持 对非函数本地的引用需要运行时惩罚 thread_local 变量即使它们不需要动态初始化， 因此用户可能希望继续将__thread 用于 TLS 变量 静态初始化语义。

这种运行时惩罚的性质和来源究竟是什么？

显然要支持非函数局部thread_local 变量，在进入每个线程主线程之前需要一个线程初始化阶段（就像全局变量有一个静态初始化阶段一样），但他们指的是一些运行时惩罚是否超出此范围？

gcc新实现的thread_local大概是什么架构？

Answer 1

（免责声明：我对 GCC 的内部了解不多，所以这也是一个有根据的猜测。）

在提交462819c 中添加了动态thread_local 初始化。其中一项变化是：

* semantics.c (finish_id_expression): Replace use of thread_local
variable with a call to its wrapper.

所以运行时损失是，thread_local 变量的每个引用都将成为函数调用。让我们用一个简单的测试用例来检查一下：

// 3.cpp
extern thread_local int tls;    
int main() {
    tls += 37;   // line 6
    tls &= 11;   // line 7
    tls ^= 3;    // line 8
    return 0;
}

// 4.cpp

thread_local int tls = 42;

编译后*，我们看到每一次使用tls 引用都变成了对_ZTW3tls 的函数调用，这会延迟初始化变量一次：

00000000004005b0 <main>:
main():
  4005b0:   55                          push   rbp
  4005b1:   48 89 e5                    mov    rbp,rsp
  4005b4:   e8 26 00 00 00              call   4005df <_ZTW3tls>    // line 6
  4005b9:   8b 10                       mov    edx,DWORD PTR [rax]
  4005bb:   83 c2 25                    add    edx,0x25
  4005be:   89 10                       mov    DWORD PTR [rax],edx
  4005c0:   e8 1a 00 00 00              call   4005df <_ZTW3tls>    // line 7
  4005c5:   8b 10                       mov    edx,DWORD PTR [rax]
  4005c7:   83 e2 0b                    and    edx,0xb
  4005ca:   89 10                       mov    DWORD PTR [rax],edx
  4005cc:   e8 0e 00 00 00              call   4005df <_ZTW3tls>    // line 8
  4005d1:   8b 10                       mov    edx,DWORD PTR [rax]
  4005d3:   83 f2 03                    xor    edx,0x3
  4005d6:   89 10                       mov    DWORD PTR [rax],edx
  4005d8:   b8 00 00 00 00              mov    eax,0x0              // line 9
  4005dd:   5d                          pop    rbp
  4005de:   c3                          ret

00000000004005df <_ZTW3tls>:
_ZTW3tls():
  4005df:   55                          push   rbp
  4005e0:   48 89 e5                    mov    rbp,rsp
  4005e3:   b8 00 00 00 00              mov    eax,0x0
  4005e8:   48 85 c0                    test   rax,rax
  4005eb:   74 05                       je     4005f2 <_ZTW3tls+0x13>
  4005ed:   e8 0e fa bf ff              call   0 <tls> // initialize the TLS
  4005f2:   64 48 8b 14 25 00 00 00 00  mov    rdx,QWORD PTR fs:0x0
  4005fb:   48 c7 c0 fc ff ff ff        mov    rax,0xfffffffffffffffc
  400602:   48 01 d0                    add    rax,rdx
  400605:   5d                          pop    rbp
  400606:   c3                          ret

将它与__thread 版本进行比较，后者没有这个额外的包装器：

00000000004005b0 <main>:
main():
  4005b0:   55                          push   rbp
  4005b1:   48 89 e5                    mov    rbp,rsp
  4005b4:   48 c7 c0 fc ff ff ff        mov    rax,0xfffffffffffffffc // line 6
  4005bb:   64 8b 00                    mov    eax,DWORD PTR fs:[rax]
  4005be:   8d 50 25                    lea    edx,[rax+0x25]
  4005c1:   48 c7 c0 fc ff ff ff        mov    rax,0xfffffffffffffffc
  4005c8:   64 89 10                    mov    DWORD PTR fs:[rax],edx
  4005cb:   48 c7 c0 fc ff ff ff        mov    rax,0xfffffffffffffffc // line 7
  4005d2:   64 8b 00                    mov    eax,DWORD PTR fs:[rax]
  4005d5:   89 c2                       mov    edx,eax
  4005d7:   83 e2 0b                    and    edx,0xb
  4005da:   48 c7 c0 fc ff ff ff        mov    rax,0xfffffffffffffffc
  4005e1:   64 89 10                    mov    DWORD PTR fs:[rax],edx
  4005e4:   48 c7 c0 fc ff ff ff        mov    rax,0xfffffffffffffffc // line 8
  4005eb:   64 8b 00                    mov    eax,DWORD PTR fs:[rax]
  4005ee:   89 c2                       mov    edx,eax
  4005f0:   83 f2 03                    xor    edx,0x3
  4005f3:   48 c7 c0 fc ff ff ff        mov    rax,0xfffffffffffffffc
  4005fa:   64 89 10                    mov    DWORD PTR fs:[rax],edx
  4005fd:   b8 00 00 00 00              mov    eax,0x0                // line 9
  400602:   5d                          pop    rbp
  400603:   c3                          ret

虽然thread_local 的每个用例都不需要这个包装器。这可以从decl2.c 透露。 包装器仅在以下情况下生成：

• 它不是函数局部的，并且，

  1. 是extern（上面的例子），或者
  2. 该类型具有重要的析构函数（__thread 变量不允许使用该析构函数），或者
  3. 类型变量由非常量表达式初始化（​​__thread 变量也不允许这样做）。

在所有其他用例中，它的行为与__thread 相同。这意味着，除非您有一些 extern __thread 变量，否则您可以将所有 __thread 替换为 thread_local 而不会损失任何性能。

---

*：我使用 -O0 编译，因为内联会使函数边界不那么明显。即使我们达到 -O3，这些初始化检查仍然存在。

Answer 2

C++11 thread_local 与 __thread 说明符具有相同的运行时效果（__thread 不是 C 标准的一部分；thread_local 是 C++ 标准的一部分）

这取决于声明 TLS 变量（使用 __thread 说明符声明）的位置。

• 如果在可执行文件中声明了 TLS 变量，那么访问速度很快
• 如果在共享库代码中声明了 TLS 变量（使用-fPIC 编译器选项编译）并指定了-ftls-model=initial-exec 编译器选项，则访问速度很快；但是存在以下限制：无法通过 dlopen/dlsym（动态加载）加载共享库，使用该库的唯一方法是在编译期间与其链接（链接器选项 -l<libraryname>）
• 如果在共享库中声明了 TLS 变量（-fPIC 编译器选项集），则访问速度非常慢，因为假定了一般动态 TLS 模型 - 这里每次访问 TLS 变量都会导致调用 _tls_get_addr() ;这是默认情况，因为您不受使用共享库的方式限制。

来源：Ulrich Drepper 对线程本地存储的 ELF 处理 https://www.akkadia.org/drepper/tls.pdf 此文本还列出了为支持的目标平台生成的代码。

Answer 3

如果变量是在当前 TU 中定义的，则内联器将处理开销。我希望 thread_local 的大多数用途都是如此。

对于外部变量，如果程序员可以确定在非定义 TU 中使用该变量不需要触发动态初始化（要么是因为变量是静态初始化的，要么是在定义 TU 中使用该变量将在另一个 TU 中的任何使用之前执行），它们可以通过 -fno-extern-tls-init 选项避免这种开销。