Und jetzt ein paar Messwerte mit einem Core Ultra 5 225, mit aktuellen P-Kernen (Lion Cove) mit bis zu 4,9GHz und aktuellen E-Kernen (Skymont) mit bis zu 4,4GHz. Und auf dem Prozessor sehe ich diese Geschwindigkeit tatsaechlich (aber nicht allcore). Wieder mit 4000x4000 Matrix-Multiplikation.
[edit]Ich hatte einen Messfehler, und habe alles nochmal gemessen, und die Ergebnisse, die nennenswert abwichen, korrigiert[/edit]
Zunaechst einmal die Geschwindigkeit fuer einen Thread:
Code:
# P-core:
$ OMP_NUM_THREADS=1 taskset -c 2 perf stat ./blas 4000
9_502_286_762 cpu_core/cycles/ # 4.886 GHz
31_161_624_282 cpu_core/instructions/ # 3.28 insn per cycle
1.959721859 seconds time elapsed
# E-core:
$ OMP_NUM_THREADS=1 taskset -c 8 perf stat ./blas 4000
12_155_664_360 cpu_atom/cycles/ # 4.383 GHz
31_160_014_266 cpu_atom/instructions/ # 2.56 insn per cycle
2.847747383 seconds time elapsed
Also Faktor 1.28 bessere IPC, 1.11 beim Takt, ergibt rechnerisch Faktor 1.43 Leistungsunterschied, tatsaechlich (elapsed) Faktor 1.45.
Und jetzt 2 P-Kerne gegen 4 E-Kerne:
Code:
# 2 P-cores:
$ OMP_NUM_THREADS=2 taskset -c 2,4 perf stat ./blas 4000
10_176_751_401 cpu_core/cycles/ # 4.884 GHz
31_527_459_453 cpu_core/instructions/ # 3.10 insn per cycle
1.050453590 seconds time elapsed
# 4 E-Cores:
$ OMP_NUM_THREADS=4 taskset -c 6-9 perf stat ./blas 4000
14_331_722_896 cpu_atom/cycles/ # 4.380 GHz
32_371_389_958 cpu_atom/instructions/ # 2.26 insn per cycle
0.877606800 seconds time elapsed
Also ist die doppelte Zahl von E-Cores um den Faktor 1.20 schneller (elapsed) als die einfache Zahl P-Cores. Das ist weit mehr als der Vorteil von SMT in #90 ausmacht (Faktor 1.02), und das waere wohl auf Lion Cove aehnlich, wenn Lion Cove SMT koennte.
Code:
# nur P-Cores (6):
$ OMP_NUM_THREADS=6 taskset -c 0-5 perf stat ./blas 4000
13_004_361_506 cpu_core/cycles/ # 4.685 GHz
33_303_548_695 cpu_core/instructions/ # 2.56 insn per cycle
0.468524609 seconds time elapsed
# alle cores (6P, 4E)
$ OMP_NUM_THREADS=10 taskset -c 0-9 perf stat ./blas 4000
15_991_308_711 cpu_atom/cycles/ # 4.222 GHz (37.59%)
16_995_341_350 cpu_core/cycles/ # 4.487 GHz (62.41%)
35_193_116_334 cpu_atom/instructions/ # 2.20 insn per cycle (37.59%)
38_310_894_697 cpu_core/instructions/ # 2.25 insn per cycle (62.41%)
0.419803521 seconds time elapsed
Mit 8000x8000 Matrizen brauchen alle 10 Kerne 2.63s (im Vergleich zu 3.326s beim Ryzen 8700G [edit]mit 25W Power Limit[/edit] ohne SMT, mit SMT ist er langsamer). Dabei laufen die P-Cores mit 4385MHz und die E-Cores mit 4125MHz bei einem Package-Verbrauch von 73W (das Power Limit auf dem Deskmini B860 ist aus irgendeinem Grund auf 75W voreingestellt).
Dasselbe auf den 4 E-Cores kostet ca. 36-37W bei ca. 4150MHz (226J); auf zwei P-Cores kostet es 31-32W bei 4900MHz (ca. 245J fuer die 8000x8000-Matrix-Multiplikation). Die E-Cores sind also tatsaechlich effizienter, wenn auch nur wenig. Der Verbrauch ohne Last ist 6W Package, ca. 0.13W Cores.
P.S.:
Und jetzt noch ein paar Tests mit 25W Power Limit (zur Vergleichbarkeit mit dem 8700G, den ich ebenso mit 25W Power Limit betreibe). Dabei variiert der "elapsed-Wert" betraechtlich, also zeige ich das arithmetische Mittel aus 10 Runs:
Code:
# alle Cores, passender Vergleich zum 8700G mit allen Cores
$ OMP_NUM_THREADS=10 taskset -c 0-9 perf stat -r 10 ./blas 8000
79_334_848_012 cpu_atom/cycles/ # 1.762 GHz ( +- 5.67% ) (32.95%)
105_627_817_407 cpu_core/cycles/ # 2.345 GHz ( +- 1.99% ) (67.05%)
199_323_525_102 cpu_atom/instructions/ # 2.51 insn per cycle ( +- 5.84% ) (32.95%)
431_782_448_957 cpu_core/instructions/ # 4.09 insn per cycle ( +- 6.34% ) (67.05%)
5.1742 +- 0.0580 seconds time elapsed ( +- 1.12% )
Der Arrow Lake ist bei 25W also um den Faktor 1,56 langsamer beim Matrizen multiplizieren als der Phoenix. Die 10 Kerne takten auch deutlich niedriger (2345MHz bzw. 1762MHz) als die 8 des Phoenix (3063MHz).
Jetzt vergleichen wir einmal gleich viele P- und E-Cores, beide durch das Power Limit begrenzt. Sind die E-Cores tatsaechlich effizienter?
Code:
# 4 P-cores
75_449_641_363 cpu_core/cycles/ # 3.421 GHz ( +- 0.20% )
251_320_971_842 cpu_core/instructions/ # 3.33 insn per cycle ( +- 0.45% )
5.8024 +- 0.0150 seconds time elapsed ( +- 0.26% )
# 4 E-Cores
$ OMP_NUM_THREADS=4 taskset -c 6-9 perf stat -r 4 ./blas 8000
98_889_386_432 cpu_atom/cycles/ # 3.565 GHz ( +- 0.09% )
249_771_190_475 cpu_atom/instructions/ # 2.53 insn per cycle ( +- 0.20% )
Die E-Cores verbrauchen zwar pro Takt weniger und koennen dadurch im Power Limit etwas hoeher takten (wobei sie dann wieder durch hoehere Spannung etwas an Effizienz einbuessen), aber die hoeheren IPC der P-Cores gleichen das mehr als aus, sodass die P-Cores im selbst power limit schneller Matrizen multiplizieren koennen als E-Cores. Das mag bei anderen Anwendungen anders sein.
Interessanterweise sind die 4 P-Cores fast so schnell wie alle 10 Cores. Koente die Verwendung von 6 P-Cores ohne E-Cores besser sein?
Code:
# 6 P-Cores
$ OMP_NUM_THREADS=6 taskset -c 0-5 perf stat -r 4 ./blas 8000
78_454_095_008 cpu_core/cycles/ # 2.754 GHz ( +- 0.09% )
261_364_967_232 cpu_core/instructions/ # 3.33 insn per cycle ( +- 0.20% )
5.0883 +- 0.0102 seconds time elapsed ( +- 0.20% )
Ja, 6 P-cores alleine sind bei 8000*8000-Matrix-Multiplikation bei 25W Power Limit tatsaechlich ein bisschen schneller (und damit effizienter) als 6 P-Cores + 4 E-Cores. Sie erreichen aber nicht den Takt der 8 Zen4-Kerne des Phoenix bei 25W.