PKU，2025Fall，ICS，CacheLab
⚠️ 致各位同学：
本笔记的目的是借鉴交流，而非仅仅提供答案，请勿抄袭，后果自负。
你可以参考我的想法、了解有哪些注意的地方，但是在自己实现的时候不要参考，避免抄袭。
实验开始前，请确保安装了 Python3 和 valgrind。运行如下指令安装 valgrind。
sudo apt-get install valgrind
Python3 已经在 Class Machine 上安装完成。
实验包含两个阶段：
在第一部分，你需要编写一个小的 C 程序（大约 200-300 行），模拟硬件缓存内存的行为。
在第二部分，你需要优化一个小型的矩阵转置函数，目标是减少缓存未命中的次数。
Valgrind 内存跟踪有如下形式：
I 0400f7d4, 8
M 0421c7f0, 4
L 04f6b868, 8
S 7ff0005c8, 8
格式为：操作类型 地址, 大小
上述指令分别表示：指令加载、数据加载、数据存储、数据修改
需要在csim.c内编写一个缓存模拟器，以 valgrind 内存跟踪作为输入，模拟缓存内存在此跟踪上的命中/未命中行为，并输出总命中数、未命中数和驱逐次数。当选择要驱逐的缓存行时，它使用 LRU（最近最少使用）替换策略。
该模拟器接受如下参数：
./csim-ref [-hv] -e <s> -E <E> -b <b> -t <tracefile>
-h：可选，输出使用信息
-v：可选：显示跟踪信息
-s <s>：索引位数（S = 2 ^ s，number of sets）
-E <E>：结合数（number of lines per set）
-b <b>：块的位数（B = 2 ^ b，block size）
-t <tracefile>：valgrind文件名
最后运行：
./test-csim
即可评分：
Your simulator Reference simulator
Points (s,E,b) Hits Misses Evicts Hits Misses Evicts
3 (1,1,1) 11 8 6 11 8 6 traces/yi2.trace
3 (4,2,4) 4 5 2 4 5 2 traces/yi.trace
3 (2,1,4) 2 3 1 2 3 1 traces/dave.trace
3 (2,1,3) 694 453 449 694 453 449 traces/mem.trace
3 (2,2,3) 201 37 29 201 37 29 traces/trans.trace
3 (2,4,3) 212 26 10 212 26 10 traces/trans.trace
3 (5,1,5) 231 7 0 231 7 0 traces/trans.trace
6 (5,1,5) 265189 21777 21745 265189 21777 21745 traces/long.trace
27
TEST_CSIM_RESULTS=27
需要我们优化32x32、64x64、60x68的矩阵转置函数，以减少miss的次数。
所用到的参数：$(s = 5, E = 1, b = 5)$，即有32个set、每个set只有1个line，每个line有32字节的直接映射高速缓存，一共1024个字节，可以存储32 * 8 = 256个int。
在这个Lab中，我们会发现：每个矩阵相差8的行序号内连续的 8k ~ 8k+7 个元素会映射到同一个Line，而A、B矩阵的相同位置元素也会映射到同一Line。
理论最优解256misses：
理论最优解1024misses：CSAPP - Cache Lab的更(最)优秀的解法 - 知乎
运行：
python3 ./driver.py
Cache Lab summary:
Points Max pts Misses
Csim correctness 27.0 27
Trans perf 32x32 8.0 8 260
Trans perf 64x64 8.0 8 1196
Trans perf 60x68 10.0 10 1575
Total points 53.0 53
Final points 88.0 88