PMwCAS 项目使用教程
2024-09-19 05:00:30作者:平淮齐Percy
1. 项目介绍
PMwCAS(Persistent Multi-Word Compare-and-Swap)是一个用于在非易失性内存(NVRAM)上原子地更改多个8字节字的库。它允许开发者轻松构建无锁数据结构,并且不需要应用程序自定义恢复逻辑。PMwCAS的核心概念是描述符(descriptor),通过描述符可以实现对多个目标字的高效原子操作。
PMwCAS支持Windows和Linux操作系统,并提供了四种不同的持久化模式:
- 使用Intel PMDK进行持久化
- 通过DRAM模拟持久化
- 非持久化(无持久化支持)
- 使用Intel TSX进行非持久化(通过硬件事务内存安装描述符)
2. 项目快速启动
2.1 环境准备
在开始之前,请确保您的系统满足以下要求:
- 操作系统:Windows(CMake + Visual Studio)或 Linux(CMake + gcc/clang)
- 依赖库:Intel PMDK(如果使用持久化模式)
2.2 克隆项目
首先,克隆PMwCAS项目到本地:
git clone --recursive https://github.com/microsoft/pmwcas.git
2.3 编译项目
2.3.1 在Linux上编译
假设我们在源代码目录下创建一个名为build的目录进行编译:
mkdir build
cd build
cmake -DPMEM_BACKEND=[PMDK/Volatile/Emu] -DCMAKE_BUILD_TYPE=[Debug/Release/RelWithDebInfo] ..
make -jN
2.3.2 在Windows上编译
在Windows上编译时,使用以下命令:
md build
cd build
cmake -G [generator] ..
其中,[generator]应与已安装的Visual Studio版本匹配,例如Visual Studio 14 2015 Win64。然后,可以通过打开pmwcas.sln文件在Visual Studio中进行编译,或者使用以下命令:
msbuild pmwcas.sln /p:Configuration=[Release/Debug]
3. 应用案例和最佳实践
3.1 数组基准测试
PMwCAS提供了一个数组基准测试,用于原子地更改固定大小的数组中的随机数量的条目。以下是一个示例命令:
mwcas_shm_server -shm_segment "mwcas" # 启动共享内存进程
mwcas_benchmark -shm_segment "mwcas" -threads 2 -seconds 10 -array_size 100 -word_count 4
3.2 双链表
PMwCAS还提供了使用单字CAS和PMwCAS实现的无锁双链表。以下是一个示例命令:
mwcas_shm_server -shm_segment "mwcas" # 启动共享内存进程
doubly_linked_list_benchmark -shm_segment "mwcas" -threads 2 -seconds 10
4. 典型生态项目
PMwCAS可以与其他高性能计算和存储项目结合使用,例如:
- Intel PMDK:用于持久化内存编程的库,与PMwCAS结合使用可以实现高效的持久化数据结构。
- TBB(Threading Building Blocks):Intel提供的并行编程库,可以与PMwCAS结合使用以提高多线程性能。
- SPDK(Storage Performance Development Kit):用于构建高性能存储应用的库,可以与PMwCAS结合使用以实现高效的存储系统。
通过结合这些生态项目,PMwCAS可以进一步扩展其应用场景,提供更强大的功能和性能。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
341
405
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178