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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
538
3.76 K
暂无简介
Dart
775
192
Ascend Extension for PyTorch
Python
343
407
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.34 K
757
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.07 K
97
React Native鸿蒙化仓库
JavaScript
303
356
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
337
180
AscendNPU-IR
C++
86
142
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
987
250